对抗回环插件:一个角色提方案、一个角色专门推翻它、由代码跑判据裁定,不达标就带着失败信息再来一轮 ——
全过程实时直播 —— 在终端里（code-forge）或网页监控台。执行只发生在 coding agent 里（/code-forge）。
执行者是你的 coding agent 自己(Claude Code / Codex / opencode …)。它已经有模型访问权, 所以不需要配任何 API key,也不产生额外的模型账单。
仓库:https://github.com/Z-wwwwww/Code-Forge（本地目录 code-forge,命令与包名同为小写 code-forge）。
npx github:Z-wwwwww/Code-Forge install # 不必先 clone
或者 clone 下来在目录里跑（想改代码的走这条,改完立刻生效）:
node install.js # 装（幂等，可反复跑）
node install.js --dry-run # 只看会动哪些文件，不改任何东西
node install.js --uninstall # 卸
装完 PATH 里没有任何新命令 —— 终端不需要认识这个工具（旧版放进去的 code-forge
会被顺手清掉）。看过程零命令：直播窗口开跑时自动弹出，网页监控台地址也一并给出。
走 npx 时它还会先把运行时复制到 ~/.claude/code-forge/ 再注册 MCP —— npx 的缓存目录
过一阵就没了,直接指过去的话注册当时能用、几天后 agent 一调 loop_begin 就是「找不到模块」。
装进的都是受支持的用户级配置,重开一个 Claude Code 会话即生效:
~/.claude/skills/code-forge/SKILL.md 技能（自动触发）
~/.claude/agents/forge-proposer|critic|reviewer.md 三个角色，各绑不同模型
~/.claude/commands/code-forge.md /code-forge 斜杠命令
MCP: claude mcp add --scope user code-forge
它刻意不动 ~/.claude/plugins/*.json(插件管理器的内部账本)—— 手改那些会把 /plugin 弄坏。
改 ~/.claude.json 之前会先备份成 .bak-code-forge。
或者走插件那条路(想让 /plugin 管版本时):
/plugin marketplace add C:\Projects_GitHub_my\code-forge
/plugin install code-forge@code-forge
两条路等价,别同时用(会装两份技能)。其它宿主(Codex / opencode / 任何支持 stdio MCP 的)
见 AGENTS.md。第一次用时监控台自动拉起（聊天开跑默认弹终端直播,不弹网页）。
执行只发生在 coding agent 里。（2026-08 收窄:以前
code-forge tui/go/ 网页 Run 会自己拉一个 headless 宿主当执行者 —— 那条路整个删了。它逼你挑宿主、挑模型、管进程, 而这些在 coding agent 会话里本来就是现成的,你也不必再多管一份账。）
/code-forge 把 payments/webhook 的重复回调修掉，pytest 全绿且覆盖率 ≥ 80%
或者直接说人话:「对抗一下」「让它俩吵一架直到测试通过」「盯着改到绿」—— 技能的触发词覆盖了这些。
只打 /code-forge 不带目标,它会停下来等你输入目标(不烧额度乱扫仓库)。
开跑前的顺序是铁律:先配置后确认(Claude Code 里是 AskUserQuestion 点选;Codex 聊天退回编号列表)。 每一题推荐排第一,一路回车就是全默认 —— 但每一项都有窗口,不会替你悄悄定:
- 判据命令:带着目标看一眼仓库,给 2~4 条候选让你挑(只提议真实存在的命令)
- 配置卡:模型分配(推荐组合/全最强/全最省/逐角色挑)、轮数(含不限)、时限、必要时 streak
- 确认卡(配置卡答完才出):小结 + 就这么开跑？(开跑推荐/再改一项/取消)
两种常用变体,聊天里直接说就行:
- 「修掉查出的 bug,直到连续 3 轮 bug 数为 0」 →
goal.streak: 3:判据要连续 3 轮判过 才算达标,断一次从头攒;确认期里判过的轮不算零进展(反驳者接着挖才是那几轮的正事)。 攒到 2/3 时 agent 自称达标照样被拒,拒绝语里带着进度。 - 「不限轮数,跑到干净为止」 →
budget.rounds: 0:轮数不设顶,但时限和零进展闸门仍在 (烧不完的是轮数,不是钱);执行者会主动跟你确认时限,默认 3600s 对这类目标往往太短。
然后按协议走:
loop_begin → 开局，弹一个终端窗口直播（没有终端模拟器才退回浏览器）
每一轮: 实现者做事 → loop_say
反驳者找反例 → loop_say
loop_gate() ← 代码跑判据,裁定
met → 收工
continue → 带着失败输出进下一轮
停 → 如实报是那几种原因里真的哪一条
角色怎么隔离:Claude Code 里派 forge-proposer / forge-critic / forge-reviewer 三个子 agent
（各绑模型,反驳者工具层只读);Codex 等没有子 agent 的宿主用 loop_agent ——
监控台替它把角色派成独立进程（可指定模型,反驳者是 OS 沙箱级只读）。
PATH 里没有 code-forge 这条命令(旧版装过的,重装时会顺手清掉)。看过程不需要任何命令:
- 开跑时自动弹出终端直播窗口:判据走势(
▁▄█ R1 68 → R2 74 → R3 82 ✔)、角色表、 每轮点开看做了什么、逐 agent 用量、停止原因。按q关窗回环仍在跑。 - 网页监控台地址在开跑时一并给出(默认 http://localhost:4610),和终端看同一份事件流, 逐 agent 用量、每轮明细都在。
- 工具流(两边都有):进行中那一轮末尾按秒摄下「此刻在动什么手」——
→ Grep event_id pay.js/→ Bash npm test/ 跑不通的那条✗ Exit 1 …。 料是 Claude Code 自己给子 agent 存的档案(跟用量同一批文件),所以不靠角色自报。 这条流不入档:只推给正在看的人。一份子 agent 档案 400KB / 153 行,3 角色 × 8 轮 就是 ~3700 条 —— 入档会把那二十来条正式发言埋在噪音里（档案里存的仍旧是发言、判据、轮次）。 - 诊断/更新走 npx(一次性,不进 PATH):
npx github:Z-wwwwww/Code-Forge doctor/install。
两条硬规矩:
- 有多个模型就默认用多个模型。 不是开关。同一个模型自己跟自己唱反调,反驳强度 明显偏软 —— 这是这个项目存在的理由之一。
- 只有一个模型时,各角色仍然不共用会话。 同模型可以,同上下文不行:一个会话里 先当实现者再当反驳者,等于让它复核自己刚说过的话。
怎么保证第 2 条,按宿主能力自动选,你不用管:
| 宿主 | 会话怎么分开 | 备注 |
|---|---|---|
| Claude Code | 子 agent(各有独立上下文、各绑模型) | 开箱带我们那三个角色定义，默认走这条 |
| Codex CLI | 一个角色一个进程 | 它其实也有子 agent（见下），默认仍走进程，理由是实测 |
| 没有子 agent 机制的 | 一个角色一个进程 | 唯一可行的路 |
模型是自动分的(从宿主自己报的清单里挑,已剔掉试过跑不了的),分配规则: 反驳者拿最强的 —— 软反驳者等于没有反驳者;实现者紧跟 —— 它才是真正要写代码的那个; 复核者最后。
聊天里想换模型就点选:开跑前的确认里选「改模型」,一题一个角色摆候选,
推荐的排第 1 位并带一句按角色给的理由(反驳者最强、实现者紧跟、复核者最省)。
点了不存在的模型会如实说并保持默认,不静默换一个。
Codex 聊天里的角色经 loop_agent 派成独立进程,模型用它的 model 参数指定。
一角色一进程时,反驳者的「不许改文件」由宿主自己强制,不是提示词里的一句请求:
- codex →
-s read-only，操作系统级沙箱 - claude →
--allowedTools Read Grep Glob，写工具一个都不给
实测被打脸两次:~/.codex/models_cache.json 是 client_version 0.146.0 写的,而本机 CLI
是 0.130.0 —— 它列的 gpt-5.6-terra / gpt-5.6-luna 一跑就是
400 requires a newer version of Codex;config 里配的 gpt-5.6-sol 则是
not supported when using Codex with a ChatGPT account。这两种都无法从清单本身看出来。
所以不猜:被拒一次就记进 ~/.code-forge/unusable-models.json、换下一个候选重试,
下次不再撞同一堵墙。这跟「判据没过」是两件事 —— 挑错模型不会被报成回环失败。
⚠ 常见误解:以为 claude 的子 agent 之间有共享上下文。没有。 实测直接问过子 agent 本人：
(1) 你能看到派你出来的那个会话之前的对话历史吗？ → 不能 (2) 我只有系统配置信息（工作目录、可用工具清单…），没收到别的
它手上只有:自己的 system prompt + 父 agent 显式写给它的那段 prompt + 自己的工具集;
收工时只交回一段最终报告,父 agent 看不到它中间的步骤。用量也印证 —— 同一次回环里
协调者 cacheRead=478.6k，两个子 agent 分别只有 75.9k / 15.5k。
所以两条路都是「角色之间无共享上下文」。真正的区别是谁负责把上下文喂给角色:
| claude 子 agent | 一角色一进程 | |
|---|---|---|
| 角色间共享上下文 | 无 | 无 |
| 谁转述 | 协调者模型 —— 它读了判据输出，自己决定告诉反驳者什么 | 代码 —— 判据输出原文、上一轮反驳点原文照搬 |
| 转述质量 | 会挑重点，但有损；而且它有动机让事情看起来在进展 | 无损但死板，不会挑重点 |
| 谁在编排 | 多出一个协调者模型（它自己也烧 token，而且上下文逐轮累积） | 代码编排，零 token |
| 缓存 | 一个进程内系统提示/工具定义全程复用 | 每个进程各自付一次缓存写入（约 8k/进程） |
第三行值得多说一句:协调者转述时可能把判据里刺眼的失败信息说轻了 —— 而代码拼的时候, 失败输出原样进反驳者的提示词,没有中间人。这跟「判定权交给代码」是同一个思路。
同一宿主（claude）、同一模型（haiku）、同一任务，两种模式各跑一次：
| A：协调者转述 | B：per-role | |
|---|---|---|
| 缓存读 | 1.30M | 142.2k |
| 缓存写 | 57.5k | 16.1k |
| 调用次数 | 38 | 5 |
| 成本（CLI 自报） | $0.3399 | $0.0436 |
| 结果 | budget_rounds（2 轮都没过） |
goal_met（1 轮就过） |
A 里协调者一个人 1.13M cacheRead，占全部输入的 87%。它还自作主张派了 5 个子 agent
（配置只有 2 个角色），自己又跑了 Bash×5 和 PowerShell —— 它不只在转述，它在干活，
而这些都记在账上。按轮折算（A 两轮 / B 一轮）仍然约 4 倍。
为什么必然如此:协调者是多出来的一个模型，不是省下来的；转述也省不掉子 agent 的 上下文 —— 两条路的反驳者都要自己去读代码，它的大头是文件内容，不是对话历史。 协调者的上下文还逐轮累积，越跑越贵；per-role 每轮是平的。
per-role 真正多花的只有「每个进程各自付一次系统提示的缓存写入」（实测约 8~16k/进程） 和进程启动延迟。
⚠ 各一次，agent 行为方差很大，这个倍数别当精确值 —— 但方向与结构原因是稳的。
因为统一不了。 三个理由，第一个是决定性的:
- 不是每个宿主都有子 agent。 没有的话，统一走协调者转述就等于「一个会话轮流扮演所有 角色」—— 直接违反「每个角色必须独立会话」这条硬要求。
- 聊天里那条路本来就是协调者。 你在 Claude Code 里打
/code-forge时，你那个会话 就是协调者，它只能派子 agent，没有第二种可能。 - 协调者能临机应变。 这一轮觉得该派三个反驳者、各给一个攻击面；发现判据本身有 bug
就停下来报
gate_broken。代码按模板走，不会这样判断。
所以两条都留，按宿主能力自动选（--per-role / --single 可强制）。
这一条我先前写错过 —— 早期版本说「codex exec 没有子 agent」。错的。 实测让 codex
自己列工具，它给出一整套 spawn_agent / send_input / resume_agent / wait_agent /
close_agent，spawn_agent 的参数（抄下来的 schema）比 claude 的更全：
claude Agent |
codex spawn_agent |
|
|---|---|---|
| 逐子 agent 指定模型 | ✓ | ✓ model |
| 逐子 agent 指定推理档 | ✗ | ✓ reasoning_effort |
| 内置角色类型 | 自己写 .md |
✓ default / explorer / worker |
| 共享父上下文 | 永远不共享 | ✓ 可选 fork_context |
| 子 agent 可续对话 | ✗ 一次性 | ✓ send_input / resume_agent |
那 doctor 里 codex 为什么还写「独立进程」？因为能力和策略是两件事（我也混过一次）。 codex 默认仍走 per-role，两条理由都是实测：
- 协调者那条路必须调
loop_*MCP 工具，而 codex 在workspace-write下一律判user cancelled—— 走它就得开danger-full-access，不值得。 - 上面那张 A/B 表：协调者 $0.3399 且没过，per-role $0.0436 且过了。
--single --perm bypassPermissions 可以强制走 codex 自己的子 agent 那条路。
顺带说，send_input / resume_agent 能做一件两条现有路都做不到的事：让反驳者跨轮活着，
记得自己上一轮提过什么。目前没用上。
同一个模型自己跟自己唱反调,反驳强度明显偏软。所以三个角色派给不同模型的子 agent, 用的是宿主自己的模型访问权:
| 角色 | 子 agent | 模型 | 工具 |
|---|---|---|---|
| 实现者 | forge-proposer |
sonnet |
读写 + Bash |
| 反驳者 | forge-critic |
opus |
只有 Read/Grep/Glob |
| 复核者 | forge-reviewer |
sonnet |
只读 |
反驳者没有写权限,这是工具层面的硬约束 —— 一个能顺手把问题抹平的反驳者等于没有反驳者。 上一版这条只写在提示词里,现在结构上就做不到了。
想换模型就改 ~/.claude/agents/forge-*.md 里的 model: 那一行(opus / sonnet / haiku / fable)。
想要更强的反驳,同一轮可以派多个 forge-critic、各给一个攻击面(并发 / 边界 / 入口覆盖)。
跨厂商同场(gpt / gemini 一起上)才需要 API key —— 那是下面的可选本地模式。
协调者只管流程:开局、给初始条件、盯着回环、出问题了解决或决定停止。 具体开发交给回环里的角色 —— 相当于员工。
| 协调者管 | 协调者不管 |
|---|---|
| 开局：给目标、判据、预算、角色 | ❌ 判达标 |
| 推进轮次、把上一轮的失败信息带下去 | ❌ 自己写代码（那是实现者的活） |
| 抓异常：空跑 / 停滞 / 原地打转 | ❌ 决定「还能不能再来一轮」（代码算） |
| 出问题时纠正或停手，并如实报原因 |
「判达标」为什么必须拿走:协调者是做事的那一方,它有充分动机说「已达标」。
loop_end(goal_met) 在判据没真判过之前会被直接拒 —— 这条拒绝是这个工具存在的理由。
早先这三种都不存在或者形同虚设:
| 异常 | 怎么发现 | 你下一步该做什么 |
|---|---|---|
idle_spin 空跑 |
观察到连续 N 轮没有任何角色改过文件 | 权限够吗？提示词是不是让它以为只做分析？ |
stalled 停滞 |
某个角色进程 240s 一个字都不吐 → 中止 | 换个模型/宿主重试；看那个角色的日志 |
no_progress 原地打转 |
指标不动；没有 metric 时比判据输出指纹 | 方向错了，别再喂轮次 |
最后一行是补的一个一直是空的闸门:metric 是可选的（只有输出里确实有可抓的数时才配），
而旧代码在没有 metric 时直接回「不计入零进展」—— 于是绝大多数回环的零进展闸门根本不生效，
一个原地打转的回环能把轮数烧满才停。现在没有 metric 就比判据输出的指纹（归一化掉耗时、
时间戳、临时路径），连续两轮一模一样就是没动到判据关心的东西。
⚠ 空跑检测只在真的观察得到时才生效。补丁台账本来就靠 agent 自己报（loop_say 带
diff），而它们经常不报 —— 把「没报」当成「没改」会把健康的回环误杀，那比没有这个检测更糟。
所以 per-role 那条路（看得见每次工具调用）才传 observed: true；纯 MCP 那条路观察不到，
就是「不知道」，不猜。
一个 agent 自己迭代时,没有人能阻止它宣布成功。这个插件把两件事从模型手里拿走了:
| 拿走的 | 交给谁 | 强制方式 |
|---|---|---|
| 「达标了吗」 | loop_gate:跑你给的命令,看退出码 +(可选)一个指标数 |
loop_end(goal_met) 在 gate 没真判过之前直接被拒,并告诉它去调 gate |
| 「还能不能继续」 | 代码:轮数 / 时限 / 连续无进展 | loop_gate 回 continue:false,技能里明写必须停手 |
配套的三条纪律写在 skills/code-forge/SKILL.md 里(提示词先禁,代码再兜底 —— 只靠代码拒绝
等于让 agent 每次都去撞一次墙):
- 不许自行宣布达标。
- 不许为了达标去改判据 —— 不放宽阈值、不注释掉失败用例、不换一条更好过的命令。那是把尺子锯短。
- 停了要如实说是哪一条原因。「烧完预算」说成「已完成」是这里最不能出的错。
「重构得更好读」「补齐 API 文档」「命名统一」—— 这类目标没有命令可判。以前它们直接被挡在门外。
/code-forge 把 payments 重构得更好读 —— 判定标准:所有公开函数都有 docstring;
没有超过 50 行的函数;命名统一用 snake_case
聊天里的执行者带着目标看过仓库、确认没有可跑的命令后,会问你要不要交给独立评审者按标准判。
这一点是刻意的,而且是这个功能能存在的前提:
| 协调者 | 独立评审者 | |
|---|---|---|
| 立场 | 做事的那一方，有动机说「已达标」 | 不参与改代码 |
| 会话 | 有全程历史 | 独立会话，只看目标 + rubric + 代码 |
| 权限 | 实现者要能写 | 只读（宿主级强制，不是提示词请求） |
| 模型 | — | 尽量换一个（同模型自评通过率虚高） |
核心性质保住了:达标与否不由做事的人自己说。 从「代码判」放宽到「独立第三方判」, 但没有放宽到「自己判」。
- 必须给证据。 裁定里要引用
文件:行号。判了MET但一条证据都没给 → 降级成未达标，并标明是被降级的。 - 解不出裁定 = 判据坏了（
judge_broken），不是未达标 —— 与「命令找不到 ≠ 测试没过」 同一条纪律。这时的「未达标」不算数据。 - 命令是硬门槛。 同时给了命令和 rubric 时：命令先跑，没过就不花评审那次调用； 命令过了也不算完，评审判的正是命令覆盖不到的那部分。
一条命令的退出码可复现，一个模型的裁定不可。所以停止原因单列 judged_met，
绝不混进 goal_met：
■ 达标停止（评审判定） ← 某个独立评审者按标准判的
■ 达标停止（命令判过） ← 真跑过 pytest
回放一次运行时，这两者必须分得清。直播窗口与网页监控台都按这个区分显示。
| reason | 含义 | 你下一步该做什么 |
|---|---|---|
goal_met |
命令判据判过了 | 看复核意见,合了 |
judged_met |
独立评审者按 rubric 判过了（不可复现，弱一档） | 自己再看一眼证据 |
budget_rounds / budget_time |
轮数/时限到顶 | 加预算再来,或换个更小的目标 |
no_progress |
指标不动；没 metric 时判据输出连续相同 | 方向错了,别再喂轮次 |
idle_spin |
空跑 —— 观察到连续 N 轮没人改过文件 | 权限够吗？提示词是不是让它只做分析？ |
stalled |
停滞 —— 角色进程长时间没输出被中止 | 换模型/宿主重试，看那个角色的日志 |
gate_broken |
判据命令跑不起来/超时/正则抓不到数 | 先修判据,这时的「未达标」不算数据 |
judge_broken |
评审者没给出 VERDICT / 起不来 | 同上：这时的「未达标」不算数据 |
stopped |
你按了停（终端 s 键 / 页面按钮） |
— |
abandoned |
agent 自己判断做不下去(detail 里有理由) | 读它的理由 |
「哪个 coding agent 现在能跑」不该靠读文档猜。装完打这一条:
$ npx github:Z-wwwwww/Code-Forge doctor
CODE-FORGE doctor 这台机器上哪个 coding agent 现在能跑对抗回环
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
─ 能用的 ───────────────────────────────────────────────────────────── 2 个 ─
宿主 装了 MCP 自动起 用量 角色隔离 适配器
Claude Code ✓ ✓ ✓ ✓ 子 agent 实测过
Codex CLI ✓ ✓ ✓ ✓ 独立进程 实测过
没装：opencode(opencode) Gemini CLI(gemini) Cursor Agent(cursor-agent)
─ 列的意思 ───────────────────────────────────────────────────────────────────
MCP 回环的六个工具注册了没（? = 查不出来，不等于没注册）
…
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
现在就能用 在 Claude Code 的聊天里: /code-forge <你的目标>
| 列 | 意思 |
|---|---|
| MCP | 回环那六个工具注册了没（? = 查不出来，不等于没注册） |
| 自动起 | 能不能被 loop_agent 派成独立进程的角色（判据评审者也走它） |
| 用量 | 它的输出能不能解出 token（✗ = 回环照跑，用量那栏显示「未上报」） |
| 角色隔离 | 每个角色怎么拿到独立会话：子 agent（一个进程内）/ 独立进程（一角色一个）。两种都能逐角色记账 |
| 适配器 | 未实测 = 参数按公开约定写的、没在真机上验过 |
install 会给所有探测到的宿主注册 MCP（claude / codex 走各自的 mcp add，其余改各自的
配置文件、改前备份）。只碰装了的 —— 给没装的工具凭空造配置文件是往人家目录里乱扔东西。
不用等我们。写 ~/.code-forge/agents.json：
[{ "id": "myagent", "label": "My Agent", "bin": "myagent",
"args": ["run", "--model", "{model}", "-"], "promptVia": "stdin" }]{model} / {cwd} / {permission} 会被替换；值为空时连同它前面那个开关一起去掉
（否则会传出 --model --next 这种起不来还看不出原因的参数）。它立刻出现在 doctor 里，
标成「未实测」。用量解不出来不影响回环 —— 只是那栏显示「未上报」，或者你自己
POST /events 报一条（格式见 AGENTS.md）。
| Claude Code | Codex CLI | |
|---|---|---|
| 用量粒度 | 逐条消息带 parent_tool_use_id → 摊得到子 agent |
每轮一条 turn.completed → 只到「执行者」一行 |
| 成本 | total_cost_usd |
不报 → 显示「成本未上报」 |
| 角色怎么演 | 派给三个子 agent，各绑不同模型、反驳者工具层面没有写权限 | 同一个进程按协议轮流扮演 |
| 权限 | auto 就能跑（五个回环工具 --allowedTools 预先放行） |
必须 --perm bypassPermissions，见下 |
所以 codex 那边看不到「实现者花了多少、反驳者花了多少」—— 分不开就不分， 不会因为 claude 那边有一张按角色分的表，就在这边编一张出来。
⚠ codex 有一道硬门槛。 它在 workspace-write 沙箱下会把 MCP 工具调用直接判成
user cancelled（MCP server 跑在沙箱外、需要批准，而 exec 模式下没人能批）。实测排除过
approval_policy 的四个取值、mcp_servers.<name>.default_tools_approval_mode="auto"、
sandbox_workspace_write.network_access=true —— 只有 danger-full-access 能过。
所以往 codex 的协调者路线派活在低权限档下走不通(这也是它聊天里角色改走 loop_agent
独立进程的原因之一) —— 独立进程不经 MCP,绕开了这道门。以前 go 会在开跑前报错,而不是让你跑完一整趟
才发现监控台是空的：
启动失败：Codex CLI 在权限档 «auto» 下跑不了这个回环：codex 在 workspace-write 沙箱下会把
MCP 工具调用直接判为「user cancelled」…只有 danger-full-access 能过。
要么加 --perm bypassPermissions（⚠ 它能改任何文件、跑任何命令，没人拦），
要么换一个宿主（doctor 看有哪些）。
它只拦，不替你升权 —— 背着人把沙箱关掉是这里最不能做的事。这个失败模式极具迷惑性：
agent 确实按协议调了 loop_begin、参数完全正确，最后还会好心告诉你「该 MCP 调用被取消了」，
而监控台上一条事件都没有。所以宁可开跑前挡住。
看执行者是不是我们自己起的,这决定了有没有账可看:
| 起法 | 逐 agent 用量 | 为什么 |
|---|---|---|
loop_agent 派出的角色 / 独立评审者 |
✅ 数得出 | 它们是我们 spawn 的进程,自己报账 |
| Claude Code 聊天里派的子 agent（即角色） | ✅ 数得出 | Claude Code 自己给每个子 agent 存了档(~/.claude/projects/…/subagents/,带真模型与逐条 usage),监控台直接读那份 —— 见 chatusage.js |
| 聊天里那个协调者本人 | ❌ 摊不出来 | 它的 token 混在你那条会话的整个对话里,还夹着跟这次回环无关的聊天 |
所以聊天这条路上看到的合计是角色的账,不是这次回环的全部花费 —— 界面上也是这么标的。
数得出的时候:
打开网页监控台（开跑时给的地址）,「用量」那栏就是;直播窗口底部也有同一张表:
合计 14.7k↑ / 2.4k↓ 缓存 读 285.0k / 写 9.0k 15 次调用 $0.4231
↑ 这是下面各行之和。成本是 CLI 收尾自报的 total_cost_usd（这次运行真花的钱）。
CLI 收尾还自报了 24.1k 输出（其中 thinking 21.7k）—— thinking 不带归属信息，摊不到具体 agent，
所以下面每行的 out 是下界。
─ 逐 agent ───────────────────────────────────────────────────────────────────
AGENT MODEL in out 缓存读 轮次 工具
实现者 sonnet-4-5 8.0k 1.2k 45.0k R1,R2 Read×9 Edit×4
反驳者 opus-4-5 5.5k 900 30.0k R1,R2 Read×6 Grep×3
协调者 opus-4-5 1.2k 340 210.0k R1 Agent×3 Read×2
─ 第 2 轮 ────────────────────────────────────────────────────────────────────
反驳者 5.5k↑ 900↓ Read×6 Grep×3
同一份数字也在 code-forge 的终端直播和网页监控台上。「谁在烧钱」和「它在干什么」
是同一张表 —— 工具次数比一句摘要更能说明这一轮它到底做了什么。
怎么摊到每个 agent 头上:子 agent 的事件带 parent_tool_use_id,它等于派它出去的那次
调用的 tool_use.id;不带的就是协调者本人。同一个 subagent 派出多个角色(三个反驳者
各管一片)按那次调用的 description 里的角色名分开。
五条不让它变成假账的规矩(全部是实测踩出来的,不是推测):
-
同一条消息会被拆成多个 stream-json 事件、每个都重复带一份相同的 usage —— 按
message.id去重,否则账翻好几倍。 -
派子 agent 的工具不叫
Task。 实测这一版叫Agent。所以认的是input.subagent_type而不是工具名 —— 按名字认的话,子 agent 全变成匿名行, 而表面上还挺正常。 -
逐 agent 的
out是下界。 逐条 assistant 的output_tokens不含 thinking, 而 thinking 不带parent_tool_use_id—— 摊不到任何 agent 头上。中途那些thinking_tokens事件写的是估算(实测那次估 131、实际 62),拿它去补只会补出一个 更错的数。所以差额单列成「CLI 收尾还自报了 N 输出（其中 thinking M）」,不硬凑成一致。 -
合计就是各行之和,不拿
result里的数冒充总数。 实测同一次运行里三个数互不相等:出处 in cacheRead 逐条 assistant 去重求和 29 88551 result.usage（iterations只有 1 条 → 它是某一次调用的）19 56789 result.modelUsage29 56789 能说清出处的只有两样:我们自己摊出来的那份,和
total_cost_usd(=各modelUsage成本之和,这次运行真花的钱)。所以合计用前者、成本用后者, result 那份只作为「CLI 收尾自报」摆在旁边。挑一个当「权威」,结果就是页面上出现一个 加不出来的总数。 -
成本只用
total_cost_usd。 不自带价目表去乘 —— 价格会变,乘出来的是编的。 它没报就留空,不写 0。一条上报都没有时整张表不画:一张全是「—」的表会被读成 「量过了,都是零」,而实际是「这条路没人报账」。
⚠ 这些 token 仍然花在你自己的订阅账上(执行者用的是宿主的模型访问权,不额外收费)。 这里数出来的是明细,不是一张新账单。
想按角色配不同厂商的模型、由本地进程自己发调用,那是下面那个可选模式。
不想让宿主执行、想给每个角色配不同的模型并逐角色数 token 时用它。这不是默认路径:
code-forge # 起监控台
# 打开 http://localhost:4610/setup-local 配角色（provider + 模型）→ 启动
provider:mock(零 key,先跑通)/ anthropic / openai / deepseek / qwen / openrouter / ollama,
其它网关填 base URL。key 从环境变量读(ANTHROPIC_API_KEY 等),不经过页面、不落盘。
未登记的 provider 名必须自带 baseUrl —— 否则一个拼错的名字会把正文发到别人家去。
node test-host.js # 125 项：宿主驱动 + 跨宿主适配器 + 逐 agent 用量 + MCP 全链路 + 插件包装
node test.js # 29 项：本地驱动模式（可选）
零 key、不联网、不发一次模型调用。钉住的都是会静默出错的那几条:自称达标必须被拒、
判据坏了不许报成未达标、停止原因必须是真的那一条、用量不许重复计数也不许编成本、
package.json 的 files 漏一个 require 到的模块就是坏包。
install.js 一条命令接入 Claude Code（幂等 / --dry-run / --uninstall / npx 时复制运行时）
tui.js 终端界面：doctor / go / 问答向导 / 就地直播 / usage 报告（纯函数渲染）
adapters.js 宿主适配器：怎么起、怎么解、MCP 往哪注册、有哪些模型。claude/codex 实测过，其余标「未实测」，
perrole.js 一角色一进程：没有子 agent 的宿主走这条（各自模型/沙箱档、逐角色账、不需要 MCP）
~/.code-forge/agents.json 可覆盖或新增
usage.js 逐 agent 用量：按 message.id 去重、按 parent_tool_use_id 归属、成本只认它自己报的
agentcli.js 起 agent 命令行的唯一收口（不走 shell、模型名过白名单、可换 CLI）
perrole.js loop_agent 的腿：把一个角色跑成独立进程（只读档/逐角色记账）
skills/code-forge/SKILL.md 技能：协议 + 三条纪律（给 agent 读的那份）
agents/forge-proposer|critic|reviewer.md 三个角色，各绑不同模型与工具集
commands/code-forge.toml /code-forge 斜杠命令（插件版）
.claude-plugin/ 插件与 marketplace 清单（自带 MCP 声明）
AGENTS.md Codex / opencode / 纯 HTTP 的接法
mcp.js MCP server（stdio）：六个工具 + 监控台自动拉起
hostrun.js 宿主驱动的状态机：begin/say/gate/end，以及那条拒绝
gate.js 命令判据（全代码）：退出码 + 可选指标区间 + 输出指纹（没 metric 时判零进展）
judge.js 评审判据：不可量化目标交给**独立评审者**判（只读/独立会话/换模型/必须给证据）
server.js HTTP + SSE + append-only 日志；--mcp 时转 stdio
另带一条**易失**通道(emit)：工具流只推给正在看的人，不落盘、不占 SSE id
index.html 监控台（reducer + 渲染）
setup-local.html 自带 key 那套的配置页（可选模式）
loop.js 本地驱动（可选）：自带 key 时的回环驱动
providers.js 本地驱动（可选）：mock / anthropic / OpenAI 兼容各家
demo.js 示例回环 → 事件流（code-forge --demo --live）
design/ Claude Design 原始设计稿（provenance，别直接改）
run.jsonl 运行产物（已 gitignore）
| 接口 | 用途 |
|---|---|
POST /host/begin | /host/say | /host/gate | /host/end, GET /host/status |
宿主驱动协议 |
GET / /setup /setup-local |
监控台 / Run 页 / 自带 key 的配置页 |
GET /events?since=N |
SSE;浏览器重连自动带 Last-Event-ID 续传 |
POST /events |
直接写事件(任何工具链都能往里报) |
POST /agent/stop, GET /agent/status |
停止在跑的回环 / 看回环状态（/agent/run 回 410：执行在 coding agent 里） |
POST /runs /runs/stop |
本地驱动模式的起/停 |
GET /usage |
逐 agent 用量（从事件日志现算，只算最近一次回环） |
GET /health |
事件数、客户端数、回环状态 |
⚠ Windows 终端里直接写中文会按 GBK 发出去 —— 存成 UTF-8 文件再 --data-binary @f.json。
(判据命令的输出不受此限:GBK 输出会被自动认出来正确解码,中文 cmd 的「不是内部或外部命令」
也因此能被识别成 gate_broken 而不是「测试没过」。)
t |
字段 |
|---|---|
run.start |
session repo branch client mode goal budget |
role.add |
id name model color duty |
round.start / round.end |
n title meta / n winner winnerRole score |
event |
round role kind ts dur tok summary body targets[] tool{} diff{} meta{} |
conflict |
round sev topic a aClaim b bClaim resolution res |
patch |
round file add del by note state st tests |
usage |
round role agent agentType model in out cacheRead cacheWrite msgs tools{}（增量）total:true 那条:costUsd turns seconds byModel[] |
run.streaming / run.end |
role text / reason detail rounds seconds |
kind ∈ propose attack defend verdict patch test audit route。
认不出的 t 不会被静默吞掉:计数并在页头显示「未知 N」。
- 补丁台账靠 agent 自己报(
loop_say带diff)。插件不去猜谁改了哪个文件 —— 凭空生成一条 = 编造。 - 分歧点在宿主模式下也靠 agent 报(
POST /events一条conflict);本地驱动模式会自动从 「提议 → 反驳」这一对里生成,两侧原话都截自真实事件。 - 一次只跑一个回环(第二次 begin → 409)。两个回环写同一条流,谁说的话就分不清了。
- 一份日志按顺序装多次回环:页面在遇到新
run.start时切到最新那次(硬盘历史一条不丢)。