【免费下载链接】three-man-team
A structured 3-agent AI dev team — Architect, Builder, Reviewer. Built from production use. Token-optimized. Works with Claude Code, VS Code, Cursor, and any AI that supports context files.
three-man-team 是一个结构化的三 Agent AI 开发团队框架,内置 Architect、Builder、Reviewer 三个角色,支持 Claude Code、VS Code、Cursor 等环境。本文讲解如何为这三个 Agent 分别指定不同的 Claude 模型,在能力与成本之间取得最佳平衡。
为什么三个Agent不该用同一个Claude模型
three-man-team 的核心理念是:三个角色,三种职责。Arch(Architect)负责规划和部署,Bob(Builder)负责写代码,Richard(Reviewer)负责把关质量。
三个角色的"脑力需求"完全不同:
- Arch需要理解整个系统、做架构决策、把控部署——需要最强的推理能力
- Bob只需按 Brief 精确构建,任务边界清晰——中等能力即可
- Richard的输入是 Bob 列出的具体文件清单,审查范围有限——快速模型完全够用
如果三个 Agent 全部跑在最强模型上,你为大量"低难度任务"支付了最高价格。而反过来,用便宜模型跑 Architect,又会在最关键的设计环节翻车。按角色分配模型,是 three-man-team 成本优化的进阶关键。
三种可用Claude模型ID速查
three-man-team 官方文档(自 v1.2.0 起支持按 Agent 指定模型)提供了三个模型 ID:
| 模型 ID | 定位 | 适合的角色 |
|---|---|---|
claude-opus-4-7 | 能力最强(most capable) | Arch(Architect) |
claude-sonnet-4-6 | 均衡(balanced) | Bob(Builder) |
claude-haiku-4-5-20251001 | 最快(fastest) | Richard(Reviewer) |
这三个 ID 在 templates/project-folder/new-setup.md 中有明确说明,Arch 在首次配置时会直接问你这个问题。
四套推荐搭配方案
根据项目类型选择方案,默认推荐第一套(也是项目文档给出的示例组合):
| 方案 | Arch | Bob | Richard | 适用场景 |
|---|---|---|---|---|
| ⭐均衡推荐 | Opus | Sonnet | Haiku | 大多数项目的最佳性价比 |
| 💰 成本优先 | Sonnet | Sonnet | Haiku | 小项目、日常维护 |
| 🚀 能力优先 | Opus | Opus | Sonnet | 复杂架构、高难度业务逻辑 |
| 🪶 轻量模式 | Sonnet | Haiku | Haiku | 单文件级小改动 |
选择原则:Arch 的模型决定项目上限,Bob 的模型决定交付速度,Richard 用更快的模型几乎不影响审查质量——因为他的输入范围(Bob 列出的文件 +git diff)本身就很小。
三种配置方式实操
方式一:首次设置时直接告诉 Arch(最推荐)
three-man-team 的初始化流程 templates/project-folder/new-setup.md 内置了第 4 个配置问题:
4. Agent models (optional)— 默认 Bob 和 Richard 使用你当前会话激活的模型。如果你想为每个 Agent 指定不同模型(比如 Opus 给 Arch、Sonnet 给 Bob、Haiku 给 Richard),现在告诉我就行。
你只需回答"Opus for me, Sonnet for Bob, Haiku for Richard",Arch 会自动做两件事:
- 把每个 Agent 的目标模型以注释形式写入 ARCHITECT.md 的 Briefing 区域,紧跟在对应 Agent 的启动提示词上方,形成持久记忆
- 之后每次通过 Agent 工具启动子 Agent 时,自动带上
model参数
方式二:启动子Agent时传递model参数
three-man-team 采用"单会话 + 子 Agent"模式:Arch 是主 Agent,Bob 和 Richard 由 Arch 通过 Claude Code 的 Agent 工具按需启动。因此模型分配发生在启动子 Agent 的那一刻——在 Agent 工具调用中传入model: "[model-id]"即可,例如:
Agent( prompt: "You are Bob on this project...", model: "claude-sonnet-4-6" )这个机制写在 templates/project-folder/ARCHITECT.md 的 "Briefing Bob" 和 "Briefing Richard" 两节,generic 模板 templates/generic/ARCHITECT.md 中同样有对应说明。
方式三:手动粘贴提示词前切换模型
如果你不用 Agent 工具、而是手动把 Agent 提示词粘贴到新会话,那么只需在粘贴前切换到目标模型即可。三种方式效果等价,选顺手的。
注意默认行为:不做任何配置时,所有 Agent 都继承当前会话的模型。也就是说,如果你日常会话用 Sonnet,那么 Bob 和 Richard 也默认跑 Sonnet——这通常比全 Opus 省得多,但比推荐搭配略贵。
模型分配只是成本优化的一半
three-man-team 把 token 纪律写进了结构而非口号,模型分级要和 token 优化配合才有复利效应:
- Role-Scoped Loading(按角色加载):Builder 从不加载完整项目规格,Reviewer 从不加载数据库 schema,每个角色只读自己职责内的文件
- Checkpoint-First(检查点优先):用
handoff/SESSION-CHECKPOINT.md替代重读完整日志 - RTK(可选):压缩
find、ls、grep的 bash 输出,通常再省 50-70% 的 bash 输出 token
完整的 token 纪律见 docs/token-optimization.md。模型分配管"用哪个大脑思考",token 优化管"少思考多少"——两者叠加才是完整的成本控制。
常见问题
改了模型分配后怎么确认生效?在会话中让 Arch 展示下一次启动 Bob / Richard 的 Agent 调用,确认model参数已带上即可。Arch 会在 ARCHITECT.md 中留有注释备忘,不会每次会话都"忘记"你的偏好。
项目类型变了,要换搭配吗?可以随时换。重新告诉 Arch 新的模型组合,它会更新 ARCHITECT.md 中的注释;或者临时在某次 Agent 调用里直接传不同的model参数,只影响那一次启动。
为什么不是三个都用 Opus?能力过剩的 Agent 不会让产出更好,只会让账单更贵。three-man-team 的 Reviewer 环节本身已经保证了质量下限——Richard 不过关的工作打回重做。所以把 Opus 集中在 Architect 这一个"决策源头"上,是性价比最高的分配方式。
小结:three-man-team 的模型分配机制通过 new-setup.md 的第 4 个配置问题、ARCHITECT.md 中的model参数注释、以及 Agent 工具调用的model参数三层落地。记住一句话:Opus 规划、Sonnet 构建、Haiku 审查——能力给该给的地方,成本花在刀刃上。
【免费下载链接】three-man-team
A structured 3-agent AI dev team — Architect, Builder, Reviewer. Built from production use. Token-optimized. Works with Claude Code, VS Code, Cursor, and any AI that supports context files.
相关推荐
如何用 Cline CLI 的 --config 与 --thinking 为任务不同阶段路由不同模型控制成本?
如何用 Cline CLI 的 config 与 thinking 为任务不同阶段路由不同模型控制成本? 如果你的 Cline CLI 任务里既有"写个摘要"这
人工智能AI 应用AI Agent代码智能体自主智能体工具调用MCP Clients开发工具交互助手浏览器控制three-man-team架构原理揭秘:单会话多Agent如何实现?Bob与Richard为何必须前台运行
three man team架构原理揭秘:单会话多Agent如何实现?Bob与Richard为何必须前台运行 three man team 是一个结构化的 AI
每个 SDD 阶段跑不同大模型:Agent Teams Lite 搭配 OpenCode 多模型路由与后台委托进阶教程
每个 SDD 阶段跑不同大模型:Agent Teams Lite 搭配 OpenCode 多模型路由与后台委托进阶教程 Agent Teams Lite 是一套
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考