首页
/ ECC `/multi-frontend` 命令实战:前端多模型编排工作流(研究 → 构思 → 计划 → 执行 → 优化 → 评审)

ECC `/multi-frontend` 命令实战:前端多模型编排工作流(研究 → 构思 → 计划 → 执行 → 优化 → 评审)

2026-09-07 17:27:15作者:魏献源Searcher

本文以 docs/es/commands/multi-frontend.md 为主体,详解 ECC(The agent harness performance optimization system)中 /multi-frontend 命令的完整工作流:它如何以 Gemini 为前端权威、Codex 为辅助参考、Claude 负责编排与写盘,围绕"组件设计、响应式布局、UI 动画、样式优化"组织一次六阶段多模型协作开发。读完本文,你能掌握该命令的调用方式、各阶段职责划分、会话复用机制,以及"外部模型零写权限"这一安全边界的设计依据。

命令定位与调用方式

/multi-frontend 是 ECC 命令集中专门面向前端场景的多模型编排命令。在 docs/COMMAND-REGISTRY.json 中它被登记为 type: orchestration,描述为 "Run a frontend-focused multi-model workflow for components, layouts, animation, and UI polish"(针对组件、布局、动画与 UI 打磨的前端多模型工作流),对应实现文件为 commands/multi-frontend.md

基本用法:

/frontend <UI 任务描述>

任务描述会绑定到工作流的 $ARGUMENTS 变量,贯穿后续所有阶段。适用场景包括:

  • 组件设计(diseño de componentes)
  • 响应式布局(layout responsivo)
  • UI 动画(animaciones de UI)
  • 样式优化(optimización de estilos)

前置条件:ccg-workflow 运行时

该命令属于 ECC 的 multi-* 系列,基础安装并不包含其运行依赖。英文版命令文档 commands/multi-frontend.mdREADME.md 均明确说明:

  • 需要先执行 npx ccg-workflow 初始化外部运行时;
  • 该运行时会供给 ~/.claude/bin/codeagent-wrapper 可执行文件与 ~/.claude/.ccg/prompts/* 角色提示文件,这两者正是命令内部跨模型调用所依赖的外部资源;
  • 缺少该运行时时,multi-* 命令无法正确运行。

COMMANDS-QUICK-REF.md/multi-frontend 归入 "Planning & Architecture" 分区,与 /multi-plan/multi-workflow/multi-backend/multi-execute 并列,可视为同一编排家族的"前端特化"成员。

角色分工:三个模型如何协作

文档定义了明确的"前端编排者"(Orquestador Frontend)角色,Claude 自身承担编排职责,并管理三个协作模型之间的信任边界:

模型 角色 信任级别
Gemini UI/UX 前端 前端权威,观点可信(Autoridad frontend, confiable)
Codex 后端视角 前端相关观点仅供参考(solo como referencia)
Claude(自身) 编排、计划、执行、交付 所有代码写入与文件操作由 Claude 完成

这种"权威分级"是该命令的核心设计:当 Gemini 与 Codex 在前端问题上意见冲突时,以 Gemini 为准;Codex 的价值主要在于后端视角(如接口契约、数据流)对前端方案的补充。

六阶段主工作流

整个流程严格遵循固定顺序:Investigación → Ideación → Plan → Ejecución → Optimización → Revisión,每个阶段的回复必须以模式标签开头(如 [Modo: Investigación]),便于追踪当前所处环节。

阶段 0:提示词增强(可选)

[Modo: Preparar] — 若 ace-tool MCP 可用,则调用 mcp__ace-tool__enhance_prompt$ARGUMENTS 做增强;不可用时直接沿用原始参数。

对照英文版命令 commands/multi-frontend.md,这里有一个值得注意的细节:增强后的结果会替换原始的 $ARGUMENTS,用于后续所有对外部模型的调用,保证下游各阶段拿到的是同一份高质量需求描述。

阶段 1:研究(Investigación)

[Modo: Investigación] — 理解需求并收集上下文,包含两步:

  1. 代码检索:拉取项目中已存在的组件、样式与设计系统(design system)。英文版命令给出了具体实现路径——若 ace-tool MCP 可用则调用 mcp__ace-tool__search_context;否则使用内置工具组合:Glob 做文件发现、Grep 做组件/样式搜索、Read 做上下文收集、Task(Explore 代理)做深度探索;
  2. 需求完整度评分(0–10 分):得分 ≥7 才继续推进;<7 则必须停下向用户补充信息。

这道"完整度闸门"防止在需求模糊时贸然进入设计阶段,是整个工作流的第一道质量防线。

阶段 2:构思(Ideación)

[Modo: Ideación] — 由 Gemini 主导的分析环节,必须调用 Gemini,要求产出:

  • UI 可行性分析
  • 至少 2 个推荐解决方案
  • UX 评估

关键约束:保存返回的 SESSION_ID(记为 GEMINI_SESSION)供后续阶段复用。文档明确要求向用户呈现至少 2 个方案,并等待用户选择后才进入下一阶段。

阶段 3:计划(Plan)

[Modo: Plan] — 仍由 Gemini 主导,但改用 resume <GEMINI_SESSION> 复用阶段 2 的会话,避免重复传递上下文。要求产出:

  • 组件结构(Estructura de componentes)
  • UI 流程(flujo de UI)
  • 样式方案(enfoque de estilos)

Claude 负责综合(synthesis)各模型输出形成最终计划,经用户批准后保存到 .claude/plan/nombre-tarea.md。这形成了"外部模型出分析、Claude 出计划、用户出批准"的三方确认链。

阶段 4:执行(Ejecución)

[Modo: Ejecutar] — 代码开发阶段,三条硬性要求:

  • 严格遵循已批准的计划;
  • 遵循项目既有的设计系统与代码标准;
  • 确保响应式(responsividad)与可访问性(accesibilidad)。

注意:本阶段不要求再调用外部模型,写盘工作全部由 Claude 完成。

阶段 5:优化(Optimización)

[Modo: Optimizar] — 再次必须调用 Gemini,输入是阶段 4 的改动(git diff 或代码内容),要求输出四类问题的清单:

  • 可访问性问题
  • 响应式问题
  • 性能问题
  • 设计一致性问题

整合评审反馈后,需用户确认才执行优化改动。

阶段 6:质量评审(Revisión)

[Modo: Revisión] — 最终评估,对照批准的计划逐项检查完成度,再次核验响应式与可访问性,并输出问题与改进建议报告。

跨模型调用规范与会话复用

西语文档以"保存 SESSION_ID、后续 resume"的方式描述了会话机制,而英文版 commands/multi-frontend.md 给出了完整的调用协议,两者互为印证:

新会话调用语法

Bash({
  command: "~/.claude/bin/codeagent-wrapper {{LITE_MODE_FLAG}}--backend antigravity - \"$PWD\" <<'EOF'
ROLE_FILE: <角色提示路径>
<TASK>
Requirement: <增强后的需求(未增强时为 $ARGUMENTS)>
Context: <项目上下文与前序阶段分析结果>
</TASK>
OUTPUT: 期望的输出格式
EOF",
  run_in_background: false,
  timeout: 3600000,
  description: "简要描述"
})

会话续接调用只需在命令中插入 resume <SESSION_ID>

~/.claude/bin/codeagent-wrapper {{LITE_MODE_FLAG}}--backend antigravity resume <SESSION_ID> - "$PWD" <<'EOF'
ROLE_FILE: <角色提示路径>
...(同上)
EOF

协议要点:

要素 说明
ROLE_FILE 按阶段选取的角色提示文件,存放于 ~/.claude/.ccg/prompts/
每次调用返回 SESSION_ID: xxx,后续阶段用 resume xxx 复用
保存变量 阶段 2 保存 ANTIGRAVITY_SESSION,阶段 3、5 使用 resume
超时 timeout: 3600000(毫秒),前台同步执行(run_in_background: false

需要说明的是:西语文档(Gemini 主导)与英文源命令(Antigravity 主导)在"权威模型"命名上存在版本差异——docs/es/commands/multi-frontend.md 使用 GEMINI_SESSION 变量与 Gemini 后端,英文源命令则使用 ANTIGRAVITY_SESSION 与 antigravity 后端;两者共享同一套"调用 → 保存会话 ID → resume 复用"的会话协议。以当前仓库中西语文档的实际文字为准,会话变量名为 GEMINI_SESSION

关键规则:外部模型的写权限为零

文档末尾的 "Reglas Clave" 是整套工作流的安全基石,共四条:

  1. Gemini 的前端观点可信(Las opiniones frontend de Gemini son confiables);
  2. Codex 的前端观点仅供参考(solo de referencia);
  3. 外部模型对文件系统拥有零写入权限(cero acceso de escritura al sistema de archivos);
  4. Claude 负责所有代码写入与文件操作

从源码结构看,这一约束与 multi-* 家族的定位一致:docs/COMMAND-REGISTRY.json/multi-execute 的描述明确写着 "preserving Claude as the only filesystem writer"(保持 Claude 为唯一文件系统写入者)。外部模型(无论 Gemini 还是 Codex)通过 codeagent-wrapper 以"咨询者"身份接入,只产出分析与建议;所有落盘动作——修改组件、调整样式、写入计划文件 .claude/plan/nombre-tarea.md——都由 Claude 在本地完成。这一设计使得多模型协作不引入额外的写入副作用,任何阶段出错都可以安全回滚。

与其他多模型命令的关系

/multi-frontend 不是孤立命令,而是 ECC 多模型编排矩阵中按"关注面"切分的一个特化入口:

  • /multi-plan:只做多模型协作规划,不改动生产代码(multi-plan 在注册表中还关联了 accessibility 技能);
  • /multi-execute:执行多模型实现计划,同样保持 Claude 为唯一写盘者;
  • /multi-backend:后端侧特化版本;
  • /multi-workflow:覆盖研究、规划、执行、优化、评审的完整多模型开发流。

选型建议:如果你只需要一份前端实现计划而不想动代码,用 /multi-plan;如果任务是明确的前端 UI 工作(组件、布局、动画、样式打磨),/multi-frontend 提供了最贴切的阶段划分与模型信任分级。

总结

ECC 的 /multi-frontend 命令把"多模型协作"落成了可复制的确定性流程:需求完整度打分决定是否开工,Gemini 作为前端权威主导构思/计划/优化三个环节,会话 ID 复用减少上下文重复传递,用户选择与批准作为阶段间的显式闸门,而"外部模型零写权限 + Claude 统一写盘"的规则保证了协作过程的安全与可回滚。配合 ccg-workflow 运行时(npx ccg-workflow)与 codeagent-wrapper 调用协议,这套流程可以直接用于组件设计、响应式布局、UI 动画与样式优化等前端任务。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
33
18
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.14 K
2.76 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
860
1.35 K
docsdocs
暂无描述
Markdown
899
5.83 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
925
1.85 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.84 K
1.02 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
533
601
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
1.03 K
525
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.37 K
1.46 K
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
548
395