Beggar：让 CodeBuddy 多 Agent 协作研发成本直降 90% 的开源套件
内容提要
Beggar是一套多Agent配置方案，通过模型分工、双重审查和自动升级，降低AI编程成本并确保质量。它将研发流程拆分为九个角色，优化模型使用，提供三档预设以适应不同场景，适合个人开发者和小团队使用。
关键要点
-
Beggar是一套多Agent配置方案，通过模型差异化分工、双重审查和自动升级，降低AI编程成本并确保质量。
-
研发流程拆分为9个角色，每个角色匹配能力够用的最便宜模型，以优化模型使用。
-
提供三档预设，适应不同场景：经济型、平衡型和质量型，用户可按需切换。
-
双Reviewer交叉审查，确保代码质量，避免单一模型的系统性盲区。
-
审查不通过时，自动升级到更高级Coder重写，最多3轮，确保质量保障。
-
Leader角色不直接写代码，负责任务分解和调度，确保角色边界清晰。
-
适合个人开发者、小团队和关键项目，提供不同的成本和质量平衡方案。
延伸解读
多角色分工的优势
Beggar通过将研发流程拆分为九个角色，确保每个角色使用最适合的模型，从而降低成本并提高效率。这种分工不仅优化了资源配置，还能避免单一模型的盲区，提升代码质量。对于个人开发者和小团队来说，这种灵活的角色配置能够有效应对不同项目的需求。
质量保障机制
Beggar的双Reviewer交叉审查机制为代码质量提供了强有力的保障。主审和辅审分别关注实现质量和技术合理性，确保代码在多个维度上都经过严格审查。此外，审查不通过时的自动升级机制，能够在不依赖人工干预的情况下，迅速提升代码质量，降低了项目风险。
适用场景与预设选择
Beggar提供三档预设，用户可以根据项目需求灵活选择。经济型预设适合个人项目，平衡型适合日常开发，而质量型则适用于关键项目。这种按需切换的灵活性，使得开发者能够在成本和质量之间找到最佳平衡，提升开发效率。
延伸问答
Beggar的主要功能是什么？
Beggar是一套多Agent配置方案，通过模型分工、双重审查和自动升级，降低AI编程成本并确保质量。
Beggar如何优化AI编程成本？
Beggar将研发流程拆分为九个角色，每个角色匹配最便宜的模型，以优化模型使用，降低成本。
使用Beggar的三档预设有什么优势？
Beggar提供经济型、平衡型和质量型三档预设，用户可以根据项目需求灵活切换，达到不同的成本和质量平衡。
Beggar如何确保代码质量？
Beggar采用双Reviewer交叉审查机制，确保代码质量，避免单一模型的盲区，并在审查不通过时自动升级到更高级的Coder。
Beggar适合哪些用户群体？
Beggar适合个人开发者、小团队和关键项目，提供不同的成本和质量平衡方案。
如何安装和使用Beggar？
用户可以通过命令行安装Beggar，使用curl命令下载并初始化，然后选择预设启动开发流程。
