当你有一个难题拿不准，问完 ChatGPT 再问 Claude，发现两边答案打架的时候——有没有想过，让它们直接吵一架？

CLI Assistant 就是干这事的：把多个 AI CLI 工具（Claude、Codex、Gemini、Kimi……）组织起来，让它们围坐一桌，开个正经的技术讨论会。

一句话介绍

CLI Assistant 是一个多 AI 讨论编排器。 你提出问题，它充当主持人，组织各个 AI 完成多轮讨论，最终输出会议纪要和可执行方案。

---

先看看它长什么样

$ python cli_assistant.py discuss "微服务通信用 gRPC 还是 REST？"
​
Phase 1: 收集各方观点
[Claude] 正在思考...
> gRPC 在性能上碾压 REST，尤其对高频调用场景...
> 但学习曲线陡峭，调试不如 REST 方便...
​
[Codex] 正在思考...
> 纯从工程实现角度，REST 的生态更成熟...
> gRPC 的 protobuf 序列化确实快，但很多团队驾驭不了...
​
[Kimi] 正在思考...
> 产品视角来看，REST 的可观测性更好...
> gRPC 对移动端不友好，需要额外适配层...
​
Phase 2: 讨论开始
[主持人: Claude] 引导多轮交锋...
...
Phase 3: 综合输出
[Claude] 最终方案已生成。

你只需要抛出问题，然后坐着看它们互相反驳——这不比你自己来回切换标签页强？

---

核心概念：三件事

1. AI 们各有分工

每个 AI 有自己的"角色设定"，告诉它擅长什么：

AI	性格标签
Claude	架构设计师，系统性思维，喜欢画大图
Codex	硬核工程师，最关心能不能跑起来
Gemini	知识面广，什么都略懂
Kimi	产品经理视角，最关心用户体验

这些设定会影响它们在讨论中的发言风格。

2. 三阶段讨论流程

Phase 1 — 独立发言：所有 AI 同时看问题，各自给出第一反应，互相不知道别人说了什么（避免锚定效应）。

Phase 2 — 针锋相对：AI 们开始看到彼此的观点，由主持人引导进行多轮交锋。

Phase 3 — 综合输出：主持人整合所有观点，生成一份结构化的结论文档。

3. 你随时可以插嘴

每个阶段结束后，系统会暂停，问你要不要补充意见。比如：

Phase 2 第 2 轮结束：
是否补充意见？直接回车跳过，输入内容补充：
>

你可以加一句"性能不是首要考虑因素"，AI 们下一轮就会把这个约束考虑进去。

---

快速上手

安装

git clone https://github.com/your-name/cli-assistant.git
cd cli-assistant
pip install -r requirements.txt

需要安装你打算用的 AI CLI（至少一个）：

AI	安装命令
Claude Code	npm install -g @anthropic-ai/claude-code
Codex	npm install -g @openai/codex
Gemini CLI	npm install -g @google/gemini-cli
Kimi	参考官方文档

开始讨论

最简单的用法——交互式向导：

python cli_assistant.py
# 然后按提示操作：输入问题 → 选 AI → 选主持人 → 开始

一行命令直接开搞：

python cli_assistant.py discuss "要不要引入 TypeScript？"

正式的技术评审会议（多阶段串联）：

python cli_assistant.py new "缓存方案选型" \
  --preset tech_selection \
  --strategy balanced

这会自动走完：brainstorm → review → decision 三个阶段。

---

命令速查

命令	干啥的
python cli_assistant.py	无参数启动交互式向导（推荐新手）
python cli_assistant.py discuss "问题"	快速讨论模式，三阶段搞定
python cli_assistant.py new "议题" --preset tech_selection	完整会议，多阶段串联
python cli_assistant.py continue <topic_id>	继续上次会议的下一阶段
python cli_assistant.py list	查看所有历史会议
python cli_assistant.py show <topic_id> --proposal	查看结论文档
python cli_assistant.py test-round "测试" --agent claude	验证某个 AI 是否连通
python cli_assistant.py agent detect	自动检测安装了哪些 CLI

---

场景举例

场景 1：技术选型纠结

问题：数据库用 PostgreSQL 还是 MySQL？

python cli_assistant.py discuss "电商系统数据库选型：PostgreSQL vs MySQL"

Claude 会说 PostgreSQL 的高级特性多，Codex 会吐槽 MySQL 的方言问题，Gemini 会提到各自的生态……吵完你会得到一份对比分析，比你自己查文档快多了。

场景 2：代码评审

团队写了一段代码，想听听其他 AI 的意见：

python cli_assistant.py new "这段代码值得重构吗" \
  --mode review \
  --agents claude-sonnet,codex

场景 3：架构设计头脑风暴

python cli_assistant.py new "设计一个日活千万的即时通讯系统" \
  --preset architecture

会进行两轮 brainstorm + review + decision，比单问一个 AI 全面得多。

---

有意思的地方

1. 看 AI 们"吵架"比追剧还精彩

Claude 觉得这个方案"优雅"，Codex 直接说"跑不起来"，Gemini 跳出来说"你们俩说的都对但都不完整"——这种碰撞经常能发现单一 AI 想不到的盲点。

2. 结论可追溯

每一轮每个 AI 说了什么，原文都保存在 meetings/{topic_id}/ 目录下。如果最后结论有问题，可以回头看是谁在哪个环节带了节奏。

3. 可大可小

快速讨论一个想法，五分钟出结果。严肃的技术选型，可以走完整三阶段。不管哪种，流程都比你自己在多个 Chat 窗口之间复制粘贴清晰。

4. 任何 CLI 都可以加进来

只要能非交互调用的 CLI，配一条命令就能加入讨论。已经在规划接入更多工具了。

---

局限性

1. 速度取决于最慢的那个 AI

讨论是串行的（同一轮内部分 AI 可以并行），如果某个 AI 超时，整体会慢一些。

2. 成本叠加

每个 AI 调用都各自计费。开一次四人讨论，等于同时跑四个 AI 的 API。要省钱可以用 --strategy budget 限制模型。

3. 结果质量依赖 prompt 模板

默认的 prompt 模板偏向技术讨论场景，如果你的话题偏产品或运营，可能需要自己调整 config/prompts/ 下的模板文件。

4. Windows 支持待完善

部分 CLI 在 Windows 下需要额外配置（尤其是 Claude），文档里有详细说明。

---

怎么接入新的 AI CLI

在 config/agents.yaml 加一条配置：

my-ai:
  name: "My AI"
  cli: myai
  model: default
  command: 'myai -p "{prompt_file}"'
  prompt_method: file
  timeout: 120
  strengths: "你的 AI 擅长什么"
  cost_tier: medium

然后：

python cli_assistant.py test-round "测试连通性" --agent my-ai

验证能用之后，在 config/model_strategies.yaml 里把它加到某个策略的列表中，就能参与讨论了。

---

总结一下

CLI Assistant 解决的是一个很具体的问题：当你需要多方意见时，不用再自己当传声筒。

把问题丢给它，泡杯咖啡，看 AI 们唇枪舌剑，最后收一份结构化的讨论纪要。

是偷懒，还是效率工具——看你怎么理解。

---

项目地址：https://github.com/your-name/cli-assistant

有问题或想法：欢迎提 Issue，也欢迎提交 PR 接入更多 CLI。