你同时开着 Claude Code、Codex、Grok、Kimi 四个终端窗口，手动复制粘贴上下文，扮演人肉消息总线。
这是 2026 年 AI 编程的拧巴现实：工具多到溢出来，但你只能一次用一个。
有人受够了。他用 Rust 写了一个后台进程，让 7 个 AI 编程助手互相当同事——Claude 拆任务，Codex 干活，Grok 参谋，Kimi 扫尾，你从 Telegram 或飞书发一条消息，结果第二天推到群里。
GitHub 仓库 firstintent/ccteam，628 星，25 个 fork，5 个月 1817 次提交，22 个 release，MIT 协议开源。
不是替代，是连接
ccteam 的定位很清醒——它不替代任何一个厂商工具。Claude Code 依然是 Claude Code，Codex 依然是 Codex。它只做厂商们缺的那一层：协调层。
- 身份：同一个项目里，哪个 session 是「主架构师」、哪个是「执行者」，ccteam 替你记住
- 路由：自然语言说「让 Codex 实现 RFC-12 跑测试，让 Grok 同时做 profile，Kimi 扫 rename」，它自己分配
- 交付保证：at-least-once 通知、幂等键、子 session 的 turn 先落盘再通知父 session
- 预算可见：每个 delegation 产生费用即时入账，日上限到了拒绝新任务但不中断当前
Rust 写的守护进程常驻后台，低资源，跨重启稳定。6 个 MCP 工具（agent、agent_read、agent_stop、status、chat_send_file、screenshot），接口小到任何 Claude session 接入就能用，没有学习曲线。
怎么用？
ccteam 给了五种姿势：
1. Telegram / 飞书远程操控——paste 一个 bot token，聊天窗口变成完整控制台。下班前 /new codex effort=high 派活，早上看结果。有 [approve] [deny] 人机交互按钮，文件直接推到群。
2. Web 控制台——安装后 ccteam status 打印局域网链接（http://<lan-ip>:7331/?token=…），浏览器打开就是聊天壳。选项目→选主机→选厂商→选模型，一发消息 session 就起来。还内置了 6 套「阵型模板」：（指挥官+团队）、（司机+顾问）、交叉审查、对比测试、研究三角、成本金字塔。
3. 从 Claude 内部调度——注册后的 session 可以用自然语言雇佣其他 session，6 个 MCP 工具在底层自动运行。比如：「Spawn 一个 Codex session 实现 RFC-12 跑测试；同时 Grok profile 热点路径、Kimi 扫全仓库 rename；收集结果汇总给我。」
4. 多机器组网——卫星节点用 join token 注册，笔记本 NAT 后面也能拨出。GPU 服务器的项目 spawn 进去，测试就跑在 GPU 那台机器上，控制台只看一份账单。
5. Flow 引擎——用代码编队——当工作流是已知形状时，写 JS 脚本（agent()/parallel()/pipeline()/phase()）而不是写 prompt。Run 被 journal 记录，daemon 重启后 --resume 继续，worker 比 runner 命长。
还有 policy hook（<project>/.ccteam/hooks/pre-agent），任何可执行文件，每一次 delegation 都重新读取——不管发起方是人、agent 还是 flow。stdin 传入调用者信息和配额表，exit 0 允许，exit 2 拒绝并把 stderr 原样传回调用 agent。
不是没代价
ccteam 解决的确实是真实痛点，但有几个需要注意的地方：
Token 开销翻倍。多 agent 协作意味着上下文被反复复制——每个子 session 都要读任务描述、要汇报结果、父 session 要汇总。Agent Loop Multiplier 效应在这里会被放大：不是一份 token，是 N+1 份。
bus factor 脆弱。4 个 contributor，主作者 firstintent 占绝对主导。1817 次提交的仓库，依赖一个人的维护节奏。这不是批评——5 个月 22 个 release 本身就是高强度证明——但如果你要把 ccteam 嵌进生产流程，这个单点需要考量。
它管不了 vendor 自己的账单。ccteam 的 ledger 告诉你「今天花了多少 delegation」，但它不会控制 Claude Code 自己在一轮 session 里的 token 燃烧——那是厂商端的事。成本可见 ≠ 成本可控。
本地资源密集。同时跑 3-4 个 vendor CLI（Claude Code + Codex + Grok + Kimi），每个都有自己的 node/Python 进程和内存占用。50 个 session 的 Team 页面截图看起来很爽，但你得先有能跑 50 个 session 的机器。
判断
ccteam 在做一个正确的方向——AI 编程工具的竞争已经从前端能力（谁补全得准、谁 refactor 得漂亮）转向了协调层（谁能把多个工具编成一队）。
5 个月 1817 次提交、22 个 release——这个迭代速度远超大多数开源项目。Rust 做后台是对的选择：常驻、低资源、跨重启稳定。6 个 MCP 工具的接口足够小，以至于你现有的 Claude Code session 接入就能立刻用。
最有价值的设计决策不是技术，是路由是纯文字。你不是在配 YAML，你是在说话。这些文字可以被 git 版本控制——你的团队策略是可审计、可复现的。
ccteam 可能不会变成下一个 10 万星项目。但你用过一次「躺在床上从 Telegram 派活、早上起来看 Codex 和 Grok 的交叉审查结果」之后，很难回到 alt-tab 复制粘贴的日子。
相关链接：
暂无评论。