很多重度使用 Codex 做开发的程序员,都有同一个噩梦: Codex 能力很强,拆解架构、梳理项目逻辑一把好手,但是 Token 消耗太恐怖。 做大项目重构、读全仓库代码、反复调试 CI 报错,主线上下文越堆越胖,看着额度一路往下掉,每多跑一次测试,心里都在滴血。
今天给大家分享网上爆火的 codex_with_cc「穷鬼工作流」,本质就是一套分层多代理调度方案:Codex 只做总指挥、架构师、验收官;脏活、读代码、改文件、跑测试、反复排错,全部外包给子代理,底层跑 DeepSeek。 实测 6000 万 Token,缓存命中率 98.5%,总花费仅仅 2 块钱。穷开发者福音,富哥可以直接划走。
一、这套工作流到底是什么?以前的用法:所有活一股脑丢给 Codex。读代码、拆需求、改文件、跑测试、读报错日志、反复修复,全部主线程完成。 代价就是:主线上下文爆炸,大量 Token 被日志、中间调试信息、重复读取占用,Codex 宝贵的推理能力浪费在 “搬砖” 上。
现在这套 AI 包工队分工: ✅ Codex 主线(Leader):只负责理解需求、拆分任务、制定标准、审核交付结果、不合格直接打回返工,最后统一验收。不亲自下场干体力活。 ✅ Codex 子代理:任务节点,承接派发任务,调用 Claude Code CLI 执行任务 ✅ Claude Code CLI:执行层,负责读取仓库、修改代码、跑验证命令、输出结构化报告 ✅ DeepSeek(底层):承接高 Token 消耗的体力活,依托极低 API 价格 + 超高缓存折扣,把成本压到极低
一句话:让擅长思考判断的 Codex 做管理层,廉价模型去啃重复、耗上下文的苦活。
核心优势:DeepSeek 缓存命中后低至 0.02 元 / 百万 Token,几乎等于白给,非常适合这种海量重复读代码的场景。
二、一键安装前置条件 & 部署命令前置准备:
本地安装 Claude Code安装 CC Switch 工具,把 Claude Code 后端切换到 DeepSeek准备好你的项目,本地已经装好 Codex安装只需要一句提示词,直接发给 Codex:
请把 https://github.com/aiskyhub/codex_with_cc 子代理工作流安装或更新到当前 Codex 环境。
等待拉取部署完成,就可以直接开始派活。
三、6 条现成提示词,直接复制就能用1、多代理出方案对比(选型、架构评估)请启动多个子代理分别提出 xxx 的实现方案。每个方案需要说明优缺点、复杂度、风险和迁移成本。你汇总后给出推荐方案,不要直接照抄任何一个子代理。
2、任务拆分并行开发(多文件重构)你先阅读项目,拆成 3 个互不冲突的实现任务,分别交给子代理处理。每个子代理必须给出变更文件、验证命令和风险说明。你最后统一 review、整合,并跑最终验证。
3、实现 + 代码审查双代理(防 bug)安排一个子代理实现 xxx,再安排另一个子代理专门做代码审查和边界情况攻击。你负责判断 review 是否成立,成立就打回实现代理修改,不成立就说明理由。
4、模块深度调研(只拿结论,不污染主线)请把项目里的 xxx 模块交给子代理做深度调查,要求输出调用链、关键文件、潜在风险和建议修改点。你只保留结论,别把所有噪音塞回主上下文。
5、通用派工指令你拆解 xxx 任务,安排给多个子代理实现。你负责审核子代理结果,不符合要求就打回让他们重改,直到符合要求为止。
6、强约束版本你负责拆解、派工、审核和最终交付。子代理负责执行。结果不合格就返工,直到符合我的要求。
四、为什么它比网上随便写的多代理提示词靠谱?市面上绝大多数多代理玩法,只是几句提示词口头分工,没有工程约束:没有会话管理、没有任务追踪、没有日志留存,并行起来直接乱套,任务卡死、上下文重复加载、不知道谁在干活。
codex_with_cc 是一套完整工程化调度库,自带这些硬核能力:
Session 复用池 分为主会话串行、并行任务池,热上下文复用,不用每次读项目都冷启动,大幅减少重复读代码消耗 Token。任务指纹 + 租约锁机制 每个任务生成唯一指纹,会话占用加租约,超时、卡死自动回收,防止多个代理抢同一个会话,并行不乱。完整审计产物 每次执行自动生成 RunId,输出配置、状态、日志、代码记录,全链路可追溯,出问题可以回放复盘。强制链路隔离 主线程禁止直接调用 Claude 执行任务,所有执行必须走子代理,防止主线上下文被海量日志、调试信息污染,保证 Codex 一直保持清醒。五、适合场景 & 避坑提醒(很关键)✅ 非常适合:
大型遗留项目大范围重构、多文件改造全仓库代码调研、梳理调用链路、风险排查多方案对比、架构选型评估批量补测试、迁移改造、复杂 bug 排查任务耗上下文、反复调试,Token 消耗巨大的场景❌ 不适合:
只改一两行代码的简单小需求,调度链路的开销反而不划算需求还没确定、频繁变动的业务,先主线定好需求再派活多个子代理同时修改同一个文件,极易产生代码冲突,并行任务边界一定要拆分清楚六、最后总结Codex 最强的价值,从来不是手动改代码,而是全局判断、风险把控、方案取舍。 以前我们浪费大量额度,让它去做读文件、跑日志、反复调试这种体力活。 这套穷鬼工作流,本质就是把思考层和执行层拆开:贵的模型负责决策,便宜的模型承接体力消耗。 既能保住 Codex 的高质量判断,又把 Token 成本压到极低,再也不用一边用一边心疼额度。
#codex##ai##程序员##大模型##人工智能##探寻人工智能,从技术到真实世界#