CCG v3.1.0引入Antigravity Cli：自然语言即可开发

背景

随着 AI 辅助开发工具日益丰富，开发者面临的一个普遍痛点是指令集过于庞杂：不同场景需要记忆不同的命令，新用户往往不清楚在何种情况下使用哪个命令。CCG（Codex + Gemini + Claude 协作工作流引擎）项目最初也只有少量命令，但随着功能迭代，命令数量不断增加，导致用户学习成本上升。作者在账号被封禁期间尝试了其他工作流方案，发现行业趋势正在转向自动触发或单指令自动路由——用一个入口智能判断用户意图并执行最合适的策略。CCG v3.1.0 正是在这一背景下发布的，旨在通过引入 Antigravity CLI 作为前端默认模型，并大幅简化用户交互，让开发者只需用自然语言描述需求，引擎自动完成后续所有工作。

核心内容

CCG v3.1.0 的核心是一个名为 /ccg:go 的智能入口命令。用户只需输入该命令加上自然语言描述，引擎会自动分析意图、评估复杂度、选择策略并编排多个 AI 模型（Codex / Gemini / Claude）协作执行。具体工作流程如下：

1. 意图分析：引擎自动判断任务属于 Bug 修复、功能开发、代码重构还是技术调研。
2. 复杂度评估：将任务分为 S（简单）、M（中等）、L（大型）、XL（超大型）四个等级。
3. 策略选择与执行：
   • 简单 Bug → 直接由 Claude 自己修改。
   • 中等功能 → 先进行需求增强，调用外部模型分析，生成计划并审批，再实施。
   • 复杂功能 → 双模型并行分析，审批后启动 Agent Teams 并行编写代码，最后双模型交叉审查。
   • 这样保证简单任务不过度消耗 token，复杂任务不草率处理。

此外，用户可以直接用自然语言调用特定外部模型，例如：

• "codex 审查一下代码" → 自动调用 Codex reviewer 审查 git diff
• "gemini 分析一下这个模块" → 自动调用 Gemini analyzer 分析
• "双模型审查" → 自动并行调用 Codex + Gemini 交叉审查
• "codex 帮我调试这个问题" → 自动调用 Codex debugger 诊断

v3 保留的命令行接口（不再需要记忆大量命令）：

• /ccg:go — 智能入口
• /ccg:commit — 智能提交（conventional commit）
• /ccg:rollback — 交互式回滚
• /ccg:clean-branches — 清理已合并分支
• /ccg:worktree — Worktree 管理
• /ccg:spec-init — 初始化 OpenSpec 环境
• /ccg:spec-research — 分析需求，输出约束集
• /ccg:spec-plan — Codex + Gemini 并行分析，生成执行计划
• /ccg:spec-impl — 按计划一步步实现，自动归档
• /ccg:spec-review — 双模型审查，随时可用

安装与前提：通过 npx ccg-workflow 快速安装，选择「初始化工作流」并按照引导完成。需要预先安装 Claude Code CLI + Codex CLI + Gemini CLI（仅有 Claude 效果会大打折扣）。

常见问题：

• codeagent-wrapper: command not found → 重启终端或执行 source ~/.zshrc
• Codex 任务卡住 → 设置环境变量 CODEAGENT_POST_MESSAGE_DELAY=1
• Claude Code 任务超时 → 修改 ~/.claude/settings.json 中的超时参数
• OpenSpec CLI 装不上 → npm install -g @fission-ai/openspec@latest

鸣谢：项目参考了多个开源项目，包括 cexll/myclaude（codeagent-wrapper）、UfoMiao/zcf（Git 工具 + 输出风格）、telagod/code-abyss（邪修输出风格）、GudaStudio/skills（智能路由设计）、fission-ai/opsx（OpenSpec 规范驱动框架）、ace-tool MCP（代码检索工具）、code-abyss（skills 参考）、Trellis（Hook 工作流状态机设计思路）。

关键要点

• 单指令自然语言入口：/ccg:go 取代了以往大量需要记忆的命令，用户只需说人话，引擎自动路由。
• 自动意图分析 + 复杂度评估：引擎自动判断任务类型（bug/feature/refactor/research）和规模（S/M/L/XL），择机执行策略。
• 差异化策略：简单任务（如单行 Bug）由 Claude 直接处理；中等任务引入需求增强和外部模型分析；复杂任务采用双模型并行分析、Agent Teams 并行写代码、双模型交叉审查，兼具效率与质量。
• 自然语言调用外部模型：支持直接喊话 codex、gemini 或 双模型 来执行特定任务，无需切换命令。
• 保留少量高级命令：用于 commit、rollback、branch 清理、worktree 管理以及 OpenSpec 规范驱动开发流程。
• 依赖多个 CLI：必须安装 Claude Code CLI、Codex CLI、Gemini CLI，否则功能受限。
• 常见问题有明确解决方案：包括 PATH 问题、Codex 卡住、Claude 超时、OpenSpec 安装失败等，均在帖中给出环境变量或配置设置。
• 开源且完整：项目完全开源，无未开源部分，已链接 LINUX DO 社区，AI 生成内容已截图公示。

意义与影响

CCG v3.1.0 代表了一种 AI 辅助开发工作流的前沿实践：从“记忆命令”走向“自然语言驱动”。它通过智能路由和自动策略选择，大幅降低了开发者使用多模型协作的门槛，让不同复杂度的任务都能以最经济的方式完成。其意义在于：

1. 提升效率：开发者不再需要思考“该用哪个命令”，只需描述目标，引擎自动完成意图识别、模型编排、执行和审查，形成闭环。
2. 节省 token 成本：通过复杂度分级，避免简单任务被过度工程化，复杂任务被草率处理，从而合理控制调用量。
3. 多模型协同新范式：将 Codex、Gemini、Claude 等模型组织成可并行、可交叉审查的团队，发挥了各自的优势，为未来 AI 协作开发提供了可复用的架构。
4. 开源社区推动：项目参考了多个开源项目并在鸣谢中列出，体现了开源生态的互助与迭代。同时，严格遵循开源推广要求，透明度高，增强了社区信任。
5. 对开发流程的启示：OpenSpec 规范驱动流程（spec-init → research → plan → impl → review）将 AI 辅助开发与结构化文档管理结合，有望成为团队协作的标准实践。

总体而言，CCG v3.1.0 不仅是一个工具更新，更是一种“AI 原生开发”思路的落地：让 AI 成为真正的协作伙伴，而非需要人手动调度的工具。