Claude Code 智能协作：用 Fable 做规划、其他模型做执行的实现方案
在日常开发和技术探索中，很多朋友都在尝试让 AI 帮我们完成更复杂的任务。最近有个需求引起了我的注意：能不能在 Claude Code 里让 Fable 负责规划和审核，而把具体的执行交给其他模型来做？这种“分而治之”的思路，不仅能充分利用不同模型的优势，还能大幅提升工作流的效率和质量。今天就和大家聊聊这个方案的实现逻辑和落地细节。
为什么要把规划和执行分开？
我们知道，不同的大语言模型（LLM）各有所长。有的模型逻辑严密、擅长规划，比如 Claude 在复杂任务拆解和代码审查上表现很出色；而有的模型速度快、成本低、执行力强，适合完成具体的代码生成或脚本运行。如果我们能把“指挥官”和“执行士兵”的角色分开，理论上就能构建一个既聪明又高效的系统。
Fable 在这个架构中的角色
Fable 作为一个强大的规划和审核工具，非常适合担任“项目经理”的角色。它的主要任务是：
多模型协作架构：Fable作为规划器，其他模型作为执行器的工作流程示意图
- 需求拆解：将用户模糊的指令转化为具体的执行步骤。
- 生成方案：输出清晰的代码结构或伪代码。
- 质量审核：在执行完成后，检查结果是否符合预期，是否需要修改。
具体实现思路
要在 Claude Code 中实现这种协作，核心在于如何让不同的模型“沟通”起来。以下是几种可行的路径：
1. 借助中间件或 Agent 框架
目前市面上有很多开源的 Agent 框架（如 LangChain、AutoGPT 等），可以自定义不同的“节点”。你可以配置一个节点专门调用 Fable 的 API 进行规划，然后将生成的 Plan 传递给下一个节点，该节点配置为调用其他模型（如 GPT-4o-mini 或 Llama 3）来执行具体的代码编写。
大致流程如下：
- 用户输入指令 -> Claude (Fable 模式) 生成执行计划。
- 计划被解析成 JSON 格式 -> 发送给执行模型。
- 执行模型返回代码或结果 -> 再次回调 Fable 进行审核。
- Fable 给出通过或修改意见 -> 循环直到任务完成。
从指令输入、计划生成、代码执行到最终审核的完整闭环流程
2. 利用 Claude Code 的插件系统（如果支持）
检查 Claude Code 是否支持插件或钩子（Hooks）。如果支持，我们可以编写一个简单的脚本：
- 监听 Claude Code 的输出。
- 当检测到“规划完成”的信号时，自动触发外部脚本调用其他模型的 API。
- 将外部模型的返回结果作为输入重新注入到 Claude Code 的上下文中。
3. 手动交互的半自动化方案
如果你不想写复杂的代码，纯手动流程也能达到类似效果：
- 第一步：只让 Claude Code 借助 Fable 思考，要求它“只输出计划，不要写代码”。
- 第二步：复制计划，丢给你常用的执行模型（比如在线版或本地部署的模型）去生成代码。
- 第三步：把生成的代码贴回 Claude Code，并要求 Fable 进行审查。
虽然多了一些复制粘贴的操作，但成本最低，调试也最直观。
实际操作中的坑与解决方案
- 上下文丢失：不同模型之间切换时，上下文容易断掉。
- 解法：务必使用结构化的数据（如 JSON 或 YAML）在模型间传递信息，确保关键意图不会被曲解。
- 成本问题：Fable 虽然好用，但频繁调用可能不便宜。
- 解法：只在关键节点（如初次规划和最终审核）使用 Fable，中间的试错环节交给便宜的模型。
- 审核标准不一致：Fable 可能会挑出执行模型的“毛病”，导致无限循环修改。
- 解法：在 Prompt 中给 Fable 设定明确的审核通过标准，比如“只要能跑通且无明显安全漏洞即可通过”。
总结
用 Fable 做大脑、其他模型做手脚，这种多模型协作的模式不仅能提升开发效率，还能让我们对 AI 的能力边界有更深的理解。目前还没有现成的“一键安装包”，但利用现有的 Agent 框架或简单的脚本串联，完全可以在本地搭建一套属于自己的智能工作流。
如果你有更好的实现思路或者是现成的工具推荐，欢迎在评论区交流，大家一起把这个“流水线”打磨得更顺手！
评论已关闭