主代理工作流

task_description = "构建一个用于创建任务的 FastAPI 端点。"

plan = planner.respond(f"请规划完成 {task_description} 的步骤")

implementation = coder.respond(f"实现该计划：{plan}")

review = reviewer.respond(f"审查以下代码：{implementation}")

模拟结果聚合

project_summary = {

"Task": task_description,

"Plan": plan,

"Code": implementation,

"Review": review

}

for k, v in project_summary.items():

print(f"{k}: {v}\n")

此模拟演示了多智能体编排的核心思想——每个 Claude 实例独立执行其角色，但共同维护一个共享状态。在实际应用中，你可以将 respond() 方法替换为真实的 API 调用，并通过队列、HTTP 端点或工作流引擎来添加消息路由。

说明表：多智能体角色与职责

| 智能体角色 | 主要功能 | 输入 | 输出 |
| --- | --- | --- | --- |
| Planner（规划者） | 将目标分解为可操作的步骤 | 用户需求 | 任务列表或工作流计划 |
| Coder（编码者） | 根据 Planner 的输出实现逻辑 | 技术方案 | 源代码或脚本 |
| Reviewer（审查者） | 评估正确性、清晰度和安全性 | 生成的代码 | 注释反馈或批准 |
| Deployer（部署者） | 运行并验证部署流程 | 已审查的代码 | 运行中的应用程序和日志 |

多智能体和子智能体工作流使 Claude 能够超越单一的对话界面，扩展为由专业化助手组成的协作生态系统。这种结构反映了现实世界中的工程团队，并允许 AI 系统大规模地进行推理、执行和验证。

在下一节中，你将通过构建一个由 Claude 驱动的团队助手进一步推进此架构，其中多个 Claude 智能体动态共享记忆和上下文，以实时管理软件项目——自动化相当于完整冲刺周期的流程。

## 9.2 使用 Claude 创建内部开发工具

每个现代工程团队都依赖内部工具——仪表板、自动化脚本、代码检查器、CI 流水线和文档生成器——来简化日常工作流。这些工具对于生产力至关重要，但由于构建和维护它们会消耗宝贵的工程时间，因此经常被忽视。Claude Code 可以彻底改变这一局面。凭借 Claude 的推理和生成能力，你可以比以往更快地设计、实施和维护内部工具，同时确保一致的质量和合规性。

在本节中，你将学习如何构建由 Claude 驱动的内部开发工具，例如自动化的更新日志生成器、测试覆盖率报告器和内部 API 监控器。你还将了解如何将 Claude 的输出直接集成到你的开发流程中，而无需外部依赖或复杂的编排层。

概念开发

内部工具通常具有三个共同特征：

1. 它们自动化重复性任务——开发人员每天都要做的事情，如格式化、代码验证和报告。
2. 它们需要访问项目数据——代码库、构建日志、问题跟踪器或 CI/CD 流水线。
3. 它们必须与代码库一同演进——随着技术栈的变化，工具也必须适应。

Claude 在这些特征上表现出色，因为它可以读取结构化输入（如提交差异或日志），推断意图，并动态生成相应的工具或输出。它通过将上下文转化为可操作的自动化，架起了推理与执行之间的桥梁。

常见的用例包括：

- 代码质量审计器——扫描反模式和不一致的命名。
- 更新日志生成器——将提交记录汇总为用户友好的更新说明。
- 新成员入职助手——根据源文件生成文档或设置脚本。
- 发布验证器——在部署前检查语义版本控制、依赖项更新和破坏性变更。

让我们看看 Claude 如何帮助创建这些内部工具之一——一个自动化的更新日志生成器——它能够汇总 Git 提交并输出一个分类清晰的 Markdown 更新日志。

# 实践示例：构建由 Claude 驱动的更新日志生成器

本示例演示了一个使用 Claude 根据 Git 提交历史生成结构化发布说明的 Python CLI 工具。该脚本可以在本地运行，也可以集成到你的 CI 流水线中。

```python
import subprocess
import json
from datetime import datetime