Claude Code負責人公開本地開發流程：不用Copilot、不聯網、全靠本地Agent協作

用AI輔助寫代碼，總會遇到網絡延遲、隱私擔憂、工具鏈割裂這些問題。Claude Code的負責人Boris Cherny最近在X上分享了他的日常做法：完全不用Copilot，不聯網，所有工作都由本地Agent協作完成。不少硅谷工程師仔細看了他的終端截圖，發現這不是在炫技，而是一套可以復現的AI自動化工作流。

他的工作流具體怎么做？

Boris的終端里運行著三個本地Agent，各司其職：

1. 代碼生成Agent：基于Claude模型，但完全離線，跑在本地的Ollama上。
2. 測試Agent：自動監聽代碼文件變更，觸發Jest測試并生成覆蓋率報告。
3. 部署Agent：檢測到測試通過后，自動構建Docker鏡像并推送到本地Registry。

一個關鍵細節：這三個Agent之間不通過HTTP API通信，而是用Unix管道和文件監聽來傳遞數據。比如，代碼生成Agent寫完一個文件，測試Agent通過chokidar監聽到這個變更，立刻啟動測試——延遲低于200ms，比調用云端API快一個數量級。

這和Agent協議趨勢有什么關系？

Boris的做法看起來有點“復古”，但實際上踩中了MCP（模型上下文協議）和A2A（Agent-to-Agent）協議正在解決的核心問題：

• MCP強調的“上下文本地化”：他的Agent直接讀取本地文件系統、Git歷史、項目依賴樹作為上下文，能獲取的信息比云端Agent深得多。
• A2A追求的“低耦合協作”：三個Agent通過標準輸入輸出流通信，任何一個Agent崩潰都不會影響整體——這正是A2A協議里“進程級隔離”的一種實踐。

行業動向：LangChain最近推出的LocalAIAdapter、HuggingFace的transformers-agent本地模式，都指向同一個方向：把Agent的“身體”留在本地，只讓“大腦”偶爾上云。

三個可以直接用的實戰技巧

技巧1：用Named Pipe替代HTTP API

# 創建命名管道
mkfifo /tmp/agent_comm

# Agent A寫入
echo "test_passed" > /tmp/agent_comm

# Agent B讀?。ㄗ枞降却?read status < /tmp/agent_comm

好處：沒有網絡開銷，進程間通信延遲極低，適合需要高頻協作的場景。

技巧2：本地模型與云端模型的混合路由

# 判斷任務該交給本地還是云端模型

![配圖](http://m.nhjb.com.cn/usr/uploads/covers/cover_mcp_20260513_081641.jpg)

def route_task(task):
    if contains_sensitive_data(task):  # 如果包含API密鑰、客戶數據等
        return LocalOllamaAgent()       # 走本地Llama3
    else:
        return ClaudeAPIAgent()         # 復雜推理任務走云端

實際效果：有電商團隊采用類似方案后，每月API成本降低了超過70%，并且客戶數據完全沒有離開本地環境。

技巧3：用文件監聽實現“無API協作”

const chokidar = require('chokidar');
const watcher = chokidar.watch('./src', {
  ignored: /(^|[\/\\])\../, // 忽略隱藏文件
  persistent: true
});

watcher.on('change', (path) => {
  console.log(`檢測到${path}變更，啟動測試Agent...`);
  spawn('node', ['./agents/test-agent.js', path]);
});

實測效果：比輪詢檢測節省了大量CPU資源，從代碼變更到測試啟動的延遲從幾秒降到了半秒左右。

需要注意的幾個坑

1. 上下文窗口限制：本地模型（如Llama3）通常只有8K上下文，需要設計一個上下文摘要Agent，定期壓縮歷史對話。
2. 資源競爭：如果多個Agent同時讀寫同一個文件會沖突——使用文件鎖（flock）或消息隊列來解耦。

3. 調試困難：建議給每個Agent定義統一的日志格式，方便追蹤問題：

   [2024-06-15 14:30:22][CodeAgent] 生成函數calculateTotal() → 耗時1.2s

可以立即開始的行動

1. 今天就能試：用mkfifo創建一個命名管道，讓兩個簡單的腳本通過管道通信（很快就能跑通）。
2. 本周可落地：在現有項目中引入chokidar監聽文件變更，實現“保存即測試”。
3. 進階方向：研究MCP協議中local_resource字段的定義，嘗試把本地Git倉庫作為Agent可訪問的上下文源。

核心思路：未來的AI開發可能不是“人+Copilot”，而是“人調度一組Agent”。Boris的工作流之所以引起關注，是因為他提前實踐了一種更自主、更本地化的AI協作模式。