/ 目錄 / 演練場 / claude-gpt-workflow
● 社群 longranger2 ⚡ 即開即用

claude-gpt-workflow

作者 longranger2 · longranger2/claude-gpt-workflow

將程式碼執行委派給 Codex CLI,由 Claude 負責統籌協調——兩個 AI 模型之間進行對抗性計畫審查與迭代優化。

三個技能分工明確:Claude 負責統籌策略,Codex 負責執行。codex 將程式撰寫任務委派給 Codex CLI。/plan-review 讓 Codex 在實作前對 Claude 的計畫進行對抗性批判。/plan-execute 在計畫通過審核後執行,並透過來回審查循環直到品質達標。三個反饋迴圈——計畫優化、審查修正、批次執行。

為什麼要用

核心特性

即時演示

實際使用效果

claude-gpt-workflow-skill.replay ▶ 就緒
0/0

安裝

選擇你的客戶端

~/Library/Application Support/Claude/claude_desktop_config.json  · Windows: %APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "claude-gpt-workflow-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/longranger2/claude-gpt-workflow",
        "~/.claude/skills/claude-gpt-workflow"
      ],
      "_inferred": true
    }
  }
}

開啟 Claude Desktop → Settings → Developer → Edit Config。儲存後重啟應用。

~/.cursor/mcp.json · .cursor/mcp.json
{
  "mcpServers": {
    "claude-gpt-workflow-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/longranger2/claude-gpt-workflow",
        "~/.claude/skills/claude-gpt-workflow"
      ],
      "_inferred": true
    }
  }
}

Cursor 使用與 Claude Desktop 相同的 mcpServers 格式。專案級設定優先於全域。

VS Code → Cline → MCP Servers → Edit
{
  "mcpServers": {
    "claude-gpt-workflow-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/longranger2/claude-gpt-workflow",
        "~/.claude/skills/claude-gpt-workflow"
      ],
      "_inferred": true
    }
  }
}

點擊 Cline 側欄中的 MCP Servers 圖示,然後選 "Edit Configuration"。

~/.codeium/windsurf/mcp_config.json
{
  "mcpServers": {
    "claude-gpt-workflow-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/longranger2/claude-gpt-workflow",
        "~/.claude/skills/claude-gpt-workflow"
      ],
      "_inferred": true
    }
  }
}

格式與 Claude Desktop 相同。重啟 Windsurf 生效。

~/.continue/config.json
{
  "mcpServers": [
    {
      "name": "claude-gpt-workflow-skill",
      "command": "git",
      "args": [
        "clone",
        "https://github.com/longranger2/claude-gpt-workflow",
        "~/.claude/skills/claude-gpt-workflow"
      ]
    }
  ]
}

Continue 使用伺服器物件陣列,而非映射。

~/.config/zed/settings.json
{
  "context_servers": {
    "claude-gpt-workflow-skill": {
      "command": {
        "path": "git",
        "args": [
          "clone",
          "https://github.com/longranger2/claude-gpt-workflow",
          "~/.claude/skills/claude-gpt-workflow"
        ]
      }
    }
  }
}

加入 context_servers。Zed 儲存後熱重載。

claude mcp add claude-gpt-workflow-skill -- git clone https://github.com/longranger2/claude-gpt-workflow ~/.claude/skills/claude-gpt-workflow

一行命令搞定。用 claude mcp list 驗證,claude mcp remove 移除。

使用場景

實戰用法: claude-gpt-workflow

讓另一個模型攻擊計畫以進行壓力測試

👤 進行高風險重構的工程師 ⏱ ~45 min intermediate

何時使用: 在進行遷移或有風險的重構前動手改程式,想讓第二個模型找出漏洞。

前置條件
  • 已安裝並通過驗證的 Codex CLI — 使用您的 API 金鑰安裝 OpenAI Codex CLI
  • 已安裝此技能 — git clone https://github.com/longranger2/claude-gpt-workflow ~/.claude/skills/claude-gpt-workflow
步驟
  1. 用 Claude 起草計畫
    撰寫一份 plan.md,用於將我們的 auth 模組從 JWT 遷移到 session cookies。✓ 已複製
    → 逐步計畫已寫入 plan.md
  2. 觸發對抗性審查
    /plan-review plan.md✓ 已複製
    → Codex 回傳包含 Claude 遺漏風險的批判意見
  3. 迭代直到雙方達成共識
    整合 Codex 的批判意見,重新提交,反覆進行直到結果乾淨為止。✓ 已複製
    → 計畫達到穩定狀態

結果: 一份經過真正對抗性審查的計畫,而非僅靠自我評分得出的結果。

注意事項
  • 無止盡的審查迴圈 — 上限設為 3 輪——之後報酬遞減
搭配使用: filesystem · git

將批次重構委派給 Codex,由 Claude 負責審查

👤 進行機械式多檔案變更的團隊 ⏱ ~60 min intermediate

何時使用: 需要在 50 個以上的檔案中進行重新命名或函式簽章變更。

步驟
  1. 規劃並核准
    規劃並審查將整個程式碼庫中的 <old> 重新命名為 <new>。✓ 已複製
    → 已核准的 plan.md
  2. 執行
    /plan-execute plan.md——Codex 進行編輯,Claude 審查每個批次。✓ 已複製
    → 檔案以批次方式變更,每個批次均通過 Claude 的審查

結果: 一次乾淨的多檔案變更,每個批次都有兩雙眼睛把關。

注意事項
  • Codex 做了 Claude 本會拒絕的事 — /plan-execute 迴圈會抓到這個問題——但前提是計畫中的品質標準要明確
搭配使用: git

透過迭代品質優化來實作功能

👤 曾見過一次性 AI 產出的程式在邊界情況下失敗的開發者 ⏱ ~90 min advanced

何時使用: 功能足夠複雜,以至於單次生成無法做對。

步驟
  1. 撰寫含驗收標準的計畫
    規劃一個含明確驗收測試的功能,然後執行 /plan-execute。✓ 已複製
    → 包含可測試標準的計畫
  2. 觀察迴圈運作
    讓審查/修正迴圈運行——摘要每次迭代的結果。✓ 已複製
    → 迭代收斂至通過標準

結果: 一個通過明確驗收標準的功能,而不只是一個能編譯的提交。

組合

與其他 MCP 搭配,撬動十倍槓桿

claude-gpt-workflow-skill + git

在每次迴圈迭代後提交,以便在迴圈偏離時能夠還原

在每次 /plan-execute 迭代之前,建立一個 git tag。✓ 已複製
claude-gpt-workflow-skill + filesystem

計畫和批判意見存放在專案庫中

將 plan.md 和 review-notes.md 寫入 docs/ 並納入 git 版本控制。✓ 已複製

工具

此 MCP 暴露的能力

工具輸入參數何時呼叫成本
ask_codex.sh request string 委派程式撰寫任務 Codex API tokens
/plan-review plan file path 在執行之前 Codex API tokens
/plan-execute approved plan path /plan-review 通過後 Codex tokens per iteration

成本與限制

運行它的成本

API 配額
Codex API 用量——由於兩個模型同時運行,可能是單模型工作流程的 2–5 倍
每次呼叫 Token 數
高——計畫 + 審查 + 執行
費用
兩份 API 訂閱(Claude + OpenAI)
提示
保留給高風險工作使用;不要用在小型單檔案編輯上

安全

權限、密鑰、影響範圍

憑證儲存: OPENAI_API_KEY in env for Codex CLI
資料出站: 程式碼會離開您的機器傳送至兩家服務提供商——請確認公司政策

故障排查

常見錯誤與修復

ask_codex.sh: command not found

Codex CLI 不在 PATH 中或尚未安裝

驗證: which codex
Plan-execute loops forever

驗收標準太模糊——收緊計畫內容或設定迭代次數上限

Models disagree and plan never stabilizes

以較小的範圍強制進行一輪決勝局

替代方案

claude-gpt-workflow 對比其他方案

替代方案何時用它替代權衡
Single-model Claude Code任務風險不足以支撐雙模型的額外開銷對抗性訊號較少
agent-skill-tdd品質保證來自測試,而非另一個模型的批判沒有跨模型審查

更多

資源

📖 閱讀 GitHub 上的官方 README

🐙 查看未解決的 issue

🔍 瀏覽全部 400+ MCP 伺服器和 Skills