# Ccb Unified > 统一 CCB + Subagent 集成平台 v1.0。通过 Gateway API 调度 9 个 AI Provider，结合 Claude Code Subagent 系统，实现分布式 AI 协作。支持异步调用、并行执行、智能路由、记忆系统。包含 9 个子 skills：async, parallel, research, workflow, memory, benchmark, discussion, stem, macro。整合了原有的 ccb, ask, all-plan, stem-modeling, macro-research-ccb skills。 - Skill: `leolin990405/ccb-unified` (Agent Skill, multi-file: 16 files) - Install (CLI): `npx skillmds@latest add leolin990405/ccb-unified` - Raw SKILL.md: https://api.skillmd.com/api/skills/leolin990405/ccb-unified/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Research & Search - Author: LeoLin990405 (https://skillmd.com/u/leolin990405) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/leolin990405/ccb-unified --- # CCB Unified - 统一 CCB + Subagent 集成平台 v1.0 ## 架构概览 ``` ┌─────────────────────────────────────────────────────────────────────┐ │ CCB Unified Platform │ │ │ │ ┌───────────────────────────────────────────────────────────────┐ │ │ │ Claude Code (Orchestrator) │ │ │ │ • 任务规划 │ │ │ │ • Subagent 调度 │ │ │ │ • 结果整合 │ │ │ └───────────────────────┬───────────────────────────────────────┘ │ │ │ │ │ ┌──────────────────┼──────────────────┐ │ │ │ │ │ │ │ ▼ ▼ ▼ │ │ ┌─────────┐ ┌─────────┐ ┌─────────┐ │ │ │ Explore │ │ Plan │ │ Bash │ │ │ │Subagent │ │Subagent │ │Subagent │ │ │ └────┬────┘ └────┬────┘ └────┬────┘ │ │ │ │ │ │ │ │ ┌─────────▼─────────┐ │ │ │ │ │ Gateway API │ │ │ │ │ │ localhost:8765 │ │ │ │ └──────► ◄──────┘ │ │ └─────────┬─────────┘ │ │ │ │ │ ┌────┬────┬────┬───┼───┬────┬────┬────┬────┐ │ │ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ │ │ Kimi Qwen DeepS Cdex Gemi iFlo OpCd Clau Droid │ │ 🚀 🚀 ⚡ 🐢 🐢 ⚡ ⚡ ⚡ ⚡ │ └─────────────────────────────────────────────────────────────────────┘ ``` **核心能力：** - **异步非阻塞** - 通过 Gateway API 实现 - **Subagent 并行** - Claude Code 的 Task tool - **智能路由** - 根据任务类型选择最佳 Provider - **记忆系统** - 双系统记忆 + 启发式检索 - **模块化** - 6 个子 skills 处理不同场景 --- ## 子 Skills 架构 ``` ccb-unified/ ├── SKILL.md (本文件 - 主入口) ├── subskills/ │ ├── async.md # 异步调用管理 │ ├── parallel.md # 并行多 AI 协作 │ ├── research.md # 深度研究（Subagent + CCB） │ ├── workflow.md # 工作流自动化 │ ├── memory.md # 记忆系统操作 │ ├── benchmark.md # 性能基准测试 │ ├── discussion.md # 多 AI 协作讨论（整合 all-plan） │ ├── stem.md # STEM 学术建模（整合 stem-modeling） │ └── macro.md # 宏观研究（整合 macro-research-ccb） ├── references/ │ └── patterns.md # 多 AI 协作编排模式 ├── templates/ │ ├── consensus-decision.md │ ├── parallel-review.md │ └── research-delegation.md └── examples/ ├── async_example.sh ├── parallel_example.sh ├── research_example.sh ├── discussion_example.sh ├── stem_example.sh └── macro_example.sh ``` ## Legacy Orchestration Assets The legacy `claude-skills/ccb` outer-layer assets now live here: - `references/patterns.md` for orchestration patterns such as fan-out, sequential pipelines, and consensus voting - `templates/consensus-decision.md` for structured architecture or tooling decisions - `templates/parallel-review.md` for multi-provider code review - `templates/research-delegation.md` for specialist-routed research workflows Use these reference assets when the user needs a reusable collaboration pattern rather than a single ad-hoc prompt. --- ## 使用场景决策树 ``` 用户请求 │ ├─ 需要深度探索代码库？ │ └─> 使用 /ccb-research（Explore Subagent + CCB） │ ├─ 需要多个 AI 同时工作？ │ └─> 使用 /ccb-parallel（异步并行） │ ├─ 需要长时间任务不阻塞？ │ └─> 使用 /ccb-async（异步提交） │ ├─ 需要实现自动化流程？ │ └─> 使用 /ccb-workflow（Bash Subagent + CCB） │ ├─ 需要搜索历史记忆？ │ └─> 使用 /ccb-memory（记忆检索） │ └─ 需要对比 Provider 性能？ └─> 使用 /ccb-benchmark（性能测试） ``` --- ## 主入口：ccb-unified ### 快速开始 ```bash # 检查环境 /ccb-unified check # 智能路由（自动选择最佳 Provider） /ccb-unified "创建一个 React 计数器组件" # 指定 Provider /ccb-unified kimi "解释递归" # 带 Agent 角色 /ccb-unified codex o3 -a reviewer "审查代码" ``` ### 工作流程 ``` 1. 用户输入任务 2. Claude 分析任务类型 3. 决定是否需要 Subagent 4. 选择合适的子 skill 5. 执行并返回结果 ``` --- --- ## 子 Skills 详解 ### 基础调用类 (3个) #### Skill 1: ccb-async (异步调用管理) **文件**: `subskills/async.md` ### 用途 处理需要长时间运行的任务，避免阻塞主会话。 ### 触发条件 - 任务预计耗时 > 30 秒 - 需要同时提交多个独立任务 - 用户明确要求异步执行 ### 使用方法 ```bash # 异步提交 /ccb-async submit kimi "详细分析这个架构设计" # → 返回 request_id # 批量提交 /ccb-async batch "问题1" "问题2" "问题3" # 查询状态 /ccb-async status # 获取结果 /ccb-async get # 列出所有待处理 /ccb-async pending ``` ### 实现原理 ```bash # 通过 Gateway API 异步提交 curl -X POST http://localhost:8765/api/v1/submit \ -H "Content-Type: application/json" \ -d '{ "provider": "kimi", "message": "任务内容", "agent_role": "sisyphus" }' ``` --- #### Skill 2: ccb-parallel (并行多 AI 协作) **文件**: `subskills/parallel.md` ### 用途 同时向多个 AI Provider 提问，获得多角度答案。 ### 触发条件 - 需要多个 AI 的不同观点 - 需要快速获得多种方案 - 对比不同 AI 的能力 ### 使用方法 ```bash # 并行提问（默认 3 个快速 Provider） /ccb-parallel "如何优化 React 性能？" # 指定 Provider 组 /ccb-parallel -g @fast "快速问题" # Kimi, Qwen /ccb-parallel -g @coding "代码问题" # Qwen, DeepSeek, Codex /ccb-parallel -g @chinese "中文问题" # Kimi, Qwen, DeepSeek # 自定义 Provider /ccb-parallel -p "kimi,qwen,gemini" "前端设计问题" # 生成对比报告 /ccb-parallel --report "分布式系统设计" ``` ### 实现原理 ```bash # 1. 并行提交到 Gateway ID1=$(ccb-submit kimi "$QUESTION") ID2=$(ccb-submit qwen "$QUESTION") ID3=$(ccb-submit deepseek "$QUESTION") # 2. 等待所有完成（30秒） sleep 30 # 3. 收集结果 R1=$(ccb-query get $ID1) R2=$(ccb-query get $ID2) R3=$(ccb-query get $ID3) # 4. 生成对比报告 cat < comparison_report.md # AI 对比报告 ## Kimi: $R1 ## Qwen: $R2 ## DeepSeek: $R3 EOF ``` --- ### 高级功能类 (3个) #### Skill 3: ccb-research (深度研究) **文件**: `subskills/research.md` ### 用途 结合 Explore Subagent 和 CCB，进行深度代码库研究和多 AI 分析。 ### 触发条件 - 需要探索大型代码库 - 需要多轮 AI 交互 - 需要专业分析（架构、安全、性能） ### 使用方法 ```bash # 代码库架构分析 /ccb-research architecture "分析这个项目的架构" # 安全审查 /ccb-research security "找出所有潜在安全问题" # 性能优化建议 /ccb-research performance "识别性能瓶颈" # 自定义研究 /ccb-research custom \ --explore "找出所有 API 端点" \ --analyze-with "kimi,codex" \ --output "api_analysis.md" ``` ### 工作流程 ``` 1. 启动 Explore Subagent（快速探索代码库） ↓ 2. Subagent 收集关键文件和模式 ↓ 3. 将发现提交给 CCB Providers（并行分析） ↓ 4. Kimi: 中文总结 Qwen: 数据结构分析 Codex: 代码审查 Gemini: 架构建议 ↓ 5. Claude 整合所有结果 ↓ 6. 生成综合报告 ``` ### 实现（使用 Task tool + Gateway API） ```python # Step 1: 启动 Explore Subagent Task( subagent_type="Explore", prompt="探索项目结构，识别关键 API 端点文件", description="探索代码库" ) # Step 2: 获取 Subagent 结果后，并行提交给 CCB exploration_result = [subagent 返回的内容] # Step 3: 并行提交给多个 AI 分析 ccb-submit kimi "总结这些 API: $exploration_result" ccb-submit qwen "分析数据结构: $exploration_result" ccb-submit codex o3 "审查代码质量: $exploration_result" ccb-submit gemini 3p "建议架构优化: $exploration_result" # Step 4: 收集结果并整合 # ... ``` --- #### Skill 4: ccb-workflow (工作流自动化) **文件**: `subskills/workflow.md` ### 用途 使用 Bash Subagent + CCB 实现复杂的自动化工作流。 ### 触发条件 - 需要执行多步骤操作 - 需要 shell 命令 + AI 决策结合 - 需要自动化处理流程 ### 使用方法 ```bash # 自动代码审查流程 /ccb-workflow code-review \ --files "src/**/*.py" \ --reviewers "codex,kimi" \ --output "review_report.md" # 自动化测试 + 分析 /ccb-workflow test-analyze \ --run-tests "pytest tests/" \ --analyze-failures "deepseek" \ --suggest-fixes "kimi" # 自定义工作流 /ccb-workflow custom \ --steps "step1.sh,step2.sh" \ --ai-checkpoints "kimi,qwen" ``` ### 示例：自动代码审查工作流 ```bash #!/bin/bash # Bash Subagent 执行 # Step 1: 收集待审查文件 FILES=$(find src -name "*.py" -newer .last_review) # Step 2: 提交给 Codex 审查 for file in $FILES; do CODE=$(cat "$file") ccb-submit codex o3 -a reviewer "审查: $file\n\n$CODE" done # Step 3: 等待所有审查完成 sleep 60 # Step 4: 收集审查结果 # ... # Step 5: 用 Kimi 生成中文总结 ccb-submit kimi "总结审查结果并给出优先级建议" ``` --- #### Skill 5: ccb-memory (记忆系统) **文件**: `subskills/memory.md` ### 用途 管理 CCB 的双系统记忆，进行启发式检索。 ### 使用方法 ```bash # 启发式搜索（三维评分） /ccb-memory search "如何实现认证" # 保存重要对话 /ccb-memory save --importance 0.9 # 夜间合并 /ccb-memory consolidate # 记忆统计 /ccb-memory stats # 注入历史上下文 /ccb-memory inject 2026-02-05 ``` ### 启发式检索原理 ``` final_score = α × Relevance + β × Importance + γ × Recency Relevance - FTS5 BM25 关键词匹配 Importance - 用户标记的重要性 (0.0-1.0) Recency - 基于艾宾浩斯曲线的时间衰减 默认权重：α=0.4, β=0.3, γ=0.3 ``` --- ### 专业领域类 (3个) #### Skill 6: ccb-benchmark (性能基准测试) **文件**: `subskills/benchmark.md` ### 用途 对比不同 Provider 的性能、质量、成本。 ### 使用方法 ```bash # 响应速度测试 /ccb-benchmark speed "简单问题" # 代码质量对比 /ccb-benchmark code "实现快速排序" # 推理能力对比 /ccb-benchmark reasoning "证明哥德巴赫猜想" # 成本分析 /ccb-benchmark cost --days 7 # 生成对比报告 /ccb-benchmark report --all ``` ### 测试维度 | 维度 | 指标 | 测试方法 | |------|------|----------| | **速度** | 响应时间 | 同一问题发送给所有 Provider | | **质量** | 准确性、完整性 | 标准问题集评分 | | **成本** | Token 费用 | 统计 API 费用 | | **稳定性** | 失败率 | 100 次请求成功率 | --- #### Skill 7: ccb-discussion (多 AI 协作讨论) **文件**: `subskills/discussion.md` ### 用途 让多个 AI Provider 参与任务讨论，从不同角度分析问题，Claude 汇总形成完整计划。**整合了原 `all-plan` skill**。 ### 触发条件 - 需要多 AI 的不同观点 - 架构设计、技术选型决策 - 代码审查、方案对比 - 复杂问题的多角度分析 ### 讨论模式 | 模式 | 参与 AI | 时间 | 适用场景 | |------|---------|------|----------| | **快速** | 3个快速AI | 15-30s | 日常决策 | | **完整** | 7个AI | 60-120s | 重要决策 | | **专项** | 3-5个专家AI | 30-60s | 特定领域 | ### 使用示例 ```bash # 快速讨论 讨论主题: "如何优化数据库查询性能" 模式: 快速（Kimi, Qwen, DeepSeek） # 完整讨论 讨论主题: "设计分布式任务调度系统" 模式: 完整（7个AI参与） # 代码专项讨论 代码讨论: "审查并发代码设计" 参与: Codex, DeepSeek, Qwen ``` ### 工作流程 ``` 1. Claude 并行发送讨论请求 → Gateway API 2. 各 AI 独立分析并回复 3. Claude 汇总（提取共识 + 标记分歧） 4. 形成执行计划并分配角色 ``` **原 `all-plan` skill 用户**：直接使用此 skill，功能完全兼容并增强。 --- #### Skill 8: ccb-stem (STEM 学术建模) **文件**: `subskills/stem.md` ### 用途 使用 8 模型分布式架构进行 STEM 学术研究、数学推导、工程文档创建。**整合了原 `stem-modeling` skill**。 ### 8 模型分工 | AI | 角色 | 核心职责 | |----|------|----------| | 🟢 Claude | 编排 & 逻辑 | 中央协调 | | 🔵 Gemini | SOTA 研究 | 实时搜索 | | 🟣 Codex | 代码实现 | 最佳代码 | | 🟠 OpenCode | 中文写作 | 案例研究 | | 🔷 iFlow | Mermaid 图表 | 流程图 | | 🔴 Kimi | 代码审计 | 全面审查 | | 🟡 Qwen | 数学推导 | LaTeX 公式 | | ⚫ DeepSeek | 深度推理 | 逻辑分析 | ### 执行模式 ``` 串行执行: Gemini → Qwen → OpenCode → Codex → iFlow → Kimi → DeepSeek → Claude 时间: 约 10-15 分钟 质量: 最高 ``` ### 使用示例 ``` 研究主题: "随机森林算法的数学原理与实现" 模式: auto-pilot 输出: - SOTA 文献综述（Gemini） - 数学推导（Qwen） - 代码实现（Codex） - 流程图（iFlow） - 中文案例（OpenCode） - 代码审计（Kimi） - 深度推理（DeepSeek） - 最终整合（Claude） ``` **原 `stem-modeling` skill 用户**：直接使用此 skill，调用方式从旧 CLI（gask, qask）升级为统一的 `ccb-submit`。 --- #### Skill 9: ccb-macro (宏观研究) **文件**: `subskills/macro.md` ### 用途 8 AI 串行协作进行中国 A 股市场日常宏观研究，管理 1000万模拟投资组合。**整合了原 `macro-research-ccb` skill**。 ### 8 AI 研究团队 | AI | 角色 | 研究领域 | 搜索 | |----|------|----------|:----:| | Gemini | 基本面研究员 | 宏观经济、央行 | 25次 | | Codex | 技术面研究员 | K线、指标 | 25次 | | OpenCode | 估值研究员 | PE/PB估值 | 25次 | | iFlow | 资金流研究员 | 主力资金 | 25次 | | Kimi | 行业研究员 | 板块轮动 | 25次 | | Qwen | 国际宏观研究员 | 美股、汇率 | 25次 | | DeepSeek | 政策研究员 | 监管政策 | 25次 | | Claude | 舆情+报告 | 北向资金 | 25次 | **总计**: 200 次联网搜索 ### 串行执行（强制） ``` Gemini → Codex → OpenCode → iFlow → Kimi → Qwen → DeepSeek → Claude 每个完成后才启动下一个 每 30 秒轮询检查状态 总时间: 约 12 分钟 ``` ### 报告结构 ```markdown 1. 📊 投资决策摘要（最前面！） - 核心要点、预期差、买入机会、卖出关注 2. 💰 模拟投资组合（1000万） - 持仓、调仓、表现追踪 3. 🤖 多 Agent 共识 - 8研究员观点、3投资经理、风控官 4. 📈 市场回顾 5. 🏭 行业深度 6. 🌍 国际宏观 7. ⏱️ 执行摘要（3分钟速读） ``` ### 使用示例 ``` 今天是 2026-02-07，执行 CCB 分布式研究（串行模式） 初始资金：1000万人民币 自动执行： 1. 串行启动 8 个研究员 2. 每个完成后保存中间结果 3. Claude 整合生成完整报告 4. 给出投资建议和组合调整 ``` **原 `macro-research-ccb` skill 用户**：直接使用此 skill，调用方式升级为 `ccb-submit`，增强了监控和追踪。 --- ## 统一配置文件 **`~/.claude/skills/ccb-unified/config.json`：** ```json { "gateway": { "url": "http://localhost:8765", "timeout": 300 }, "providers": { "fast": ["kimi", "qwen"], "medium": ["deepseek", "iflow", "opencode"], "slow": ["codex", "gemini"], "coding": ["qwen", "deepseek", "codex", "kimi", "gemini"], "chinese": ["kimi", "qwen", "deepseek"] }, "subagents": { "explore": { "timeout": 120, "thoroughness": "medium" }, "bash": { "timeout": 60 }, "plan": { "timeout": 90 } }, "async": { "default_wait": 30, "poll_interval": 5, "max_retries": 3 }, "parallel": { "default_group": "@fast", "max_concurrent": 5, "wait_time": 30 }, "research": { "default_analyzers": ["kimi", "qwen", "codex"], "exploration_depth": "medium", "report_format": "markdown" } } ``` --- ## 智能路由规则 当用户没有指定 Provider 时，根据任务类型自动选择： ```python def auto_select_provider(task: str) -> str: """智能选择 Provider""" # 前端任务 if any(kw in task for kw in ["React", "Vue", "CSS", "前端", "UI"]): return "gemini 3f" # 算法推理 if any(kw in task for kw in ["算法", "证明", "数学", "推理"]): return "codex o3" # 代码审查 if any(kw in task for kw in ["审查", "review", "安全"]): return "codex o3" # 中文任务 if any(kw in task for kw in ["翻译", "中文", "总结"]): return "kimi" # 代码生成 if any(kw in task for kw in ["实现", "代码", "Python", "编写"]): return "qwen" # 默认：快速响应 return "kimi" ``` --- ## 使用示例 ### 示例 1: 深度代码库研究 ```bash # 用户请求："分析这个项目的架构并给出优化建议" # Claude 决策：使用 ccb-research /ccb-research architecture "分析项目架构" # 内部流程： # 1. 启动 Explore Subagent → 探索代码库 # 2. 并行提交给 4 个 AI: # - Kimi: 中文总结 # - Qwen: 数据结构分析 # - Codex: 代码质量审查 # - Gemini: 架构优化建议 # 3. Claude 整合结果生成报告 ``` ### 示例 2: 并行多 AI 对比 ```bash # 用户请求："如何优化 React 性能？我想听听多个 AI 的建议" # Claude 决策：使用 ccb-parallel /ccb-parallel -g @coding "如何优化 React 性能？" # 内部流程： # 1. 并行提交给 Qwen, DeepSeek, Codex # 2. 等待 30 秒 # 3. 生成对比报告 ``` ### 示例 3: 自动化工作流 ```bash # 用户请求："自动审查所有新修改的 Python 文件" # Claude 决策：使用 ccb-workflow /ccb-workflow code-review \ --files "git diff --name-only HEAD~1 '*.py'" \ --reviewers "codex,kimi" \ --output "review_$(date +%Y%m%d).md" # 内部流程： # 1. Bash Subagent 执行 git diff # 2. 对每个文件提交 Codex 审查（异步） # 3. Kimi 生成中文总结 # 4. 保存报告 ``` --- ## 错误处理 ### Gateway 未运行 ```bash # 自动检测并提示 ✖ Gateway 未运行 启动命令: cd ~/.local/share/codex-dual && python3 -m lib.gateway.gateway_server --port 8765 ``` ### Provider 超时 ```bash # 自动降级到更快的 Provider ⏱️ Codex 超时，自动切换到 DeepSeek ``` ### Subagent 失败 ```bash # 回退到直接 Gateway 调用 ⚠️ Explore Subagent 失败，使用直接搜索模式 ``` --- ## 性能优化 ### 1. 异步优先 ```bash # ✅ 推荐：异步非阻塞 ccb-submit kimi "问题" # ❌ 不推荐：同步阻塞（仅快速任务） ccb-cli kimi "问题" ``` ### 2. 批量并行 ```bash # ✅ 推荐：一次性提交多个 /ccb-parallel -p "kimi,qwen,deepseek" "问题" # ❌ 不推荐：串行等待 ccb-cli kimi "问题" ccb-cli qwen "问题" ccb-cli deepseek "问题" ``` ### 3. Subagent 缓存 ```bash # Explore Subagent 的结果可以复用 # 避免重复探索相同的代码库 ``` --- ## 监控和统计 ### Web UI 访问 `http://localhost:8765/web` 查看： - 实时请求监控 - Provider 状态 - 成本分析 - 记忆统计 - Subagent 任务列表 ### CLI 统计 ```bash # Gateway 统计 curl http://localhost:8765/api/stats # 成本分析 curl http://localhost:8765/api/costs/summary # 记忆统计 ccb-mem stats-v2 # Subagent 任务 /tasks list ``` --- ## 最佳实践 1. **保持 Gateway 运行** - 确保 http://localhost:8765 可访问 2. **异步优先** - 除非是简单快速任务，否则使用异步模式 3. **合理选择子 skill** - 根据任务类型选择最合适的子 skill 4. **利用 Subagent** - 复杂任务交给 Subagent 处理 5. **并行处理** - 多个独立任务同时提交 6. **记忆管理** - 定期运行 `ccb-mem consolidate` 7. **监控性能** - 定期查看 Web UI 和成本报告 --- ## 版本历史 ### v1.0 (2026-02-06) - ✅ 统一 CCB + Subagent 架构 - ✅ 6 个子 skills 模块化设计 - ✅ 智能路由和自动选择 - ✅ 完整的错误处理和降级策略 - ✅ 统一配置文件 - ✅ Web UI 和监控 --- ## 相关文档 - **Gateway API**: `~/.local/share/codex-dual/docs/GATEWAY_API.md` - **记忆系统**: `~/.local/share/codex-dual/docs/MEMORY_V2.md` - **Subagent 文档**: Claude Code 官方文档 - **原有 skills**: - `~/.claude/skills/ccb/SKILL.md` - 基础 CCB - `~/.claude/skills/ask/SKILL.md` - 简单调用 - `~/.claude/skills/stem-modeling/SKILL.md` - STEM 研究 - `~/.claude/skills/macro-research-ccb/SKILL.md` - 宏观研究 --- *CCB Unified Version: v1.0* *Last Updated: 2026-02-06* *Architecture: Gateway API + Subagent Integration*