完美的解决了gpt6.1聪明但是干活慢，deepseek在方案明确的前提下干活非常快但是遇到困难问题容易反复碰壁，自身能力也难以应对较大任务规划的问题
提示词的核心思路就是让gpt尽量把方案具体化、深入化，但是不执行。给deepseek分配适合单次（目标模式）执行的任务块，依赖本次执行结果暂时难以预测的任务放到后续调研。
给deepseek的提示词就是由gpt撰写的方案，里面明确规定了执行步骤和执行范围，如果执行过程中发现了需要脱离范围才能解决的问题，或者遇到难以执行的问题，就反馈给gpt。（在提示词中写明）
如此一来在人工参与下基本就能顺畅协作了 
缺点就是deepseek 直接走api是真的贵，每天如果赶上大活都得烧几十块，但是也没什么办法，反正有人给报销，造就完了 
DeepSeek直接work buddy反带出来用呀
工作比较需要可靠性和效率，还是官key最靠谱，反正有一定的报销额度
gpt是不给报销的，所以我舍不得开pro哈哈哈
大佬怎么做的呢？我也有类似的需求，但是gpt是订阅的，DeepSeek是api的，得反复切换啊
我目前就是在两个harness间人力切换，但据说有更自动化的方式，主要以这俩玩意的工作速度，基本上一个任务不管是gpt6去调研方案，还是deepseek去一口气执行，没个二三十分钟都下不来，二三十分钟手操一次我还是可以接受的
如果是linux开发环境的话就很好搞，windows可能麻烦一点
可以了解下trellis 这个项目
给codex做一个使用dsh cli的agent，应该就可以让它执行的时候用dsh去执行吧？
想过；但这样子的话，codex / dsh 的记忆、skills、mcp不方便同步，得经常来回搬运
方案不错佬，6.1sol 制定计划和审查，ds 执行，又快又准。
用CPA把gpt、ds放到一起就行了，接到codex中使用，主模型用gpt，子agent用ds干活
固化落实成文档，会不会好些。一般也就针对项目，统一标准
deepseek API真正算下来，是不如GPT订阅划算的
pi或者omp的/vibe模式呢, 跟你说的类似
我是在pi中使用的，主模型是deepseek-flash，advisor是gpt-6.1-sol；也可以反过来用subagents的方式，主模型gpt，子模型deepseek
执行完返回验收是codex这边，虽然没有很详细的执行过程，但记忆应该算是都在codex来管理。不过我现在是外挂了hindsight记忆库，多个agent统一管理，直接绕开了这个问题。
同样的思路，只是用上了终端复用器目前用的herdr，有配套skill
能保证模型在对应harness充分发挥，也解决了agent通信问题，佬友也许可以参考
我之前是claude出方案，gpt去执行，gpt干活细致不烧心，就是各种雷霆防御，claude在方案部分给了约束，整体效率提高不少
有报销就使劲造 管他这那的 反正官渠就是快