giga-coding-agent

核心用法

本 Skill 是一套完整的 AI 编码代理工具 orchestration 指南，核心设计哲学是 "workdir + background" 隔离模式。用户通过 bash workdir:<目录> background:true command:"<agent命令>" 的标准化模式，在受控目录中后台启动各类编码代理，实现非交互式自动化编程任务。

Skill 覆盖四大主流工具：

• Codex CLI：支持 --full-auto（沙盒自动批准）和 --yolo（无沙盒极速模式），专长于代码生成与 PR 审查
• Claude Code：Anthropic 官方 CLI 工具的后台调用
• OpenCode：开源编码代理方案
• Pi Coding Agent：轻量级 Node.js 代理，支持多模型提供商切换

高级用法包括：批量 PR 并行审查（通过 git fetch 预拉取所有 PR refs 后并发启动多个 Codex 实例）、git worktree 隔离并行修复多 Issue、以及 tmux 持久化交互会话管理。

显著优点

1. 工程化思维突出：强调目录隔离（workdir）、进程管理（sessionId 追踪）、并行化（army pattern）等生产级实践
2. 安全边界清晰：明确区分 --full-auto 与 --yolo 的风险等级，强制要求 PR 审查时隔离 clawdbot 主目录
3. 多工具兼容：统一抽象层适配不同厂商代理，降低切换成本
4. 可观测性设计：提供 process:log、、process:poll` 等标准监控接口
5. PR 质量规范：附带 "Razor Standard" PR 模板，强制要求人工可读描述、时间戳记录、测试验证等

潜在缺点与局限性

1. 外部依赖重：要求预装 codex/claude/opencode/pi 任一二进制，且版本行为可能漂移
2. 平台锁定风险：bash 和 process 技能为 OpenClaw 生态特有，迁移成本高
3. yolo 模式陷阱：文档虽警告 --yolo 危险，但示例代码中仍频繁出现，存在诱导误用风险
4. 无错误恢复机制：后台进程失败时需人工介入 process:kill 和清理
5. tmux 复杂度：并行 Issue 修复流程涉及 socket 管理、worktree 生命周期等，学习曲线陡峭

适合的目标群体

• AI-native 开发团队：已深度使用 Cursor/Copilot 等工具，希望自动化批量任务
• 开源维护者：需要并行审查大量 PR、批量处理 Issue 的项目管理员
• DevOps/平台工程师：构建内部 AI 编程工作流的基础设施团队
• 技术激进派开发者：愿意承担 --yolo 风险以换取极致效率的早期采用者

使用风险

1. 供应链风险：Codex CLI 等工具本身处于快速迭代期，API 和行为可能突变
2. 数据泄露：--yolo 模式无沙盒保护，代理可能读取敏感文件（文档明确警告勿在 ~/clawd// 运行）
3. 资源耗尽：并行"army"模式可能瞬间消耗大量 API 配额和本地计算资源
4. 代码质量不可控：自动生成的代码缺乏人工审查时可能引入安全漏洞
5. git 状态污染：误操作可能导致 clawdbot 自身仓库分支切换，破坏运行实例