claude-delegator是一个为 Claude Code 打造的开源插件：当任务超出 Claude 自身能力时，它会把复杂工作智能路由给 GPT（Codex）或 Gemini 专家代理，由 5 位领域专家负责分析与实施。本文讲清楚 GPT 与 Gemini 各适合什么任务，以及如何通过合理的路由策略显著降低 Token 成本。

是什么：把复杂任务交给 GPT 与 Gemini 专家

安装后，Claude 相当于组建了一支跨模型专家团队。每位专家既可以只读分析（Advisory），也可以动手改代码（Implementation）：

各专家的系统提示词定义在 prompts/ 目录下，例如 architect.md 和 security-analyst.md。

工作原理：双模型路由机制

Claude 充当"总调度"，流程如下：

1. 识别触发信号—— 每条消息都会扫描是否命中委派触发词（如"review this code"、"is this secure"），规则见 rules/triggers.md
2. 选定专家与模型—— 读取对应专家提示词，按任务特征选择 GPT 或 Gemini
3. 通过 MCP 委派—— 调用mcp__codex__codex或mcp__gemini__gemini工具
4. 合成回复—— Claude 消化专家输出并给出结论，绝不原样透传

其中 GPT 走 Codex CLI 原生mcp-server，Gemini 则通过内置桥接服务 server/gemini/index.js 暴露为 MCP 工具。完整编排逻辑可参考 rules/orchestration.md。

GPT还是Gemini？选择策略一览

项目内置了明确的路由规则（rules/model-selection.md），两个模型同时可用时：

两个模型的定位差异（来自 config/providers.json）：

• GPT（Codex）：优势在架构设计、代码评审、安全分析
• Gemini：优势在推理能力、大上下文、代码生成、多模态

💡实用技巧：你也可以主动指定，例如直接说"用 Gemini 评审这段代码"，Claude 会立即按你的要求路由。

成本优化：5个实用技巧

委派专家要消耗 Token，用对策略才能省钱：

1. 一次委派，给足上下文—— 结构完整的一次调用，胜过多次模糊调用。信息缺失导致的重试是最常见的成本浪费。
2. 单次调用 vs 多轮会话选对模式—— 独立咨询任务用单次调用（Single-shot）；链式实施步骤用多轮（Multi-turn），通过threadId保持上下文，专家"记得"上一轮，无需重复投喂背景。
3. 重试上限 3 次—— 实施类任务失败后自动多轮重试（带完整错误历史），3 次后升级给用户，避免无限烧钱。
4. 小事不委派—— 简单语法问题、第一次尝试的修复、琐碎文件操作，Claude 直接处理即可，省下的是真金白银。
5. 只在高价值任务上委派—— 架构决策、安全审计、卡了 2 次以上的疑难调试，才是值得请专家出场的场景。

⚠️注意：Claude Code 本身消耗的 Token 通常高于专家调用成本，委派前确认任务确实需要跨模型视角。

快速上手：3步启用双模型委派

前置要求：至少安装一个 CLI 工具——Codex CLI（GPT）或 Gemini CLI（Gemini），并完成登录认证（codex login或运行一次gemini）。

在 Claude Code 中依次执行：

/plugin marketplace add jarrodwatts/claude-delegator /plugin install claude-delegator /claude-delegator:setup

完成后，Claude 会自动检测你配置了哪些模型并开始智能路由。手动配置 MCP 的方式见 commands/setup.md。

常见问题速查

📌一句话总结：GPT 与 Gemini 不是二选一，而是各有所长——大上下文和日常推理优先 Gemini，架构与安全深度分析可交给 GPT；配合"给足上下文、限制重试、小事不委派"三原则，就能在享受多模型专家能力的同时把成本控制在合理范围。