🤖 deploy-dual-ai

一键部署 Claude Code + Codex 双AI协作开发环境 —— 两个模型互相分工、互相审查，代码质量翻倍。 还有 🥊 Duel 擂台赛：任意两个模型当面对决，你当裁判。

✨ 特性

• 🧠 双AI协作：Claude Code + Codex 各司其职 —— 一个规划编码，一个深度分析审查
• 🥊 Duel 擂台赛：任意两个模型针对同一任务各自出招，你当裁判打分，战绩永久累积
• 🆓 免费模型零成本上手：可选接入 OrcaRouter，DeepSeek V4 Flash、千问 3.8 等免费模型直接跑，$0 起步
• ⚡ 一键部署：一条命令生成全部配置文件，开箱即用
• 🔁 两种主导模式：claude-lead（Claude 主导）或 codex-lead（Codex 主导），按需切换
• 🔒 路径隔离：所有工作文件写入项目本地 .claude/，不污染全局配置

🚀 快速开始

git clone https://github.com/LaugHan/deploy-dual-ai.git
cd deploy-dual-ai

# Claude 主导模式（默认）
bash deploy.sh /path/to/your/project

# Codex 主导模式
bash deploy.sh /path/to/your/project codex-lead

# 顺带生成 OrcaRouter 免费模型通道配置
bash deploy.sh /path/to/your/project claude-lead --orcarouter

🥊 Duel 擂台赛

不满足于让两个 AI 一起干活？让它们打一架。

duel.sh 让任意两个 OpenAI 兼容模型针对同一任务各自出招，你当裁判打分，战绩永久记录在本机（~/.duel-ai-score）。默认选手就是 OrcaRouter 的两个免费模型——一分钱不花：

# 注册拿 key（免费）
export ORCAROUTER_API_KEY=你的密钥

# 开打：DeepSeek V4 Flash vs Qwen3.8 27B（都是免费模型）
bash duel.sh "给这个项目写一句 slogan"

# 连续对战 3 轮
bash duel.sh -r 3 "对比两个技术方案的优劣"

不想用默认选手？任何 OpenAI 兼容服务都能上擂台：

DUEL_MODEL_A="gpt-5-mini" DUEL_MODEL_B="deepseek/deepseek-v4-pro-0813" \
DUEL_BASE_URL="https://api.orcarouter.ai/v1" \
bash duel.sh "我的需求..."

💡 支持自定义 DUEL_MODEL_A/B、DUEL_NAME_A/B、DUEL_BASE_URL、DUEL_SCORE_FILE，详见 bash duel.sh --help。

🆓 免费模型通道（可选，OrcaRouter）

不想一开始就掏 API 费用？deploy-dual-ai 支持把 OrcaRouter 作为可选模型 Provider —— 一个聚合 API 网关，提供多款长期免费模型（DeepSeek V4 Flash、千问 3.8 等，$0/token），以及 200+ 付费模型按需切换。

bash deploy.sh /path/to/your/project --orcarouter

部署后按生成的 orcarouter.example.toml 说明操作：

1. 注册并获取 API Key：https://www.orcarouter.ai/zh-CN/built-with
2. 把 Provider 配置合并到 ~/.codex/config.toml
3. export ORCA_KEY="你的密钥"，Codex 就能用免费模型跑了

💡 完全可选：不配置 OrcaRouter，项目一切功能照常。你的用户选不选它，都不影响工具本身。 💰 支持本项目：用户通过 deploy-dual-ai 接入 OrcaRouter 后，其消费额的 5% 会作为 OSS 计划分成支持本项目的持续开发。

双AI协作模式

模式	主AI	辅助AI	适用场景
claude-lead	Claude Code	Codex (GPT-5)	Claude 规划+编码，Codex 分析+审查
codex-lead	Codex (GPT-5)	Claude Code	Codex 规划+编码，Claude 协调+执行本地命令

前置条件

• Claude Code 已安装
• Codex CLI 已安装，且 codex mcp-server 可用
• Codex 已配置好 API（~/.codex/config.toml）——或使用上面的免费模型通道

部署后验证

cd /path/to/your/project
claude                    # 启动 Claude Code
/mcp list                 # 确认 codex server 状态为 connected
/standard-workflow 测试   # 触发双AI协作流程

生成的文件

your-project/
├── .mcp.json                          # Codex MCP Server 注册
├── CLAUDE.md                          # Claude Code 开发准则与协作规则
├── AGENTS.md                          # Codex 操作手册与职责定义
├── orcarouter.example.toml            # （--orcarouter 时）OrcaRouter 配置示例
└── .claude/
    └── commands/
        └── standard-workflow.md       # /standard-workflow 快捷命令

仓库文件：

deploy-dual-ai/ ├── deploy.sh # 双AI协作环境一键部署 └── duel.sh # 🥊 双模型擂台赛（任意 OpenAI 兼容模型）

协作架构

Claude 主导模式 (claude-lead)

用户 → Claude Code（规划+编码） → Codex MCP（分析+审查）
                ↓                         ↓
          直接写代码              .claude/context-*.json
          运行测试               .claude/review-report.md

Codex 主导模式 (codex-lead)

用户 → Claude Code（协调） → Codex MCP（规划+编码+审查）
              ↓                        ↓
        转发任务/执行本地命令     直接写代码+审查
        运行测试/报告进度       .claude/review-report.md

关键设计决策

MCP 非流式拆分：MCP 协议不支持流式输出，单次调用中断会丢失全部内容。因此强制要求每次 Codex 调用只做一件事（prompt ≤500字，代码 ≤200行）。

conversationId 机制：通过 [TASK_MARKER] + [CONVERSATION_ID] 实现 Codex 多轮会话，避免每次调用都丢失上下文。

路径隔离：所有工作文件写入项目本地 .claude/ 目录，不污染全局 ~/.claude/。

自定义

编辑 deploy.sh 顶部的配置区：

# 修改 codex 二进制路径
CODEX_BIN="/your/path/to/codex"

如需更精细的规则定制，部署后直接编辑项目下的 CLAUDE.md 和 AGENTS.md。

致谢

灵感来源：linux.do 双AI协作帖 的 CLAUDE.md + AGENTS.md 协作框架。

License

MIT