1分层调度架构

用户 总管(Grok Bot) AI总管 调度四个模型助手 各功能机器人 12 个,杂活交给 Grok 四个模型助手 · 用户 Mac 上的本地命令行 Claude助手 Claude Code 大型项目规划 GPT助手 Codex 写代码、改代码 Gemini助手 Antigravity Gemini 4 Neon Grok助手 Cursor CLI Grok 4.7

2角色说明

总管(Grok Bot)

所有任务的入口,负责分派和核对交付,管理机器人、定时任务、记忆和连接器;有证据时可以反驳用户。

AI总管

专门调度四个模型助手(Claude助手、GPT助手、Gemini助手、Grok助手)。

功能机器人

覆盖项目、待办、知识沉淀、日常资讯与即时提醒等专项场景:

项目管家 待办管家 知识页 资料助手 flomo笔记 灵感本 单词本 财经早报 每日优质资产 消息哨兵 公众号收藏 每日AI

3模型分工

模型 定位与配置 负责范围
Claude 成本最高 最贵,只做大型项目规划 拆解子任务、给每个子任务指定模型。
Codex(GPT) 代码主力 写代码和改代码的主力 回测内核、结算、实盘代码一律交给它;也负责 HTML 报告里的复杂图表。
Gemini 含于 AI Pro 已包含在 AI Pro 订阅里 负责 HTML 页面排版、回测代码独立审查、重要事实的第二来源核对。
Grok 4.7 最高配置 一律用最高配置(上下文 500K、推理强度 Extra High、快速版) 简单脚本和代码片段,以及杂活:摘要、初稿、分类归并、项目扫描、复习题。

4回测审查流程

① Codex 写回测内核和结算 ② Gemini 独立审查 必须给出具体行号 并提示:很多代码其实是干净的 ③ 截断测试(最终依据) 把数据截短后重算信号 信号结果是否不变? 不变 变了 通过 可以交付 用到了未来数据 退回 Codex 修改 再走一遍流程 两个模型意见一致,不算通过 是否通过只看截断测试的结果

截断测试:把数据截短后重算信号,结果必须不变,否则说明用到了未来数据。

5关键规则

  1. ①
    回测内核和结算:Codex 写,Gemini 审。审查必须给出具体行号,并提示它很多代码其实是干净的,以减少误报。最终以截断测试为准:把数据截短后重算信号,结果必须不变,否则说明用到了未来数据。两个模型意见一致不算通过。
  2. ②
    HTML 报告:Gemini 做页面,Codex 做专业量化图表(对数净值、水下回撤、滚动夏普、月度热力图、因子 IC、参数敏感性);所有数字直接从数据读取,交付前抽查。
  3. ③
    本地项目任务整件交给本地命令行做,总管只负责派活和核对。
  4. ④
    联网与离线:Mac 在线、且这一步不用联网时,交给模型助手;Mac 离线、超过 30 分钟没回复,或需要联网时,由 Grok Bot 自己完成。联网查资料始终由机器人自己做,查好的材料再交给模型加工。判断流程见第 6 节。
  5. ⑤
    各机器人把杂活交给 Grok:资料助手的摘要、待办管家的周回顾、灵感本的归类、单词本的小测、财经早报和每日优质资产的初稿。消息哨兵和公众号收藏要求即时,自己做。
  6. ⑥
    用户发任务一律找总管;很明确的小事可以直接找对应的机器人。

6联网与离线判断

这一步需要联网吗? 不需要 Mac 在线吗? 在线 交给模型助手 Grok Bot 自己做 需要 离线 超 30 分钟 没回复 联网查资料始终由机器人自己做, 查好的材料再交给模型加工。

7为什么这样分

Terminal-Bench 4.1 得分(实时榜) 4.1 于 2026-11-09 发布;括号内为推理档位,细线为 ± 0% 25% 50% 75% 100% Claude Opus 5.5(max) 65.8% ±3.1 GPT-6.2 Sol(max) 61.5% ±2.8 Gemini 4 Neon(xhigh) 61.2% ±2.8 Grok 4.7(xhigh) 38.8% ±3.6
资料来源(共 7 条)
  1. Terminal-Bench 4.1 实时榜(tbench.ai) 日期:2026-11-09 https://www.tbench.ai/
  2. AI Coding Model Leaderboard(作者用 Terminal-Bench 官方总费用除以成功次数算出每题花费) 日期:2026-11-18 https://iotdigitaltwinplm.com/ai-coding-model-leaderboard-november-2026-swe-bench-verified-terminal-bench-aider-polyglot-scores-an/
  3. Artificial Analysis:Benchmarking Grok 4.7(Intelligence Index 输出 token 用量) 日期:2026-09-21 https://artificialanalysis.ai/articles/benchmarking-grok-4-7
  4. WebDev Arena 排行榜 页面日期:2026-11-20 https://arena.ai/leaderboard/code/webdev
  5. benchmark.ai SVG 生成榜 日期:2026-11-22 https://www.benchmark.ai/svg
  6. 《Can LLMs Catch a Rigged Backtest? A Clean-Control Calibration Benchmark》(FinNLP 2026 workshop) 日期:2026-10-28 https://aclanthology.org/2026.finnlp-1.4.pdf
  7. dev.to:Claude Code Plans, Codex Builds(一位开发者的 152 张任务卡实践记录) 日期:2026-11-17 https://dev.to/tomxiaoyz/claude-code-plans-codex-builds-what-152-task-cards-taught-me-about-governing-two-coding-agents-2c2k