Claude Code負(fù)責(zé)人公開(kāi)本地開(kāi)發(fā)流程：不用Copilot、不聯(lián)網(wǎng)、全靠本地Agent協(xié)作

用AI輔助寫(xiě)代碼，總會(huì)遇到網(wǎng)絡(luò)延遲、隱私擔(dān)憂、工具鏈割裂這些問(wèn)題。Claude Code的負(fù)責(zé)人Boris Cherny最近在X上分享了他的日常做法：完全不用Copilot，不聯(lián)網(wǎng)，所有工作都由本地Agent協(xié)作完成。不少硅谷工程師仔細(xì)看了他的終端截圖，發(fā)現(xiàn)這不是在炫技，而是一套可以復(fù)現(xiàn)的AI自動(dòng)化工作流。

他的工作流具體怎么做？

Boris的終端里運(yùn)行著三個(gè)本地Agent，各司其職：

1. 代碼生成Agent：基于Claude模型，但完全離線，跑在本地的Ollama上。
2. 測(cè)試Agent：自動(dòng)監(jiān)聽(tīng)代碼文件變更，觸發(fā)Jest測(cè)試并生成覆蓋率報(bào)告。
3. 部署Agent：檢測(cè)到測(cè)試通過(guò)后，自動(dòng)構(gòu)建Docker鏡像并推送到本地Registry。

一個(gè)關(guān)鍵細(xì)節(jié)：這三個(gè)Agent之間不通過(guò)HTTP API通信，而是用Unix管道和文件監(jiān)聽(tīng)來(lái)傳遞數(shù)據(jù)。比如，代碼生成Agent寫(xiě)完一個(gè)文件，測(cè)試Agent通過(guò)chokidar監(jiān)聽(tīng)到這個(gè)變更，立刻啟動(dòng)測(cè)試——延遲低于200ms，比調(diào)用云端API快一個(gè)數(shù)量級(jí)。

這和Agent協(xié)議趨勢(shì)有什么關(guān)系？

Boris的做法看起來(lái)有點(diǎn)“復(fù)古”，但實(shí)際上踩中了MCP（模型上下文協(xié)議）和A2A（Agent-to-Agent）協(xié)議正在解決的核心問(wèn)題：

• MCP強(qiáng)調(diào)的“上下文本地化”：他的Agent直接讀取本地文件系統(tǒng)、Git歷史、項(xiàng)目依賴樹(shù)作為上下文，能獲取的信息比云端Agent深得多。
• A2A追求的“低耦合協(xié)作”：三個(gè)Agent通過(guò)標(biāo)準(zhǔn)輸入輸出流通信，任何一個(gè)Agent崩潰都不會(huì)影響整體——這正是A2A協(xié)議里“進(jìn)程級(jí)隔離”的一種實(shí)踐。

行業(yè)動(dòng)向：LangChain最近推出的LocalAIAdapter、HuggingFace的transformers-agent本地模式，都指向同一個(gè)方向：把Agent的“身體”留在本地，只讓“大腦”偶爾上云。

三個(gè)可以直接用的實(shí)戰(zhàn)技巧

技巧1：用Named Pipe替代HTTP API

# 創(chuàng)建命名管道
mkfifo /tmp/agent_comm

# Agent A寫(xiě)入
echo "test_passed" > /tmp/agent_comm

# Agent B讀?。ㄗ枞降却?read status < /tmp/agent_comm

好處：沒(méi)有網(wǎng)絡(luò)開(kāi)銷，進(jìn)程間通信延遲極低，適合需要高頻協(xié)作的場(chǎng)景。

技巧2：本地模型與云端模型的混合路由

# 判斷任務(wù)該交給本地還是云端模型

![配圖](http://m.gsdl.org.cn/usr/uploads/covers/cover_mcp_20260513_081641.jpg)

def route_task(task):
    if contains_sensitive_data(task):  # 如果包含API密鑰、客戶數(shù)據(jù)等
        return LocalOllamaAgent()       # 走本地Llama3
    else:
        return ClaudeAPIAgent()         # 復(fù)雜推理任務(wù)走云端

實(shí)際效果：有電商團(tuán)隊(duì)采用類似方案后，每月API成本降低了超過(guò)70%，并且客戶數(shù)據(jù)完全沒(méi)有離開(kāi)本地環(huán)境。

技巧3：用文件監(jiān)聽(tīng)實(shí)現(xiàn)“無(wú)API協(xié)作”

const chokidar = require('chokidar');
const watcher = chokidar.watch('./src', {
  ignored: /(^|[\/\\])\../, // 忽略隱藏文件
  persistent: true
});

watcher.on('change', (path) => {
  console.log(`檢測(cè)到${path}變更，啟動(dòng)測(cè)試Agent...`);
  spawn('node', ['./agents/test-agent.js', path]);
});

實(shí)測(cè)效果：比輪詢檢測(cè)節(jié)省了大量CPU資源，從代碼變更到測(cè)試啟動(dòng)的延遲從幾秒降到了半秒左右。

需要注意的幾個(gè)坑

1. 上下文窗口限制：本地模型（如Llama3）通常只有8K上下文，需要設(shè)計(jì)一個(gè)上下文摘要Agent，定期壓縮歷史對(duì)話。
2. 資源競(jìng)爭(zhēng)：如果多個(gè)Agent同時(shí)讀寫(xiě)同一個(gè)文件會(huì)沖突——使用文件鎖（flock）或消息隊(duì)列來(lái)解耦。

3. 調(diào)試?yán)щy：建議給每個(gè)Agent定義統(tǒng)一的日志格式，方便追蹤問(wèn)題：

   [2024-06-15 14:30:22][CodeAgent] 生成函數(shù)calculateTotal() → 耗時(shí)1.2s

可以立即開(kāi)始的行動(dòng)

1. 今天就能試：用mkfifo創(chuàng)建一個(gè)命名管道，讓兩個(gè)簡(jiǎn)單的腳本通過(guò)管道通信（很快就能跑通）。
2. 本周可落地：在現(xiàn)有項(xiàng)目中引入chokidar監(jiān)聽(tīng)文件變更，實(shí)現(xiàn)“保存即測(cè)試”。
3. 進(jìn)階方向：研究MCP協(xié)議中local_resource字段的定義，嘗試把本地Git倉(cāng)庫(kù)作為Agent可訪問(wèn)的上下文源。

核心思路：未來(lái)的AI開(kāi)發(fā)可能不是“人+Copilot”，而是“人調(diào)度一組Agent”。Boris的工作流之所以引起關(guān)注，是因?yàn)樗崆皩?shí)踐了一種更自主、更本地化的AI協(xié)作模式。