1分层调度架构
总管分派 · 本地执行2角色说明
三层职责边界总管(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:
3模型分工
按能力与成本分配| 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
以截断测试为准截断测试: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
6 条执行约定-
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。
-
②HTML 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
谁来执行这一步7为什么这样分
公开评测 · 附出处与日期- Terminal-Bench 4.1(tbench.ai,实时榜,4.1 于 2026-11-09 发布):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。[1]
- 每解决一题的花费(2026-11-18):GPT-6.2 Sol 约 1.72 美元,Grok 4.7 约 28.78 美元;口径是作者用 Terminal-Bench 官方总费用除以成功次数算出。[2]
- token 用量(2026-09-21):Artificial Analysis 显示,Grok 4.7(xhigh)在其 Intelligence Index 中每题约用 81k 个输出 token,GPT-6 Astra(max)约 27k,大约是 3 倍。[3]
- WebDev Arena(页面日期 2026-11-20):Gemini 4 Carbon 1769、GPT-6.2 Astra 1766、Gemini 4 Neon 1765,分差只有几分,可以算基本持平;Claude Opus 5.5 为 1819,更高。[4]
- SVG 生成榜(benchmark.ai,2026-11-22 更新):gpt-6.2-astra 排第 1(1526)。[5]
- 论文《Can LLMs Catch a Rigged Backtest? A Clean-Control Calibration Benchmark》(FinNLP 2026 workshop,2026-10-28):用开放式提示审查时,48 个干净对照里有 45 个被误报,误报率约 93.8%。所以以截断测试为准。[6]
- 一位开发者的实践(dev.to,2026-11-17):一位作者用 Claude Code 规划和验收、Codex 执行的 152 张任务卡的实践记录,对应本工作流里「贵模型规划、便宜模型执行」的思路;这是个人经验,不代表业界普遍做法。[7]
资料来源(共 7 条)
- Terminal-Bench 4.1 实时榜(tbench.ai) 日期:2026-11-09 https://www.tbench.ai/
- 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/
- 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
- WebDev Arena 排行榜 页面日期:2026-11-20 https://arena.ai/leaderboard/code/webdev
- benchmark.ai SVG 生成榜 日期:2026-11-22 https://www.benchmark.ai/svg
- 《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
- 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