花费 600 亿 token、10000+ 次 AI 对话，打造首款中文多 AI 协同工作站 SpectrAI

光谱SpectrAI

243人浏览 · 2026-05-29 00:26:47

光谱SpectrAI · 2026-05-29 00:26:47 发布

CSDN 软文：600 亿 Token 数据驱动版（首发稿）

平台调性：百度 SEO + 技术博客。前 3 段堆关键词，正文带技术架构与实测数据，结尾留下载入口。
发布目标：24 小时内被百度收录，搜"多 AI 协同"“AI vibeCoding 工具”"Claude Code 工作站"能找到。
文章分类：人工智能 / 开发工具 / AIGC
预估字数：5000 字左右

备选标题（3 选 1）

《花费 600 亿 Token、10000+ 次 AI 对话：首款中文多 AI 协同工作站 SpectrAI 深度实测》（推荐 — 数据钩子 + 关键词密度）
《Claude Code + Codex + Gemini 一站打通：2026 最强 AI vibeCoding 工作站实测》（技术向）
《国产 AI 协同工作站 SpectrAI 上手指南：多 Agent、工作流、任务面板全功能拆解》（教程向，吃长尾）

摘要（CSDN 必填，约 150 字）

本文评测国产 AI 编程工具 SpectrAI —— 一款累计消耗 600 亿 Token、经历 10000+ 次 AI 对话打磨的 中文多 AI 协同工作站。底层整合 Claude Code、Codex CLI、Gemini CLI 与自研 Adapter，可一键接入 OpenAI、DeepSeek、Kimi、通义、Claude、Gemini 等几乎所有主流大模型。核心能力包括 多 Agent 会话、Agent Team 协作、原型设计、工作流编排、任务面板 与 高度自定义配置。本文从架构、协同、能力矩阵、横向对比四个维度做深度实测，适合关注 AI vibeCoding、多 Agent 编排、AI 工具选型 的开发者。

标签（10 个以内）

AI编程 多AI协同 vibeCoding Claude Code Codex CLI Gemini CLI Agent Team 工作流编排 SpectrAI 国产AI

正文

一、前言：2026 年我们为什么需要"多 AI 协同工作站"？

2026 年，AI 编程工具进入"军阀混战"阶段。Claude Code、Codex CLI、Gemini CLI、Cursor、Copilot、Aider 各占山头，每一家强项都不同：

Claude Code 在复杂推理和长文档理解上吊打全场
Codex CLI 写算法和工程代码接近碾压
Gemini CLI 多模态（读图、读视频）是独家能力
Cursor 在 IDE 内嵌交互上无人能敌

每一家都有自己的杀手锏，但每一家都不能覆盖你工作流的全部。

作为开发者，你不可能为了用 Claude 推理一段代码、用 Codex 写测试、用 Gemini 读截图，就同时开三个终端、三个账号、三个独立上下文 —— 这是当下 AI 编程工具 用户的最大痛点。

这就是为什么我们需要 多 AI 协同工作站 —— 一个把这些异构 AI 工具 统一调度、统一上下文、统一编排 的桌面应用。

今天评测的 SpectrAI，就是把这件事做到极致的国产 AI 工具。

开发数据先放出来：截至本文发稿日，SpectrAI 团队用 SpectrAI 自己开发 SpectrAI，累计消耗 600 亿 Token、9979 个会话、10000+ 次 AI 对话（开发期指挥中心截图可见，文末附图）。这套数据，可能是国内最早一批 AI 自举开发 产品的实证。

600亿Token金句卡片

图 1：600 亿 Token 是这一年的全部答案 / 9979 会话 / 10000+ 对话

二、一组开发期数据先开场

指标	数据
累计 Token 消耗	60960.3M（≈ 609 亿 Token）
累计 AI 对话会话	9979 次（其中 8 个长期活跃）
均值	6.1M Token / 会话
同时并行 Agent	3 运行 + 5 等待输入 + 0 异常
常驻工作流	10 个
风险会话	6 个（低风险，已自动告警）

这组数据来自 SpectrAI 指挥中心 —— 它本身也是产品的核心功能之一：实时监控所有 Agent 会话的 Token、事件、时长、状态。

SpectrAI 产品定位：首款 中文多 AI 协同工作站，核心卖点四条：

底座融合 —— 一站集成 Claude Code、Codex CLI、Gemini CLI、SpectrAI 自研 Adapter
全模型接入 —— 通过协议适配层接入 OpenAI、DeepSeek、Kimi、通义千问、Claude、Gemini、小米 MiMo 等几乎所有主流模型
多 Agent 协同 —— 多 Agent 会话、Agent Team 团队、Supervisor 调度、Worktree 隔离
工作站级能力矩阵 —— 原型设计、工作流编排、任务面板、MCP 网关、Skill 系统

技术栈：Electron 28 + React 18 + TypeScript 5 + better-sqlite3 + node-pty + Vite。

600亿Token七模型分布饼图

图 2：600 亿 Token 七模型分布饼图

完整桌面端主界面

图 3：完整桌面端主界面（左侧文件树 / 中间会话视图 / 右侧 56 会话列表）

三、技术架构：四个底座 + 全模型接入

SpectrAI 的底层架构可以理解为 “CLI 集线器 + 协议翻译层” 两层。

3.1 CLI 集线器：四套底座统一调度

SpectrAI 在 Electron 主进程通过 node-pty 启动并管理四套 AI 编程 CLI：

SpectrAI Main Process
 ├── claude-code   # Claude 官方 CLI（推理 / 长上下文）
 ├── codex-cli     # OpenAI Codex CLI（算法 / 代码生成）
 ├── gemini-cli    # Google Gemini CLI（多模态 / 视频理解）
 └── claude-sdk    # SpectrAI 自研适配层（SDK 模式 / 协议翻译）

每个底座 独立进程、独立上下文、独立 Token 计费。你可以同时跑 4 个底座、调度不同模型、处理不同任务，Supervisor Agent 负责把任务路由到合适的子 Agent。

3.2 协议翻译层：接入"所有"模型

SpectrAI 的 Provider 层抽象出一个 统一适配协议，可以把 OpenAI / Anthropic / DeepSeek / Kimi / Gemini / 通义 的不同 API 协议翻译成 Claude Code / Codex CLI 能识别的格式。

实际意义：你可以 用一份 Anthropic API Key 调 DeepSeek、用一份 OpenAI Key 调 Claude —— 成本可以做到原生的 1/5 到 1/10。

截止本文，SpectrAI 团队已经实测接入并通过连通性测试的 Provider 包括：Claude Code 官方、Codex 官方、Gemini CLI 官方、DeepSeek（v4-flash / v4-pro）、Kimi、通义千问（Qwen-Max / Plus）、小米 MiMo（v2-omni / v2-pro / v2.5）、以及自部署中转层。

Supervisor调度桑基图

图 4：Supervisor 调度桑基图

四、核心能力一：多 Agent 会话 + Supervisor 调度

这是 SpectrAI 的"王牌技能"。

单 Agent 时代：你给 AI 一个任务，它跑完返回结果。
多 Agent 时代：Supervisor Agent 拿到大任务后，拆分 → 派发 → 并行执行 → 汇总评审，你只看最终交付物。

在 SpectrAI 的 指挥中心 里，可以看到：

实时会话监控：每个 Agent 的 Token 用量、事件数、运行时长
风险会话榜：超时、失败、异常会话自动告警
活动类型分布：读取、心跳、搜索、命令、回复的实时分布柱状图
工作区热度榜：多项目并行时，各 Workspace 的活跃度排行

实测截图中，一个 Supervisor 会话（Agent: 实现 SpectrAI 配置导出/导入(AES 加密)）16 分钟内完成 153 个事件，并行带起多个子 Agent 完成调研、实现、评审，前端 Token 列为 0（走 SDK 模式不在前端计费，真实成本汇总在指挥中心）。

裁剪后聚焦会话视图

图 5：裁剪后聚焦会话视图

五、核心能力二：Agent Team 团队协作

如果说"多 Agent 会话"是 单兵作战，那 Agent Team 就是 编队作战。

在 Agent Team 模式下，你可以预先编排一组角色：

Architect（架构师） — 出方案
Coder（实现者） — 写代码
Reviewer（评审员） — 跑 lint、测试、给 review 评分
QA（质量员） — 跑 e2e、回归测试

它们按你定义的 DAG（有向无环图）流转，每一步交付物自动喂给下一步，失败自动回滚，通过自动合并。

这种模式特别适合 复杂功能开发：比如"实现 SpectrAI 配置导出/导入（AES 加密）"—— 前置需要调研加密算法、设计协议、写实现、写测试、做 review，全程一个 Supervisor 兜底，Agent Team 自动跑完。

我们用SpectrAI自己开发SpectrAI

图 6：我们用 SpectrAI 自己开发 SpectrAI / vibeCoding 自举开发

六、核心能力三：原型设计 + 工作流编排 + 任务面板

原型设计：SpectrAI 内置 Pencil 设计编辑器（.pen 文件），可以让 Agent 直接画原型图、画 UI 草图，然后驱动 Agent 把设计图变成代码。这一步把"产品 → 开发"的中间损耗压到最低。

工作流编排：类似 n8n 的可视化工作流，但 每个节点都可以是一个 Agent。你可以画 “GitHub Issue 来了 → Agent 分诊 → Agent 修复 → Agent 提 PR → Agent 通知 Slack” 这样的全自动管道。截图中显示已有 10 个常驻工作流。

任务面板：看板式任务管理，每张卡片绑一个 Agent。卡片在"待办 → 进行中 → 评审中 → 完成"之间流转，每次状态变化都触发 Agent 行动。

这三个组件加起来，基本覆盖了 AI vibeCoding 的所有交互形态：对话、画图、流程、看板。

七、核心能力四：高度自定义配置

这是 SpectrAI 比一般 AI 工具走得更深的地方：几乎所有行为都可以被配置。

Provider 配置：每个底座可以独立配置 API endpoint、Key、模型、temperature、超时
Hook 配置：在 Agent 生命周期任意节点（spawn / stop / complete / fail）注入 shell 命令
Skill 系统：平台预装 59 个内置 Skill，且支持从 GitHub 仓库一键安装第三方 Skill
MCP 网关：兼容 Model Context Protocol 的任意工具，目前已集成 19+ 个外部 MCP（数据库查询、SSH 远程、Chrome 自动化、Pexels 素材库、ElevenLabs 语音、FFmpeg 视频编辑等）
配置导入 / 导出：AES 加密 的全量配置打包，跨设备秒级迁移

实测：从全新安装到完整复用上一台机器的所有配置（Provider、Skill、Hook、Workflow），AES 加密配置包只需 导入一次。

八、横向对比：SpectrAI vs 同类产品

维度	Cursor	Claude Code（裸用）	SpectrAI
多 AI 底座	单（自研）	单（Claude）	4 套（Claude + Codex + Gemini + 自研）
多模型支持	部分	Anthropic 系	全模型（含国产）
多 Agent 协同	单 Agent	弱（需手动 spawn）	Supervisor + Team
工作流编排	无	无	可视化 DAG
任务面板	无	无	看板式
原型设计	无	无	内置 Pencil
MCP 集成	部分	支持	19+ 外部 MCP 网关
Skill 系统	无	内置	59 内置 + 一键装第三方
配置可移植性	弱	弱	AES 加密导入 / 导出

结论：

如果你只做 单文件编辑，Cursor 依然是首选
如果你做的是 多 Agent 编排 / 复杂工作流 / 多模型混搭，SpectrAI 是目前国内能找到的 最完整的一站式方案

九、实测：5 个 Agent 并行干 5 件事

这是截图里能看到的真实场景，同一时间窗口同一开发者机器：

任务	时长	事件数
CodeGraph 探查：supervisor 子 agent provider 选择逻辑修复	6m	27
Adapter 切换字段清空问题修复	12m	54
Agent: 实现 SpectrAI 配置导出/导入（AES 加密）	16m	153
Provider 连通性测试方案评审	24m	45
GPT-5 模型 temperature 参数兼容问题修复	25m	76