多智能体协作 (cowork)

Headless 命令 — 不依赖桌面 GUI，直接使用核心包运行。适用于服务器、CI/CD、容器化等无桌面环境。

核心特性

• 🤝 多视角辩论审查: 多个 AI Agent 从不同角度审查代码，汇总最终裁决
• ⚖️ A/B 方案对比: 生成多个解决方案变体，按标准评分排名
• 📊 代码分析: 静态代码知识图谱、架构决策提取、项目风格分析
• 🔌 多 LLM 支持: Ollama / Anthropic / OpenAI / DeepSeek / DashScope / Gemini / Mistral
• 📄 JSON 输出: 支持脚本集成和 CI/CD 流水线

系统架构

cowork 命令 → cowork.js (Commander)
                    │
     ┌──────────────┼──────────────┬──────────────┐
     ▼              ▼              ▼              ▼
  debate         compare       analyze        status
     │              │              │
     ▼              ▼              ▼
cowork-adapter.js  (LLM 适配层)
     │              │              │
     ▼              ▼              ▼
debate-review   ab-comparator  code-knowledge-graph
 -cli.js         -cli.js        -cli.js
                               decision-kb-cli.js
                               project-style-analyzer-cli.js

概述

CLI Phase 102 — 将桌面版 Cowork 多智能体协作核心模块移植到 CLI，支持多视角代码辩论审查、A/B 方案对比和代码分析。

命令参考

# 多视角辩论审查
chainlesschain cowork debate <file-or-topic>
chainlesschain cowork debate src/index.js --perspectives perf,security,maintain
chainlesschain cowork debate "React vs Vue" --provider openai --model gpt-4 --json

# A/B 方案对比
chainlesschain cowork compare <prompt>
chainlesschain cowork compare "实现用户认证" --variants 3 --criteria quality,performance
chainlesschain cowork compare "设计缓存策略" --provider anthropic --json

# 代码分析
chainlesschain cowork analyze <path>
chainlesschain cowork analyze ./src --type knowledge-graph
chainlesschain cowork analyze ./src --type style --provider ollama
chainlesschain cowork analyze ./docs --type decisions --json

# 查看状态
chainlesschain cowork status

子命令说明

debate — 多视角辩论审查

多个 AI Agent 从不同专业角度独立审查代码或话题，最后由"裁判"Agent 综合各方意见生成最终裁决。

chainlesschain cowork debate <file-or-topic> [options]

选项	说明	默认值
--perspectives <list>	审查视角（逗号分隔）	performance,security,maintainability
--provider <name>	LLM 提供商	ollama
--model <name>	模型名称	提供商默认
--json	JSON 格式输出	—

内置 5 种审查视角：

视角	关注点
performance	性能瓶颈、复杂度、资源使用
security	安全漏洞、输入验证、数据保护
maintainability	代码可读性、模块化、文档
correctness	逻辑正确性、边界情况、错误处理
architecture	设计模式、耦合度、可扩展性

输出结构：

{
  "target": "src/index.js",
  "perspectives": ["performance", "security", "maintainability"],
  "reviews": [
    {
      "perspective": "performance",
      "analysis": "...",
      "issues": [...],
      "score": 7
    }
  ],
  "verdict": "APPROVE",
  "consensusScore": 0.85,
  "summary": "..."
}

裁决结果：APPROVE / NEEDS_WORK / REJECT

compare — A/B 方案对比

多个 AI Agent 使用不同的风格配置文件独立生成解决方案，然后由"评委"Agent 按标准打分排名。

chainlesschain cowork compare <prompt> [options]

选项	说明	默认值
--variants <n>	生成变体数量	3
--criteria <list>	评判标准（逗号分隔）	quality,performance,simplicity
--provider <name>	LLM 提供商	ollama
--model <name>	模型名称	提供商默认
--json	JSON 格式输出	—

4 种变体风格：

风格	特点
conservative	稳定可靠、经过验证的方案
innovative	创新前沿、实验性方案
pragmatic	实用平衡、快速交付
performance-focused	性能优先、极致优化

输出结构：

{
  "prompt": "实现用户认证",
  "criteria": ["quality", "performance", "simplicity"],
  "variants": [
    {
      "profile": "conservative",
      "solution": "...",
      "scores": { "quality": 8, "performance": 7, "simplicity": 9 },
      "totalScore": 24
    }
  ],
  "ranking": [...],
  "winner": "pragmatic",
  "reason": "..."
}

analyze — 代码分析

三种分析模式，其中 knowledge-graph 无需 LLM（纯静态分析）。

chainlesschain cowork analyze <path> [options]

选项	说明	默认值
--type <type>	分析类型	knowledge-graph
--provider <name>	LLM 提供商（style/decisions 需要）	ollama
--model <name>	模型名称	提供商默认
--json	JSON 格式输出	—

分析类型：

类型	说明	需要 LLM
knowledge-graph	代码知识图谱：提取 imports/exports/classes/functions，构建依赖关系图	否
style	项目风格分析：编码约定、命名规范、架构模式	是
decisions	架构决策提取：从文档和配置中提取 ADR（Architecture Decision Records）	是

knowledge-graph 输出：

{
  "stats": { "fileCount": 15, "defCount": 42, "importCount": 78, "exportCount": 35 },
  "entities": [
    { "name": "MyClass", "type": "class", "file": "src/index.js", "language": "js" }
  ],
  "relationships": [
    { "from": "src/index.js", "type": "imports", "to": "fs" }
  ],
  "summary": "Code Knowledge Graph\nFiles analyzed: 15\nEntities: 42\n..."
}

status — 查看协作状态

显示 cowork 模块可用性和使用说明。

chainlesschain cowork status

Agent REPL 集成

在 chainlesschain agent 会话中可使用 /cowork 斜杠命令：

> /cowork debate src/main.js
> /cowork compare "设计一个缓存系统"

LLM 提供商配置

cowork 命令默认使用 CLI 配置中的 LLM 设置，也可通过 --provider 和 --model 覆盖。

支持的提供商：

提供商	协议	说明
ollama	原生 API	本地运行，数据不出设备
anthropic	Anthropic API	Claude 系列（支持 system 消息提取）
openai	OpenAI 兼容	GPT 系列
deepseek	OpenAI 兼容	DeepSeek 系列
dashscope	OpenAI 兼容	通义千问系列
gemini	OpenAI 兼容	Google Gemini 系列
mistral	OpenAI 兼容	Mistral 系列

安全考虑

• knowledge-graph 分析完全离线，不发送任何数据到外部
• 使用 Ollama 本地模型时所有分析数据不离开设备
• 使用云端提供商时代码会发送到对应 API
• API Key 存储在 ~/.chainlesschain/config.json

使用示例

场景 1：多视角辩论审查代码

chainlesschain cowork debate src/auth/login.js --perspectives security,correctness,performance
chainlesschain cowork debate src/auth/login.js --json > review-result.json

从安全性、正确性和性能三个角度审查登录模块，输出 JSON 便于集成到 CI 流水线。

场景 2：A/B 方案对比

chainlesschain cowork compare "设计一个分布式缓存系统" --variants 3 --criteria quality,performance,simplicity

生成 3 种不同风格的解决方案（保守、创新、务实），按质量、性能和简洁性打分排名，辅助技术选型。

场景 3：静态代码分析

chainlesschain cowork analyze ./src --type knowledge-graph
chainlesschain cowork analyze ./src --type style --provider ollama

先用无需 LLM 的知识图谱分析提取代码结构和依赖关系，再用 LLM 分析项目编码风格和约定。

故障排查

问题	解决方案
debate 报 LLM 连接失败	确认 Ollama 已启动或提供有效的 API Key
analyze 返回空结果	确认目标路径包含代码文件（.js/.ts/.py）
compare 变体内容相似	尝试增加 --variants 数量或使用更强的模型
JSON 解析错误	部分 LLM 可能返回格式不标准的 JSON，尝试更换模型

关键文件

• packages/cli/src/commands/cowork.js — cowork 命令实现
• packages/cli/src/lib/cowork-adapter.js — LLM 适配层（createChatFn）
• packages/cli/src/lib/cowork/debate-review-cli.js — 多视角辩论审查
• packages/cli/src/lib/cowork/ab-comparator-cli.js — A/B 方案对比
• packages/cli/src/lib/cowork/code-knowledge-graph-cli.js — 代码知识图谱（无需 LLM）
• packages/cli/src/lib/cowork/decision-kb-cli.js — 架构决策提取
• packages/cli/src/lib/cowork/project-style-analyzer-cli.js — 项目风格分析

相关文档

• 技能系统 (skill) — 4 层优先级技能管理
• 项目初始化 (init) — 项目结构初始化
• 代理模式 (agent) — Agent REPL 中使用 /cowork
• Cowork 多智能体协作 — 桌面端完整 Cowork 系统