Agent 与自动化AI 资源

relayline：让 Claude Code、Codex 等编码代理互为负责人与子代理并共享上下文

SUPERD6/relayline · Coding agents (Claude Code, Codex, Gemini CLI) as each other's lead and sub-agent: shared memory, the cheapest model likely to finish each piece, checked and reviewed, with the receipt. Command: ccx.

GitHub原文发布未知首次收录 2026-10-26上架 2026-10-26 07:02

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

relayline（命令 ccx）把 Claude Code、Codex、DeepSeek 等编码代理编排成团队：按难度把任务分给最便宜且可能完成的代理，复查验收检查，支持共享的项目/个人记忆与工作上下文，并记录每次运行结果以校准路由。项目仅依赖 Python 标准库，作者公布了一些小规模受控任务的测量结果及其局限。

# token 用量 # Agent 上下文 # 编码 Agent # 成本核算 # 多代理

核心能力与快速开始

★ 0 · Python

能做什么: 提供 ccx 命令行，将任务路由给 Claude Code、Codex、DeepSeek 等编码代理，按五问难度评分选择代理/模型/努力程度；子代理接收引导代理的近期工作上下文；ccx 自行重跑验收检查并记录判定；支持项目与个人记忆、代理间交接、共享工作上下文和开放会话写入的看板。
适用场景: 适合希望用多个编码代理协作、按成本路由任务并保留可核查运行记录的开发者；可用于把大任务拆分给不同代理、共享项目笔记与工作上下文，以及比较不同代理组合的首次通过率与花费。
项目形态: 可直接使用的工具
部署方式: 需在本地终端安装运行；README 说明安装需通过 Claude Code 插件市场安装插件及用 pipx 从 Git 仓库安装 ccx，ccx setup 为引导式配置。
主要依赖: Python 3.11+；需已登录的 claude 和 codex CLI；DeepSeek 可选（dsh 或 DEEPSEEK_API_KEY）。README 称仅依赖标准库。作者实测在一台 Windows 机器上，macOS 和 Linux 仅在 CI 中运行。
使用限制: 当前为 v0.4 进行中版本；Gemini CLI 及通过 Claude Code 接入的 Kimi、GLM、Qwen、OpenRouter 未被真实运行验证；测量结果来自单机小规模受控任务，共享上下文的 A/B 为最佳情况设计，单独委派小任务的总花费约持平且 token 更多、更慢；节省效果在真实长对话中的外推尚未测量。
许可证: MIT
最近推送: 2026-10-26 06:58

官方入门项目文档核对 README 依据 ↗

资料检查：2026-10-26 07:00 · 卡片整理：2026-10-26 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

相似资源

Meow Metric CLI：本地 Claude Code 会话分析与专注计时仪表盘

Meow Metric CLI 是一个自托管的分析仪表盘，用于解析本地 Claude Code 生成的 JSONL 会话文件，并基于这些数据生成图表、项目时间线、token 用量与成本预测。它内置番茄钟专注计时，并会把完成专注会话的成果转化为“数字猫殖民地”的收集进度；项目还提供多语言界面、邮件与 webhook 预算阈值通知、CSV/JSON/PDF 导出，以及可选的 OpenAI 会话摘要增强功能。项目强调数据全部保存在本地，不向外部发送遥测数据。

Weft：基于 LM Studio 本地模型在终端进行多模型协作的编码 Agent

Weft 是一个用 Rust 编写的终端编码 Agent，通过 LM Studio 调用本地模型并行协作：planner（规划模型）负责写计划并审查 diff，worker（执行模型）运行工具循环完成读、搜、编辑和命令执行，scout（侦察模型）负责定位代码并压缩长对话。它提供终端 TUI 会话、计划模式、审批与钩子、撤销、MCP 工具接入、会话持久化与恢复、上下文压缩等能力，并支持命令行方式执行单个任务。

SciPro BD Dashboard：面向生命科学招聘的 AI 代理集，用于发现潜客、撰写外联内容并生成职位方案

该项目是一个面向生命科学招聘顾问的 AI 代理应用，围绕 Prospect→Outreach→Pitch→Job Intake 的工作流展开：每天筛选 5 家可能招聘的美国生物科技或 AI 药物发现公司并解释原因；支持在 Pipeline 看板中推进候选公司；在对话中起草符合顾问风格的外联邮件，并校验案例与数字；按公司信息和招聘模型生成 10 页 Pitch 演示；将招聘经理的通话笔记整理为职位说明、薪酬核对、面试评分卡、目标和布尔搜索字符串。Signal Radar 组合了新闻 RSS 与 ClinicalTrials.gov 试验数据，并检查企业招聘板，同时设有每日调用、token 和扫描次数上限、提示注入内容清洗和多代理检查机制。

ExpHub：面向多个 AI 助手的共享经验知识库 MCP 服务

ExpHub 是一个基于 MCP 协议的开源服务端，让多个 AI 编程助手共享并持续积累经验。它支持在任务前搜索历史经验，用 8 种模板沉淀结构化知识，管理待办，为每个项目建立独立空间来保存 AGENTS.md 手册、进度交接和专属经验，并通过 API Key 实现多租户隔离。项目使用 Java 17、Spring Boot 3.2、Spring AI MCP Server，并提供 Docker 部署和管理后台。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。