大家好！

我正在尝试一种结构化的人工智能开发工作流程：使用ChatGPT/Codex或Claude等工具，结合MCP服务器、项目文档、技能和专门智能体。

我的设置中有一个主导智能体，它协调子智能体负责工程、产品设计、后端、安全和代码审查。它们都遵循相同的文档、设计系统、技术决策和生产标准。

这个工作流程很强大，但消耗使用限额的速度惊人——尤其是当智能体反复读取相同文件、调用MCP工具、检查仓库并共享大量上下文时。

我目前使用的是标准的个人方案，如ChatGPT Plus或Claude Pro，而不是昂贵的API或企业方案。我想了解其他开发者如何在常规方案限制内让这样的工作流程变得实用。

我正在考虑：

  • 仅在需要时激活专门智能体
    为每个智能体提供更小、任务特定的上下文
    维护简洁的事实来源。

  • 仅在相关时加载技能和MCP工具
    使用简短的任务合约，而不是完整的对话历史

  • 仅针对有意义的更改运行安全和审查智能体

  • 防止智能体重复相同的调查

有没有人用标准的ChatGPT或Claude方案搭建过类似的系统？

你们如何在不过度消耗限额的情况下保持质量和一致性？最大的问题是MCP使用、大上下文窗口、重复的仓库分析，还是涉及的智能体数量？

我很想听听哪些方法对你们有效，哪些看起来高效但实际上却成了消耗令牌的“怪兽”😅