Hacker News 中文摘要

RSS订阅

架构师：Fable令牌减少80%，Fable编排/审查，Codex构建 -- /architect: Reduce Fable tokens by 80%, Fable orchestrates/reviews, Codex builds

原文链接 | HN讨论 | 2026-06-14 00:56:07

文章摘要

该项目利用Claude Fable 5进行规划和审查，GPT-5.5 Codex负责实现和研究，通过代码仓库作为记忆中心构建跨供应商代理循环。安装简单，只需克隆仓库并运行安装脚本，支持现有订阅无需额外API密钥。使用两条命令即可启动构建循环或研究循环，实现自动化开发流程。

文章总结

项目名称：architect-loop - 跨供应商智能体协作循环系统

核心功能

该项目构建了一个由Claude Fable 5作为架构师、GPT-5.5 Codex作为构建者的协作系统： - 分工明确：Claude负责规划与审查，GPT负责实施与研究 - 双循环机制：通过两个Claude Code技能实现以代码库为中心的协作循环 - 工作流程：先编写规范与验收标准 → Codex在独立环境中工作 → Fable审查结果后才进行集成

安装指南

  1. 克隆仓库并运行安装脚本： bash git clone https://github.com/DanMcInerney/architect-loop cd architect-loop && ./install.sh npm i -g @openai/codex@latest
  2. 需要已订阅Claude Code服务和ChatGPT计划

使用方式

提供两个核心命令： - /architect：执行构建循环（规划→实施→审查） - /architect-research <研究主题>：执行研究循环

系统架构

构建循环特点：

  1. 规范先行：先定义PR范围和验收标准
  2. 隔离构建：每个任务在独立git工作树中执行
  3. 严格审查：Fable直接验证结果而非依赖构建者报告
  4. 仓库即记忆：所有工作记录都保存在代码库中
  5. 内置监控：包含运行状态检查和超时机制

研究循环特点：

  1. 先导探索：Codex先进行主题地图绘制
  2. 定制研究：Fable设计3-6个专题研究路径
  3. 严格验证：每个关键结论需≥2个独立来源验证
  4. 统一报告：最终生成决策导向的综合报告

设计理念

每个设计选择都有研究依据（详见DESIGN.md）： - 让更强的模型担任架构师角色 - 采用管理者+隔离工作者的拓扑结构 - 验收标准冻结机制 - 精简的记忆管理方式 - 动态研究路径设计

常见问题

  • 无需API密钥：使用现有订阅服务
  • 运行成本：主要消耗ChatGPT计划的配额
  • 安全机制：所有修改都需通过架构师审查
  • 实时监控：可查看构建者任务块

项目起源

受@jumperz的推文启发，旨在优化Fable与Codex子代理的协作模式，并增加最佳实践。

开源协议

MIT许可证

（注：已去除安装脚本细节、文件列表等次要内容，保留核心工作机制和设计理念）

评论总结

以下是评论内容的总结，平衡呈现不同观点并保留关键引用：

  1. 对Fable性能的批评

    • colechristensen抱怨从Fable切换回Codex后体验糟糕，处理简单问题效率低下： "Running in circles over simple problems... The performance difference was stark." "ended up solving myself, like a peasant"

  2. 混合使用不同AI模型的建议

    • mpalmer和diavelguru提出用高价模型规划、低价模型执行的策略： "plan with expensive model, implement with cheap model" (mpalmer) "using Fable to inspect... then using Gemini to implement" (diavelguru)
    • rockwotj分享让不同AI角色协作编程的成功案例： "Fable roleplay as Jeff Dean... go back and forth. Works really well"

  3. 对节省token方法的质疑

    • avaer认为节省token的创新会被快速整合，质疑其长期价值： "what do you think are the chances this won’t be folded into the next update?" "Extraordinary claims require extraordinary evidence"
    • 多位用户讽刺性建议"100%节省"方案（实际指完全停用）： "Reduce Fable tokens by 100%" (analogpixel/Teknomadix)

  4. 对文档机械执行的批评

    • Denvercoder9质疑过度依赖LLM强制文档规范： ""Mechnical enforcement" just means "prompting the LLM a bit extra"" "what could and should be a two line script"

  5. 对AI生成内容的讽刺

    • Retr0id批评LLM生成文档的术语空洞： "inscrutable jargon that means nothing outside of the context window"
    • mpalmer讽刺AI项目缺乏自我反思： "doesn’t have a single self-critical or genuinely reflective thing to say"

关键分歧：支持混合模型策略的用户认为这是实用方案（评论2/6/9），而反对者则认为要么效果有限（评论8），要么完全没必要使用（评论4/12/15）。部分评论（7/13/14）表现出对AI技术发展的悲观或讽刺态度。