Beggar：让 CodeBuddy 多 Agent 协作研发成本直降 90% 的开源套件

一套可复用的多 Agent 配置方案，通过模型差异化分工 + 双 Reviewer 交叉审查 + Review Gate 自动升级，在保证质量的前提下大幅降低 AI 编程成本。

为什么需要 Beggar

如果你正在用 CodeBuddy Code 做 AI 辅助开发，大概率遇到过这样的困境：

成本焦虑：所有任务都用最强模型？太贵。都用便宜模型？质量没保障。
单模型盲区：同一个模型写代码又审代码，自己的 bug 自己审不出来。
编排混乱：Agent 之间职责不清，Leader 直接下场写代码，角色边界形同虚设。
缺乏质量兜底：审查不过怎么办？升级谁？几轮后还不过呢？

Beggar 的解决思路很直接——把"用哪个模型做哪件事"这件事工程化。

核心设计：四层成本优化

1. 模型分层——不是所有任务都需要最强模型

Beggar 把研发流程拆成 9 个角色，每个角色匹配能力够用的最便宜模型：

角色类型	代表 Agent	balanced 预设模型	倍率
编排调度	Leader	deepseek-v4-pro	x0.16
方案设计	Architect	glm-5.2	x0.79
复杂编码	Coder-Senior	deepseek-v4-pro	x0.16
常规编码	Coder-Standard	deepseek-v4-flash	x0.06
简单编码	Coder-Lite	hy3	x0.00
主审	Reviewer	deepseek-v4-pro	x0.16
辅审	Reviewer-B	kimi-k2.7	x0.57
测试验证	Tester	kimi-k2.7	x0.57
知识沉淀	Recorder	hy3	x0.00

关键洞察：25% 的 Token 消耗来自 Coder-Standard，所以这个角色必须用最便宜且有实力的模型（V4-Flash，x0.06）。而 Recorder、Tester 等低频角色直接用免费的 Hy3，不花一分钱。

2. 三档预设，按需切换

预设	加权成本	节省率	场景
`economic`	~x0.06	94%	个人项目、实验性开发
`balanced`	~x0.29	91%	日常开发（推荐）
`quality`	~x1.05	56%	关键项目、生产代码

一行命令切换：

.codebuddy/setup.sh agent preset economic

3. RTK 令牌压缩

终端输出压缩 60-90%，减少上下文膨胀带来的 Token 浪费。通过 setup.sh init 自动安装。

4. 内置工具优先

优先使用 Read/Grep/Glob 等内置工具而非 shell 命令，减少不必要的 Token 输出。

质量保障：不是只省钱

成本优化容易理解，但 Beggar 真正的价值在于——省钱的同时不牺牲质量。

双 Reviewer 交叉审查

代码完成后，同时进入两个 Reviewer，形成跨厂商、跨视角的交叉验证：

主审（Reviewer）：DeepSeek，聚焦实现质量——代码规范、安全性、边界条件
辅审（Reviewer-B）：Kimi，聚焦技术合理性——架构设计、API 选择、可维护性

三个厂商（GLM 架构 + DeepSeek 主审 + Kimi 辅审）交叉验证，避免单一模型的系统性盲区。

Review Gate 自动升级

审查不通过？不需要人工干预：

审查失败 → 自动升级到更高级 Coder 重写
  ↓ 最多 3 轮
3 轮全败 → 激活 Director 做根因分析
  ↓
6 类裁决：A/B/C 自动恢复，D/E/F 上升用户

Leader 绝不写代码

这是 Beggar 最核心的规则之一。Leader 负责任务分解和调度，所有代码修改必须通过 Coder Agent 执行。这条规则通过 beggar-leader-no-code.mdc 强制约束，即使跳过完整工作流的热修复也不例外。

工作流全景

一条命令启动完整流程：

/beggar:start 实现用户登录功能，支持手机号验证码和邮箱密码两种方式

流程自动流转：

Beggar：让 CodeBuddy 多 Agent 协作研发成本直降 90% 的开源套件

提案（Proposal）
  → 设计（Architect 出方案 + 闸门评审）
    → 实现（按复杂度分派 Coder-Lite/Standard/Senior）
      → 测试（Tester 构建验证 + 单元测试）
        → 双审（Reviewer + Reviewer-B 并行交叉审查）
          → 沉淀（Recorder 知识归档）
            → 完成

每个环节都有自动兜底：审查不过自动升级，3 轮全败自动裁决，全程无需人工介入。

安装：30 秒上手

CLI 环境（推荐）

curl -fsSL https://github.com/jagerzhang/beggar/raw/main/install.sh | bash

安装后初始化：

.codebuddy/setup.sh init
.codebuddy/setup.sh agent preset balanced

IDE 环境

在 CodeBuddy 对话中输入：

通过 https://github.com/jagerzhang/beggar/releases/latest/download/beggar-skill.zip 安装 beggar

AI 会自动下载、安装并引导配置。

全局 vs 项目安装

项目安装（默认）：配置跟随项目，团队共享
全局安装（--global）：所有项目继承，一次配置到处可用
两者可共存，项目级优先

Superpowers 集成：方法论 + 执行架构

Beggar 与 Superpowers 是互补关系：

层面	Superpowers	Beggar
解决什么	怎么做才对（TDD、系统化调试、代码审查标准）	谁来做、用什么模型（角色分工、成本控制）
类比	工程方法论	团队组织架构

安装 Superpowers（推荐但非必须）：

# 在 CodeBuddy Code 中执行
/plugin install superpowers@claude-plugins-official

未安装时工作流仍可正常运行，Leader 会手动执行等效步骤。

角色主题：给 Agent 一点个性

Beggar 内置了多套角色主题，给枯燥的 Agent 名字加点趣味：

.codebuddy/setup.sh persona tech-legends   # 科技传奇
.codebuddy/setup.sh persona sanguo          # 三国
.codebuddy/setup.sh persona shuihu          # 水浒
.codebuddy/setup.sh persona genshin         # 原神

不改功能，只改 Agent 的 system prompt 风格。工作也可以有趣一点。

适用场景

个人开发者：用 economic 预设，94% 成本节省，日常开发零负担
小团队：用 balanced 预设，质量与成本平衡，双 Reviewer 兜底
关键项目：用 quality 预设，全线强模型，交叉审查不放过任何问题
教学演示：多 Agent 协作的可视化范例，清晰的职责分工模型

技术亮点速览

9 个专业 Agent：architect、coder-senior/standard/lite、reviewer/reviewer-b、tester、recorder、director
跨厂商交叉审查：GLM + DeepSeek + Kimi 三厂商，避免单一模型盲区
Review Gate 自动升级：审查不过自动换更强 Coder，3 轮全败激活 Director 裁决
最小权限设计：Reviewer 只读、Tester 纯验证、Coder 按级别递增工具权限
RTK 令牌压缩：终端输出压缩 60-90%
Hook 通知机制：关键节点企业微信推送，无需额外插件
Windows 支持：Git Bash / WSL 完整兼容

快速对比

维度	原生 CodeBuddy	+ Beggar
模型选择	手动指定，全流程一个模型	9 角色自动差异化，按复杂度路由
代码审查	自写自审	双 Reviewer 跨厂商交叉审查
审查失败	人工介入	Review Gate 自动升级 + Director 裁决
成本控制	无	三档预设，最高节省 94%
质量兜底	依赖单模型	三厂商交叉 + 自动升级机制
Leader 约束	无强制	规则强制 Leader 不写代码

开始使用

# 安装
curl -fsSL https://github.com/jagerzhang/beggar/raw/main/install.sh | bash

# 初始化
.codebuddy/setup.sh init

# 选择预设
.codebuddy/setup.sh agent preset balanced

# 启动开发
/beggar:start 你的需求描述

项目地址：GitHub - jagerzhang/beggar

MIT 开源协议，欢迎 Star、Issue、PR。

Beggar — 让每一个 Token 都花在刀刃上。