给AI建项目组：多会话与CI/CD实战

一个人干不过来就开分身——从单兵作战到项目组协同

阅读时长约14分钟 | 教程型 | 智能编码进化论 08/10

---

导读

前七篇我们给AI配齐了全套装备和安全体系。但还有一个现实问题：AI再强，同一时间也只能做一件事。你在让它重构代码，就没法让它同时跑测试；在让它调研方案，就没法让它同步修bug。

实际开发中，很多任务天然可以并行——前端和后端可以同时开发，代码审查和测试可以同时运行，调研和原型可以同时推进。如果你只有一个AI"员工"，这些并行任务只能排队。

本文讲四种并行策略——Worktrees、多会话、GitHub Actions、Agent Teams——以及怎么选、怎么用、怎么控制成本。

阅读地图：四种并行策略怎么选

Claude Code提供四种并行工作方式，各有适用场景：

Worktrees：在同一台电脑上开多个独立工作目录，每个目录跑一个Claude会话。像给员工分配独立的工位，互不干扰。

Headless模式（claude -p）：用命令行非交互运行Claude，适合脚本和CI/CD。像给员工发一条指令然后等结果。

GitHub Actions：把Claude集成到GitHub工作流，在PR或Issue中用@claude触发自动化。像在办公室里装了一个自动化工单系统。

Agent Teams：多个Claude实例组成团队，有lead协调、有teammate执行，可以互相通信。像组建了一个真正的项目组。

选择依据：需要文件隔离用Worktrees，需要自动化用Headless或GitHub Actions，需要多Agent协作用Agent Teams。

一、Worktrees：独立工位互不干扰

为什么需要Worktrees

你正在让AI重构认证模块，突然发现一个线上bug需要紧急修复。如果直接在当前会话切任务，重构的上下文会被打乱。如果开新终端跑claude，两个会话在同一个目录编辑文件，必然冲突。

Git worktree解决这个问题——为每个任务创建独立的文件副本，各改各的，互不影响。

使用方式

# 终端1：重构认证模块
claude --worktree feature-auth

# 终端2：修复线上bug
claude --worktree bugfix-123

# 终端3：写新功能
claude --worktree feature-dashboard

每个--worktree在.claude/worktrees/下创建一个独立目录，有自己的分支。三个终端三个AI，同时工作不冲突。

省略名称时Claude自动生成随机名（如bright-running-fox）：

claude --worktree

配置细节

基础分支：默认从远程默认分支创建。设为head则从当前本地分支创建：

{
  "worktree": {
    "baseRef": "head"
  }
}

环境文件同步：Worktree是新checkout，.env等未追踪文件不会复制。添加.worktreeinclude文件解决：

.env
.env.local
config/secrets.json

只有被gitignore的文件才会被复制，已追踪文件不会重复。

清理：退出时，无改动的worktree自动删除；有改动的会提示你选择保留或删除。

适用场景

• 同时开发多个独立功能
• 紧急bug修复不能打断当前工作
• 需要在不同分支上并行测试

二、Headless模式：脚本化批量执行

基本用法

claude -p是非交互模式，适合脚本和自动化：

# 单次执行
claude -p "修复auth.py中的Type Error"

# 管道输入
cat build-error.txt | claude -p "解释这个构建错误的根因"

# 获取JSON输出
claude -p "总结这个项目" --output-format json

Bare模式：加--bare跳过所有自动发现（hooks、skills、MCP），启动更快，结果可复现：

claude --bare -p "检查代码风格" --allowedTools "Read"

适用场景

• CI/CD流水线中自动审查代码
• 批量处理多个仓库的分析任务
• 定时任务（每日报告、代码质量检查）

自动批准工具

CI/CD环境没有人在旁边点确认。用--allowedTools预批准：

claude -p "运行测试并修复失败" \
  --allowedTools "Bash,Read,Edit"

用--permission-mode dontAsk更严格：自动拒绝所有需要确认的工具调用，只允许预批准的操作和只读Bash命令。

结构化输出

--output-format json返回包含session_id和total_cost_usd的JSON，方便脚本解析：

# 提取纯文本结果
claude -p "分析这个模块" --output-format json | jq -r '.result'

# 提取结构化数据
claude -p "提取函数名" --output-format json \
  --json-schema '{"type":"object","properties":{"functions":{"type":"array","items":{"type":"string"}}}}' \
  | jq '.result'

三、GitHub Actions：@claude触发自动化

Headless模式是让Claude在命令行非交互运行，GitHub Actions是把它集成到GitHub工作流中，通过@claude评论或PR事件自动触发。两者可以组合——GitHub Actions的workflow内部调用的就是Headless模式。

30秒快速设置

在Claude Code中运行：

/install-github-app

这个命令引导你安装GitHub App、配置API Key、创建workflow文件。完成后在PR或Issue中@claude就能触发自动化。

最小配置

创建.github/workflows/claude.yml：

name: Claude Code
on:
  issue_comment:
    types: [created]
  pull_request_review_comment:
    types: [created]
jobs:
  claude:
    runs-on: ubuntu-latest
    steps:
      - uses: anthropics/claude-code-action@v1
        with:
          anthropic_api_key: ${{ secrets.ANTHROPIC_API_KEY }}

安装完成后测试：在PR评论中输入@claude review this PR，Claude自动分析代码并回复。

实战：自动代码审查

每个新PR自动触发代码审查：

name: Code Review
on:
  pull_request:
    types: [opened, synchronize]
jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - uses: anthropics/claude-code-action@v1
        with:
          anthropic_api_key: ${{ secrets.ANTHROPIC_API_KEY }}
          prompt: "/code-review:code-review ${{ github.repository }}/pull/${{ github.event.pull_request.number }}"

定时任务

每天早上生成项目健康报告：

name: Daily Report
on:
  schedule:
    - cron: "0 9 * * *"
jobs:
  report:
    runs-on: ubuntu-latest
    steps:
      - uses: anthropics/claude-code-action@v1
        with:
          anthropic_api_key: ${{ secrets.ANTHROPIC_API_KEY }}
          prompt: "总结昨天的commit和未关闭的issue"
          claude_args: "--model claude-sonnet-4-6"

常用触发方式

触发方式	写法	场景
PR评论	@claude review this PR	代码审查
Issue评论	@claude implement this feature	功能实现
自动触发	workflow事件（push、schedule）	定时任务
指令模式	prompt参数	批量自动化

安全要点

• API Key存在GitHub Secrets中，绝不硬编码到workflow文件
• Claude遵循仓库的CLAUDE.md规范——代码风格、审查标准、项目规则都会被读取
• 用--max-turns限制最大轮次，防止消耗过多token
• GitHub Actions运行在GitHub的runner上，代码不离开GitHub基础设施

四、Agent Teams：多Agent项目组协同

Teams vs Subagents

第6篇讲的Subagent是在一个会话内派"编外帮手"——分身从主Agent内部产生，做完事汇报结果就消失。Agent Teams是从"分身"到"团队"的范式升级：多个独立的Claude实例组成团队，有lead协调、有teammate执行，teammate之间可以直接通信。Subagent是单Agent的能力扩展，Agent Teams是多Agent的协作体系。

维度	Subagents	Agent Teams
上下文	独立窗口，结果返回调用者	完全独立，各自维护
通信	只能向主Agent汇报	Teammate之间直接通信
协调	主Agent管理	共享任务列表，自协调
适用	结果比过程重要	需要讨论和协作
Token成本	较低	较高（每个teammate独立计费）

启用和创建

Agent Teams目前是实验性功能，需要手动启用：

{
  "env": {
    "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
  }
}

创建团队只需要自然语言描述：

创建一个agent team来审查PR #142，三个reviewer分别关注：
安全性、性能、测试覆盖率。

Claude自动创建团队、分配角色、协调工作。

团队架构

Team Lead（协调者）
  ├── Teammate 1（安全审查）──┐
  ├── Teammate 2（性能分析）──┼── 共享任务列表
  └── Teammate 3（测试覆盖）──┘     + 直接通信

核心组件：

组件	作用
Team Lead	主会话，创建团队、分配任务、综合结果
Teammates	独立Claude实例，执行分配的任务
Task List	共享任务列表，teammate自认领
Mailbox	Agent间通信系统

任务管理

Lead创建任务，teammate自认领或被指派。任务有三种状态：pending → in_progress → completed。任务之间可以有依赖关系——前置任务完成后才解锁后续任务。

交互序列示例

以"审查PR #142"为例，一次完整的Agent Teams协作：

Lead: "审查PR #142，安全、性能、测试各一个teammate"
→ Teammate 1 认领安全审查任务，扫描SQL注入、XSS等风险
→ Teammate 2 认领性能分析任务，检查N+1查询和内存泄漏
→ Teammate 3 认领测试覆盖任务，分析未覆盖的关键路径
→ Teammate 1 发现SQL注入风险，通过Mailbox通知Lead
→ Lead 综合三份报告，输出汇总审查结果

这个过程中，三个teammate并行工作、互不阻塞，Lead通过共享任务列表跟踪进度、通过Mailbox接收发现。

适用场景

• 并行代码审查：安全、性能、测试三个视角同时审查
• 竞猜式调试：多个Agent各持一个假设，互相挑战，找真正的根因
• 跨层开发：前端、后端、测试各一个Agent同时推进
• 调研+原型：一个调研方案，一个写原型代码

注意事项

• Agent Teams是实验性功能，有已知限制
• Token消耗显著——每个teammate都是独立的Claude实例
• 3-5个teammate是最佳范围，超过5个协调成本超过收益
• Teammate不继承lead的对话历史，需要在spawn prompt中提供足够上下文
• 避免两个teammate编辑同一文件

五、成本估算：并行不便宜

Token消耗对比

方式	Token消耗	适用规模
单会话	1x	日常开发
Headless模式	1x	单次自动化任务
Subagent	1.5-3x	辅助任务
2个Worktree	2x	并行功能开发
Agent Teams（3人）	4-6x	复杂协作
Agent Teams（5人）	8-12x	大规模调研

粗略估算公式：

并行总成本 ≈ 单会话成本 × Agent数量 × 任务复杂度系数

任务复杂度系数：简单查询约0.5，代码修改约1.5，全项目分析约3。

省钱策略

1. 优先用Subagent（替代Agent Teams）：不需要Agent间通信的场景，Subagent更便宜
2. 限制最大轮次（Headless和Agent Teams）：--max-turns 5防止无限循环
3. 用更小的模型（Agent Teams的teammate）：teammate可以用Sonnet，lead用Opus
4. 精确的prompt（所有方式）：任务描述越精确，浪费的轮次越少
5. GitHub Actions加超时（GitHub Actions）：workflow级别设timeout，防止runaway job

六、避坑指南

坑一：Worktree忘记加.gitignore

.claude/worktrees/目录下的文件会出现在主仓库的untracked中。在.gitignore中添加：

.claude/worktrees/

坑二：Headless模式加载了不相关的配置

本地的hooks、MCP、skills在CI环境可能不存在或行为不同。用--bare跳过所有本地配置，只依赖显式传入的参数。

坑三：GitHub Actions的API Key泄露

ANTHROPIC_API_KEY必须存在GitHub Secrets中，用${{ secrets.ANTHROPIC_API_KEY }}引用。绝不要直接写在yaml文件里。

坑四：Agent Teams的文件冲突

两个teammate编辑同一文件会导致覆盖。分配任务时明确文件归属——"teammate A负责src/auth/，teammate B负责src/api/"。

坑五：并行成本失控

Agent Teams的token消耗是线性的。5个teammate跑10分钟，成本是单会话的5-8倍。开始前估算成本，用--max-turns设上限。

结语

八篇文章下来，AI"员工"的能力边界不断扩展：

• 单兵作战（1-3篇）：岗位说明书、任务管理、工具箱
• 外部协作（4-6篇）：外线电话、编外帮手、专业顾问
• 规则治理（7篇）：门禁、监控、自动化流程
• 项目组协同（8篇）：分身并行、自动化流水线、团队协作

四个关键要点：

Worktrees解决文件冲突——每个任务独立目录，多终端同时工作互不干扰。

Headless模式是自动化基石——claude -p让Claude融入脚本和CI/CD，配合--bare确保可复现。

GitHub Actions实现@claude自动化——在PR中@claude触发代码审查、功能实现、bug修复，代码不离开GitHub。

Agent Teams适合复杂协作——多Agent团队直接通信、共享任务列表，但Token成本显著更高，3-5人团队是最佳范围。

下一篇，我们回顾编码成熟之路——工作流体系与自评清单。十篇系列走到这里，是时候把所有知识串成一条完整的成长路径了。

互动话题

你的项目中，哪种并行策略最有用？是Worktrees隔离多个功能分支、GitHub Actions自动审查PR，还是Agent Teams组建AI项目组？来评论区分享你的并行开发经验。

---

智能编码进化论 | 第8篇/共10篇

上一篇：给AI定规矩：Hooks与权限工程

下一篇：编码成熟之路：工作流体系与自评清单

---

本文内容仅供学习交流，所述方法需结合实际场景灵活运用。 AI工具输出结果仅供参考，关键业务决策请结合人工判断。

本文由AI辅助创作，经人工审核编辑后发布。