Multi-Agent CLI Tools

利用多个 AI CLI（Codex、Gemini、Claude、Knot）+ tmux 实现的五套多智能体协作工具。

五大方案

#	工具	命令	说明
1	Arena	arena/arena.sh	多 agent 同题竞赛，并行执行后对比结果
2	Pipeline	pipeline/pipeline.sh	串行流水线，agent 逐阶段协作加工
3	Debate	debate/debate.sh	正反方多轮技术辩论 + 裁判总结
4	Dispatcher	dispatcher/dispatcher.sh	将大项目拆成子任务，多 agent 并行完成后合并
5	Benchmark	benchmark/benchmark.sh	标准化编程题评测，自动验证 + 评分看板

快速开始

# 1. Arena — 让 Codex 和 Gemini 比赛写 FizzBuzz
arena/arena.sh --agents codex,gemini "实现 FizzBuzz 函数"

# 2. Pipeline — 先生成代码，再 Code Review
pipeline/pipeline.sh --template code-review --agents codex,gemini "写一个 fibonacci 函数"

# 3. Debate — Rust vs Go 技术辩论
debate/debate.sh --rounds 2 "Rust vs Go 做后端开发"

# 4. Dispatcher — 多任务并行分发
dispatcher/dispatcher.sh tasks/utils.tasks

# 5. Benchmark — 标准化评测
benchmark/benchmark.sh --agents codex,gemini

前置条件

# 至少需要 2 个 CLI 可用
codex-internal --version
gemini-internal --version
# 可选
claude-internal --version
knot-cli --version

可选：自定义 Agent CLI 路径

默认使用以下可执行文件名：

• claude-internal
• codex-internal
• gemini-internal
• knot-cli

如需覆盖，可设置环境变量：

export AGENT_CLAUDE_BIN="claude-internal"
export AGENT_CODEX_BIN="codex-internal"
export AGENT_GEMINI_BIN="gemini-internal"
export AGENT_KNOT_BIN="knot-cli"

注意：这些变量应为单个可执行文件名或路径，不要包含额外参数。

项目结构

├── lib/                    # 共享库（agent 检测、结果收集）
│   ├── agents.sh
│   └── collector.sh
├── arena/                  # 方案一：竞赛
├── pipeline/               # 方案二：流水线
├── debate/                 # 方案三：辩论
├── dispatcher/             # 方案四：任务分发
├── benchmark/              # 方案五：评测
├── problems/               # Benchmark 内置题库
├── tasks/                  # Dispatcher 示例任务文件
├── topics/                 # Debate 预设辩题
└── docs/                   # 需求文档 + 创意文档

设计原则

• 纯 Bash：兼容 macOS 默认 Bash 3.2+，无需额外依赖
• 共享基础设施：lib/agents.sh 和 lib/collector.sh 被所有方案复用
• 自动检测：跳过不可用的 agent，自动分配任务
• 完整报告：每次运行生成终端彩色输出 + Markdown 报告

Benchmark 运行产物

benchmark/benchmark.sh 每次执行会在 bench-runs/<timestamp>/ 下生成：

• manifest.json：记录工具版本、git commit、agents 版本、过滤条件等可复现信息
• <problem>_<agent>/test.log：仅在测试失败时保留，便于快速定位失败原因
• report/report.md、report/results.csv：汇总报告

开发自测

# 无需真实 AI CLI，使用 mock codex 走 benchmark 通过/失败链路
bash tests/smoke/benchmark_mock.sh