CCG v1.7.55更新：三模型协作支持自定义Gemini

背景

随着大语言模型在代码生成领域的快速发展，开发者面临一个核心矛盾：单一模型在特定任务上表现优秀，但全栈开发需要兼顾前端 UI、后端逻辑、算法调试等多个方面，没有哪个模型能在所有维度都做到极致。同时，AI 辅助编程工具（如 Cursor、Copilot）通常只依赖单一模型，缺乏多模型协作和编排能力。为了解决这一问题，社区涌现出一些实验性方案，其中 CCG（Claude Code + Codex + Gemini） 是一套开源工作流系统，由开发者 fengshao1227 在 LINUX DO 社区发布并持续迭代。最新版本 v1.7.55 修复了第三方 Gemini API 兼容性问题，并通过 OpenSpec 规范驱动新增了约束命令，使 AI 生成行为更可控。

核心内容

CCG 的核心理念是：让 Claude Code 作为「编排者」，将具体代码生成任务路由给更专业的模型——前端任务交给 Gemini CLI（擅长 UI/CSS/组件），后端任务交给 Codex CLI（擅长逻辑/算法/调试），全栈整合由 Claude Code 把关。三个 CLI 工具通过固定的路由策略协作，形成一个六阶段工作流：Prompt 增强 → 代码检索 → 并行分析 → 原型生成 → 实施 → 审计。

一键安装：通过 npx ccg-workflow 即可初始化工作流，自动安装 16 个斜杠命令，重启终端后生效。安装时可选择配置 ace-tool MCP（用于代码检索和 Prompt 增强），也可跳过（工作流部分阶段会降级）。

命令体系：16 个命令分为三类——开发工作流（12 个）、Git 工具（4 个）、项目管理（1 个）。日常最常用的包括：

• /ccg:workflow：完整六阶段工作流，复杂任务首选。
• /ccg:plan：多模型规划阶段（Phase 1-2），生成计划。
• /ccg:execute：多模型执行阶段（Phase 3-5）。
• /ccg:feat：智能功能开发（规划→实施）。
• /ccg:frontend：纯前端，Gemini 快速模式。
• /ccg:backend：纯后端，Codex 快速模式。

此外还有分析、调试、优化、测试、审查、增强等专项命令。

v1.7.55 更新要点：

• 修复了第三方 Gemini API 因模型名称不匹配导致的报错问题。
• 所有 Gemini 命令默认使用 gemini-3-pro-preview 模型（Google 官方最新）。
• 新增 --gemini-model 参数，允许用户自定义模型名称（感谢 PR #42）。
• 14 个命令模板已更新，兼容第三方 API。
• 更新方式：运行 npx ccg-workflow@latest 选择「更新工作流」。

OpenSpec 规范驱动：新增 5 个 /ccg:spec-* 命令，将需求转化为约束条件，限制 AI 自由发挥空间，适用于复杂功能开发。详细内容参见社区新帖《CCG + OpenSpec：让 AI 不再自由发挥》。

前置要求：

• 必需：Claude Code CLI + Node.js 18+
• 可选（按需安装）：Codex CLI（后端降级为 Claude）、Gemini CLI（前端降级）、ace-tool MCP（增强代码检索和 Prompt）。

架构图（原文提供）：

┌─────────────────────────────────────────────────────┐
│              Claude Code CLI (主导编排)              │
└──────────────┬──────────────────────────────────────┘
               │
       ┌───────┴───────┐
       ↓               ↓
┌─────────────┐ ┌─────────────┐
│  Codex CLI  │ │ Gemini CLI  │
│  后端原型   │ │  前端原型   │
└─────────────┘ └─────────────┘
       │               │
       └───────┬───────┘
               ↓
         返回 Patch
      (Claude 审核后应用)

关键要点

• 多模型并行协作：Codex CLI 与 Gemini CLI 可同时被调用，并行生成后端和前端代码，Claude 负责合并与审核，交叉验证提升质量。
• 固定路由策略：前端任务默认路由到 Gemini，后端任务路由到 Codex，全栈路由到 Claude，避免模型选择困扰。
• 六阶段自动化工作流：从 Prompt 增强到最终审计，覆盖完整开发流程，开发者只需输入一个命令即可启动。
• 零 token 注入：12 个专家提示词通过 ROLE_FILE 动态注入，不消耗上下文 token。
• 跨平台支持：支持 macOS / Linux / Windows × Intel / ARM 架构。
• OpenSpec 约束：新增的 spec 命令使需求转化为可执行约束，减少 AI 输出偏差，提升复杂功能开发可靠性。
• 第三方 API 兼容性修复：v1.7.55 允许用户通过 --gemini-model 自定义模型名称，解决了中转 API 因模型名不匹配导致的错误。
• 降级容忍：即使只安装了 Claude Code，不安装 Codex 和 Gemini CLI，系统依然可用（前后端任务降级为 Claude），但失去多模型优势。
• 社区贡献与鸣谢：项目整合了 codeagent-wrapper、Git 工具、智能路由设计等开源成果，并感谢 linux.do 社区的支持。

意义与影响

CCG 工作流代表了一种新的 AI 辅助编程范式：从「单模型全能」转向「多模型专业分工 + 编排」。这种架构有几点深层意义：

1. 发挥模型特长：不同大模型在代码生成上的能力并非同质化，Gemini 在前端 UI 方面表现突出，Codex（基于 OpenAI）在后端逻辑上更稳定，Claude 在编排和审计上更有优势。CCG 通过固定路由最大化各自长处。

2. 降低开发者心智负担：开发者无需手动切换不同 AI 工具或记忆复杂提示词，只需一个命令即可触发完整开发流水线，且通过 OpenSpec 约束可控制 AI 行为边界。

3. 开源社区协作的范本：项目快速迭代（v1.7.55 来自社区 PR），依赖多个开源工具和 MCP 协议，展示了一种可复用的「AI 编排」架构。类似思路可能被更多 IDE 插件或 CLI 工具采纳。

4. 对第三方 API 生态的友好：通过增加自定义模型参数，CCG 降低了对官方 API 的依赖，允许用户使用中转服务或自建模型，增强了在受限网络环境下的可用性。

5. 风险与局限：系统复杂度较高，需要安装三个 CLI 工具并管理依赖；如果某一模型服务不稳定，可能阻塞整个工作流；此外，工作流输出质量高度依赖 Claude 的编排策略，编排不当可能导致生成结果偏差。

总体而言，CCG v1.7.55 是一个面向全栈开发者的实用工具，通过「模型编排」理念尝试解决单一 AI 工具的局限性，其 OpenSpec 约束机制尤其值得关注，可能推动 AI 辅助编程向更结构化、更可控的方向演进。