影片筆記：14K Star Claude Code 开源桌面端，5个AI自己分工干活了！

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 全文快速校讀發現待確認修正

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：⚠️ 全文快速校讀：已套用暫定修正，請確認（segment=1 已先套用暫定修正：剩下的事情,谁在写前端,谁在写后端,谁在做测试,谁在做review,不是我一个一个安排的,是他们自己在分空,他们做完自己手上的任务以后,他还会自己去领下一件事情。 → 剩下的事情,谁在写前端,谁在写后端,谁在做测试,谁在做review,不是我一个一个安排的,是他们自己在分工,他们做完自己手上的任务以后,他还会自己去领下一件事情。；segment=22 已先套用暫定修正：那这个agent teams也是anthrobial官方他首次提出来的一个实验性的功能。 → 那这个agent teams也是anthropic官方他首次提出来的一个实验性的功能。）
• 待修正：逐字稿可先使用，但有待校正清單（segment=28 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

影片介紹了 Anthropic 提出的實驗性功能「Agent Teams」，並展示了如何在第三方工具 cc-haha 中實現其可視化與應用。該功能允許 5 個 AI Agent 自我分工、溝通與協作（如前後端開發、測試、Review），由「隊長」統籌與「成員」執行，雖耗費大量 Token 但緩存率高，適合複雜開發任務。

核心重點

• Agent Teams 核心概念：
• 允許 AI Agent 之間進行自我分工、溝通與協作，而非由使用者單一下達指令。
• 包含「隊長」（創建成員與共享任務列表）與「成員」（領取任務、執行、標記完成並領取新任務）的角色分工。
• 運作機制：
• 單一命令下，5 個 AI Agent 同時工作。
• 自我分工機制：寫前端、寫後端、測試、Review。
• 任務領取與遞進：完成當前任務後自動領取下一件。
• 內部溝通：隊長指派、私信、匯報、系統消息。
• 資源與效率：
• 範例任務消耗約 4000 萬 Token。
• 緩存率達 99%，顯示高重複性內容的高效處理。
• 適用性評估：
• 並非所有任務都適合使用 Agent Teams。
• 簡單任務可直接使用 subagent。
• 需要創建團隊協作的複雜開發任務才適合使用此功能。
• 開源與可視化：
• 相關代碼（包括可視化與底層邏輯）已開源，供使用者克隆與分析。

詳細大綱

1. Agent Teams 運作原理展示

• 演示單一命令下，5 個 AI Agent 同時工作的場景。
• 展示自我分工機制：涵蓋寫前端、寫後端、測試、Review 等環節。
• 說明任務領取與遞進邏輯：成員完成當前任務後自動領取下一件。
• 呈現內部溝通方式：包括隊長指派、成員間的私信、匯報及系統消息。

2. 角色與界面結構

• Agent Teams 隊長：負責創建成員、創建共享任務列表。
• 成員：負責執行任務、標記完成、領取新任務。
• 任務依賴關係：界面清晰展示整體任務依賴。
• 通訊協議：右側展示 Agent 間的通訊協議。

3. cc-haha 中的功能配置與使用

• 功能來源：Anthropic 官方首次提出的實驗性功能，在 Claude Code 上亦為實驗性質。
• 版本要求：需更新至最新版本（提及版本 0.6.3）。
• 設定路徑：設置 -> 關於/版本 -> 通用配置 -> 開啟 Agent Teams。
• 操作步驟：

1. 提示詞中加入「使用 agent teams」。
2. 模型進行規劃（如契約定義、設計文檔、前後端協作）。
3. 模型創建具體成員。
4. 界面出現卡片，點擊可回到 Agent Teams 頁面。

4. 資源消耗與適用場景評估

• Token 消耗：範例任務消耗約 4000 萬 Token。
• 緩存效率：緩存率達 99%。
• 適用性判斷：
• 不適合：簡單任務可直接使用 subagent。
• 適合：需要創建團隊協作的複雜開發任務。

5. 資源分享與結語

• 代碼開源：celled 代碼及可視化代碼均在倉庫中。
• 建議：感興趣者可克隆倉庫，讓 Agent 分析底層原理。
• 回顧：提及早期影片曾講過 Agent Teams 的協作原理。
• 結尾：感謝觀看，預告下期內容。

工具 / 模型 / 名詞整理

• cc-haha：影片作者使用的工具/平台，內建 Agent Teams 可視化功能。
• Claude Code：Anthropic 官方工具，Agent Teams 在此為實驗性功能。
• Anthropic：提出 Agent Teams 實驗性功能的公司/模型開發方。
• Claude：隱含提及的模型系列（透過 Anthropic 與 Claude Code 關聯）。
• Agent Teams：核心功能/概念名稱。
• subagent：用於對比的其他代理類型。
• celled：逐字稿中提及的代碼相關詞彙（疑點：可能為特定代碼庫名稱或拼寫錯誤，保留原樣）。
• APS：逐字稿中提及「整個的这个 APS 是怎么设计的」，在軟體開發語境下較少見，疑為聽寫錯誤，但依規則僅標註為疑點。

操作流程整理

1. 環境準備：

• 確保使用工具（如 cc-haha 或 Claude Code）更新至最新版本（提及版本 0.6.3）。
• 進入設置路徑：設置 -> 關於/版本 -> 通用配置。
• 開啟「Agent Teams」功能。

1. 發起任務：

• 在提示詞中明確加入「使用 agent teams」。

1. 模型規劃與創建：

• 模型自動進行規劃（例如：契約定義、設計文檔、前後端協作）。
• 模型自動創建具體的 Agent 成員。

1. 監控與互動：

• 界面出現卡片，點擊可回到 Agent Teams 頁面。
• 觀察隊長與成員的通訊協議及任務依賴關係。
• 確認任務完成狀態及新任務的領取。

值得注意的限制或風險

• 資源消耗巨大：範例任務消耗約 4000 萬 Token，需評估成本效益。
• 功能實驗性質：Agent Teams 在 Anthropic 官方工具及第三方工具中均為實驗性功能，穩定性可能未達生產環境標準。
• 適用場景限制：並非所有任務都適合，簡單任務使用 subagent 可能更合適，錯誤使用可能導致資源浪費。
• 可視化依賴：部分功能依賴第三方工具（如 cc-haha）的可視化實現，需確認工具兼容性。

逐字稿辨識疑點

• cc-haha：產品/工具名稱，聽起來較特殊，需查證是否為正確拼寫（如是否為 c-c-haha 或其他變體）。
• 0.6.3：版本號，需查證是否為 cc-haha 或相關工具的正確版本號。
• celled：逐字稿中提及「agent teams 所有的包括他那個 celled 代碼」，此詞彙意義不明，疑為聽寫錯誤或特定內部代碼名稱，需查證。
• 4000 萬 token：Token 消耗量級，需查證是否為合理數值或口誤。
• APS：逐字稿中提及「整個的这个 APS 是怎么设计的」，在軟體開發語境下較少見，疑為「API」或「APP」的聽寫錯誤，但依規則僅標註為疑點，不更正。
• segment 28: rapid_semantic_review — 全文速讀上下文判斷；尚未回聽或交叉比對：此段內容僅基於速讀判斷，尚未經過回聽或交叉比對，可能存在誤解或遺漏，請謹慎參考。

可延伸追問

• cc-haha 工具與 Anthropic 官方 Claude Code 在實現 Agent Teams 上有何具體技術差異？
• 4000 萬 Token 的消耗對於一般開發者而言是否可接受？是否有優化成本的建議？
• celled 代碼倉庫的具體內容與功能是什麼？如何克隆與使用？
• 除了 subagent 和 Agent Teams，還有其他哪些代理協作模式值得探索？
• Agent Teams 的通訊協議具體格式為何？是否可自定義？