第 16 課：多 AI 編排

學習目標

完成本課程後，您將能夠：

瞭解 Claude Code 如何產生其他 AI 工具
實作基於腳本的 AI 工具產生
自動協調多個 AI 工具
整合 Aider、Cursor、Continue 和 Gemini CLI
使用 Claude Code 作為編排器建構多 AI 工作流程
與 worktree 和多代理系統結合

先決條件

完成第 14 課 - 多代理自動化
完成第 15 課 - Git worktree 基礎
API 存取 - 多個 AI 服務的金鑰（選用）
進階使用案例 - 需要多個 AI 工具的複雜專案

預估時間： 30 分鐘

❓ Claude Code 能產生其他 AI 工具嗎？

✅ 簡短回答：可以！

Claude Code 可以自動產生、協調並與其他 AI 編碼工具合作。本課程向您展示如何將 Claude Code 轉變為多 AI 編排器。

🤖 自我啟動架構

Claude Code 可以產生什麼

┌─────────────────────────────────────────────────────────────┐
│                  Claude Code（編排器）                        │
│  ┌─────────────────────────────────────────────────────────┐│
│  │ 任務：「建構全端功能」                                    ││
│  └──────┬──────────────────────────────────────────────────┘│
│         │                                                   │
│         ├─→ 產生 Aider（實作）                               │
│         ├─→ 產生第二個 Claude Code（程式碼審查）              │
│         ├───→ 產生 Cursor（重構）                            │
│         ├────→ 產生 Continue（DevOps）                       │
│         └─────→ 產生 Gemini CLI（替代方案）                  │
└─────────────────────────────────────────────────────────────┘

🔧 實作方法

方法 1：基於腳本的產生

建立 Claude Code 可以執行的腳本：

spawn-aider.sh：

#!/bin/bash
cd "$1"
aider --message "$2" --yes

從 Claude Code 使用：

您> 使用 Aider 實作使用者認證

Claude：[執行 spawn-aider.sh]
[使用適當參數執行 aider]

方法 2：直接 CLI 呼叫

您> 執行 aider 以進行後端實作

Claude：[使用 Bash 工具]
[執行]
cd backend && \
aider --file src/auth.py \
     --message "新增 OAuth2 認證" \
     --yes

✓ Aider 已完成實作

方法 3：MCP 伺服器整合

建立管理多個 AI 工具的 MCP 伺服器：

# multi-ai-coordinator.py
class MultiAICOordinator:
    def spawn_tool(self, tool_name, task, context):
        tools = {
            'claude': self.spawn_claude,
            'aider': self.spawn_aider,
            'gemini': self.spawn_gemini,
            'cursor': self.spawn_cursor,
            'continue': self.spawn_continue,
        }
        return tools[tool_name](task, context)

在 Claude Code 配置中註冊：

{
  "mcpServers": {
    "multi-ai": {
      "command": "python",
      "args": ["multi-ai-coordinator.py"]
    }
  }
}

用法：

您> 使用 multi-ai MCP 伺服器：
- 讓 Aider 實作後端
- 讓另一個 Claude 審查它
- 讓 Gemini 建議改進

Claude：[透過 MCP 協調所有工具]

🎯 真實範例：多 AI 功能開發

設定

project/
├── scripts/
│   ├── spawn-aider.sh
│   ├── spawn-claude.sh
│   └── spawn-gemini.sh
└── claude-agents.json

執行

claude
您> 使用多個 AI 實作使用者認證功能：
1. Aider：實作後端 API
2. 另一個 Claude Code：審查程式碼
3. Gemini：建議替代方法
4. Cursor：潤飾和優化

Claude：[協調所有工具]
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🤖 多 AI 協調已啟動
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

[1/4] 產生 Aider 以進行後端實作...
✓ Aider 已建立具有 OAuth2 的 auth.py

[2/4] 產生 Claude Code 以進行審查...
✓ 審查完成：已提供 3 個建議
  - 新增速率限制
  - 改善錯誤訊息
  - 新增單元測試

[3/4] 產生 Gemini 以取得替代方案...
✓ Gemini 建議：為行動應用程式使用 PKCE 流程

[4/4] 產生 Cursor 以進行優化...
✓ 已優化程式碼：15% 效能改善

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
✨ 所有 AI 已成功完成！
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

📊 比較：Claude Code vs 其他 AI 工具

工具	最適合	Claude Code 可以
Aider	快速編輯	✅ 產生與協調
Cursor	重構	✅ 用於潤飾
Continue	DevOps	✅ 產生以進行部署
Gemini CLI	替代方案	✅ 獲得第二意見
Copilot CLI	補全	✅ 整合以取得建議

🔗 與第 14 課（多代理）整合

第 14 課的多代理系統可以產生其他 AI 工具！

增強的 orchestrate.sh：

# 使用其他 AI 的代理
"tools_agent": {
  "name": "tools-coordinator",
  "role": "協調多個 AI 工具",
  "capabilities": [
    "spawn_aider",
    "spawn_gemini",
    "spawn_cursor"
  ]
}

工作流程：

主 Claude Code
    ↓
產生多代理系統（第 14 課）
    ↓
每個代理可以產生專業 AI 工具
    ↓
終極並行 AI 處理！🚀

🎓 最佳實踐

1. 工具選擇

後端實作 → 使用 Aider（快速）
程式碼審查 → 使用 Claude Code（徹底）
重構 → 使用 Cursor（優化）
DevOps → 使用 Continue（專業）
替代方案 → 使用 Gemini（創意）

2. 協調

您：充當編排器
其他 AI：執行特定任務
您：審查並整合結果

3. 隔離

每個 AI 工具 → 分開的目錄
分開的 git 分支（或 worktree！）
分開的 Claude Code 工作階段

4. 驗證

總是：
- 審查 AI 生成的程式碼
- 執行測試
- 檢查安全性問題
- 驗證功能

⚠️ 限制與考量

API 金鑰

每個 AI 工具需要自己的 API 金鑰：

export ANTHROPIC_API_KEY="sk-ant-..."
export OPENAI_API_KEY="sk-..."
export GOOGLE_API_KEY="..."

資源使用

執行多個 AI = 更多資源：

記憶體使用增加
API 成本倍增
網路頻寬

協調複雜度

更多工具 = 更複雜的協調：

衝突解決
輸出整合
錯誤處理

總結

在本課程中，您學到了：

多 AI 編排 - Claude Code 可以產生其他 AI 工具
基於腳本的產生 - 執行 aider、cursor、gemini 等
MCP 協調 - 集中式多 AI 管理
工具選擇 - 為每個任務選擇正確的 AI
整合模式 - 與 worktree 和多代理系統結合
最佳實踐 - API 金鑰、資源、驗證

下一步

結合：

第 14 課： 多代理自動化
第 15 課： 用於隔離的 Git worktree
練習： 建構您自己的多 AI 工作流程

進階閱讀

編排您的 AI 群！🤖→🤖→🤖

🚀 快速開始範本

#!/bin/bash
# multi-ai-workflow.sh

PROJECT_ROOT=$(pwd)
AI_TOOLS_DIR="$PROJECT_ROOT/ai-tools"

mkdir -p "$AI_TOOLS_DIR"

# 1. Aider 用於實作
cd "$AI_TOOLS_DIR/aider"
aider --message "實作功能 X"

# 2. Claude Code 用於審查
cd "$AI_TOOLS_DIR/review"
claude -p "審查 ../aider 實作"

# 3. Gemini 用於替代方案
gemini-cli "建議功能 X 的替代方案"

# 4. Cursor 用於潤飾
cursor --refactor "$AI_TOOLS_DIR/aider"

echo "✓ 多 AI 工作流程完成！"

使其可執行：

chmod +x multi-ai-workflow.sh
./multi-ai-workflow.sh

🎯 總結

是的，Claude Code 可以：

✅ 產生其他 AI 編碼工具
✅ 自動協調多個 AI
✅ 整合來自不同工具的輸出
✅ 充當 AI 群的編排器
✅ 與多代理系統結合（第 14 課）
✅ 使用 worktree 進行隔離（第 15 課）

非常適合：

需要專業工具的複雜功能
獲得多個觀點
使用 AI 進行並行處理
利用每個工具的優勢

注意：

API 成本（乘以工具數量）
協調複雜度
資源使用
整合挑戰

準備好編排您的 AI 團隊了嗎？🤖→🤖→🤖

學習目標​

先決條件​

❓ Claude Code 能產生其他 AI 工具嗎？​

✅ 簡短回答：可以！​

🤖 自我啟動架構​

Claude Code 可以產生什麼​

🔧 實作方法​

方法 1：基於腳本的產生​

方法 2：直接 CLI 呼叫​

方法 3：MCP 伺服器整合​

🎯 真實範例：多 AI 功能開發​

設定​

執行​

📊 比較：Claude Code vs 其他 AI 工具​

🔗 與第 14 課（多代理）整合​

🎓 最佳實踐​

1. 工具選擇​

2. 協調​

3. 隔離​

4. 驗證​

⚠️ 限制與考量​

API 金鑰​

資源使用​

協調複雜度​

總結​

下一步​

進階閱讀​

🚀 快速開始範本​

🎯 總結​