AFSIM仿真脚本生成（二）用Claude Code多Agent协作拆解复杂场景脚本的实战配置

1. 从单Agent到多AgentAFSIM复杂场景脚本生成的工程化拆解AFSIMAdvanced Framework for Simulation, Integration and Modeling是一套面向体系级作战仿真的建模框架它能做什么简单说就是把平台、传感器、武器、通信、行为逻辑用脚本描述出来让整个作战场景在计算机里跑起来。适合谁适合做体系仿真、装备效能评估、战术验证的工程人员和研究人员。我试过用单个对话窗口直接让模型生成一整套空战对抗脚本结果很典型平台定义能写传感器参数能编但一到有人机指挥无人机前出侦察、无人机把目标信息回传、有人机据此发射中距弹这种跨模块协同脚本就开始自相矛盾——平台文件里引用的传感器类型名和传感器文件里定义的对不上行为脚本里调用的处理器在处理器目录里根本不存在。这不是模型能力问题而是单Agent要同时记住几十个文件的接口约定认知负荷直接爆了。复杂场景脚本的本质是一个多模块、强依赖的工程问题。它天然需要分工有人负责需求拆解有人负责平台建模有人负责传感器有人负责行为树还得有人专门做集成校验。这正是多Agent协作要解决的问题。本篇聚焦工程化落地把场景描述→模块映射→脚本生成→校验这条链路拆成可复制的配置、提示词模板和校验动作让你在本地能完整复现。核心思路是用Claude Code作为编排入口通过CLAUDE.md维护全局上下文用标准化的Markdown文档作为Agent之间的接口每个专业Agent只对自己那一类脚本负责最后由集成Agent做交叉引用校验。下面从环境准备开始一步步把这条链路搭起来。2. TaoToken 前置准备给 Claude Code 接上稳定可用的模型通道Claude Code 本身是一个命令行编排工具它需要一个能稳定响应长上下文、支持工具调用的模型后端。多Agent协作场景下单次会话里会塞进需求文档、设计文档、多个脚本文件上下文长度很容易冲到几万token所以模型通道的稳定性和上下文窗口是硬指标。这里用 TaoToken 作为模型接入层。它的作用是提供一个兼容 Anthropic 接口规范的调用入口让 Claude Code 能直接指向它而不需要改 Claude Code 的源码。官网入口是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 基址是 https://taotoken.net/api 。你需要先拿到一个 API Key。进入控制台创建密钥https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 在 API Keys 页面生成https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。生成后复制保存后面配置环境变量要用。模型选择上多Agent协作建议用长上下文能力强的模型。你可以在模型对话页面先测一下响应质量https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 。如果只是做脚本生成和校验普通对话模型就够如果要让Agent自己跑测试、读报错、改脚本那需要支持工具调用的模型。接入文档在这里https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面有完整的接口说明和示例。Claude Code 的接入方式在文档里有专门章节核心就是设置两个环境变量ANTHROPIC_BASE_URL 和 ANTHROPIC_API_KEY。如果你用的是 Claude Code 的 Anthropic 兼容模式参考这个页面https://taotoken.net/claude-code-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentclaude-code-anthropicutm_campaignrewrite 。有一点要注意TaoToken 是模型接入层不是编辑器替代品它不改变 Claude Code 的工作方式只是把模型请求转发到可用的通道上。你的脚本文件、项目目录、Git 版本控制都还是在本地自己管理。3. 可复制配置CLAUDE.md、Agent 角色定义与任务分发模板这一节是整篇的核心直接给可复制的配置片段。路径和文件名保持和实际项目一致你复制到本地就能用。3.1 项目目录结构先在本地建一个 AFSIM 项目根目录结构如下afsim_multiagent/ ├── CLAUDE.md ├── docs/ │ ├── 需求理解.md │ ├── 详细设计.md │ ├── 开发计划.md │ └── 已知问题.md ├── agents/ │ ├── platform_agent.md │ ├── sensor_agent.md │ ├── weapon_agent.md │ ├── comms_agent.md │ ├── behavior_agent.md │ └── integration_agent.md ├── platforms/ ├── sensors/ ├── weapons/ ├── comms/ ├── behaviors/ ├── processors/ └── signatures/3.2 CLAUDE.md 全局上下文配置CLAUDE.md 是 Claude Code 的全局上下文文件放在项目根目录每次会话自动加载。内容如下# AFSIM 多Agent协作项目 ## 项目目标 生成可运行的 AFSIM 复杂场景脚本采用多Agent分工协作模式。 ## 协作规则 1. 所有Agent间接口以 docs/ 下的 Markdown 文档为准 2. 每个专业Agent只负责自己目录下的脚本文件 3. 脚本中引用的类型名必须与定义文件中的名称完全一致 4. 任何跨模块引用必须先查 docs/详细设计.md 确认接口 ## 目录约定 - platforms/ 存放平台定义脚本 - sensors/ 存放传感器定义脚本 - weapons/ 存放武器定义脚本 - comms/ 存放通信定义脚本 - behaviors/ 存放行为树脚本 - processors/ 存放处理器脚本 - signatures/ 存放信号特征文件 ## 命名规范 - 平台platform_型号.txt - 传感器sensor_型号.txt - 武器weapon_型号.txt - 行为behavior_平台_场景.txt ## 校验要求 每个脚本生成后必须执行 1. 语法检查检查括号配对、分号结尾 2. 引用检查检查所有 include 的文件是否存在 3. 类型检查检查引用的类型名是否在对应目录有定义3.3 Agent 角色定义文件以平台Agent为例agents/platform_agent.md 内容# 平台脚本开发 Agent ## 角色 你负责 AFSIM 平台定义脚本的生成只输出 platforms/ 目录下的文件。 ## 输入 - docs/详细设计.md 中的平台配置章节 - signatures/ 目录下的信号特征文件名 ## 输出格式 每个平台一个文件使用 AFSIM 平台定义语法 platform 平台名 基类型 icon 图标 side 阵营 mover 运动模型 end_mover sensor 传感器名 end_sensor weapon 武器名 end_weapon end_platform ## 约束 - 平台名必须与详细设计文档一致 - 引用的传感器/武器名必须与 sensors/weapons 目录下的定义一致 - 运动模型参数必须包含位置、速度、航向传感器、武器、通信、行为Agent的定义文件结构类似只是把输出目录、语法模板、约束条件换成对应领域。集成Agent的定义要额外加一条负责扫描所有脚本的 include 语句生成引用关系表。3.4 任务分发提示词模板在 Claude Code 里你不需要手动切换Agent而是通过提示词把任务分发给对应角色。模板如下读取 agents/platform_agent.md按该角色定义执行任务。 输入docs/详细设计.md 第 2 节平台配置。 输出platforms/ 目录下所有平台脚本文件。 完成后列出生成的文件清单和每个文件引用的外部类型。传感器任务把角色文件换成 sensor_agent.md输入章节换成传感器配置章节输出目录换成 sensors/。行为Agent的任务要额外传入平台和传感器的接口清单避免行为树里调用不存在的处理器。3.5 脚本片段校验配置在项目根目录放一个校验脚本 check_refs.py用 Python 扫描所有脚本的 include 和类型引用import os, re, sys ROOT os.path.dirname(os.path.abspath(__file__)) DIRS [platforms, sensors, weapons, comms, behaviors, processors] defined set() for d in DIRS: p os.path.join(ROOT, d) if not os.path.isdir(p): continue for f in os.listdir(p): if f.endswith(.txt): defined.add(os.path.splitext(f)[0]) missing [] for d in DIRS: p os.path.join(ROOT, d) if not os.path.isdir(p): continue for f in os.listdir(p): if not f.endswith(.txt): continue fp os.path.join(p, f) with open(fp, encodingutf-8) as fh: for i, line in enumerate(fh, 1): m re.search(rinclude\s(\S), line) if m: ref os.path.splitext(os.path.basename(m.group(1)))[0] if ref not in defined: missing.append(f{fp}:{i} - {ref}) if missing: print(引用缺失) for x in missing: print( , x) sys.exit(1) print(引用检查通过共定义, len(defined), 个类型)这个脚本不依赖 AFSIM 本体纯文本扫描跑起来很快。每次Agent生成完一批脚本就执行一次能提前拦住大部分跨模块引用错误。4. 验证请求与成功结果跑通一次完整的多Agent生成链路配置搭好后用一个小场景验证整条链路。场景描述红方2架有人机4架无人机协同蓝方4架有人机编队对抗空域200km×200km初始距离120km。第一步在 Claude Code 里发起需求理解任务读取 agents/ 下所有角色定义。 当前任务需求理解。 输入场景红方2架有人机4架无人机协同蓝方4架有人机编队对抗空域200km×200km初始距离120km。 输出docs/需求理解.md包含作战双方、平台数量、空域、评估指标。模型会生成一份需求文档你检查平台数量、空域范围、评估指标是否齐全。确认后进入设计阶段。第二步发起详细设计任务读取 docs/需求理解.md 和 agents/ 下所有角色定义。 当前任务详细设计。 输出docs/详细设计.md包含平台清单、传感器清单、武器清单、通信拓扑、行为逻辑概要。 每个清单项必须给出唯一的类型名。这一步的输出是后续所有Agent的接口依据。重点检查类型名是否唯一、是否有重名冲突。第三步分发平台脚本生成任务读取 agents/platform_agent.md 和 docs/详细设计.md 第2节。 生成 platforms/ 下所有平台脚本。生成完成后执行校验脚本python check_refs.py如果输出引用检查通过说明平台脚本引用的传感器、武器类型都能在对应目录找到定义。如果报引用缺失说明平台脚本引用了还没生成的传感器这时候要么先补传感器定义要么调整平台脚本的引用。第四步依次分发传感器、武器、通信、行为任务每完成一类就跑一次校验。全部通过后集成Agent做最终检查读取 agents/integration_agent.md。 扫描 platforms/ sensors/ weapons/ comms/ behaviors/ 所有脚本。 输出docs/已知问题.md列出所有未解析引用、命名冲突、缺失定义。成功的结果是check_refs.py 返回通过docs/已知问题.md 里没有未解析引用所有脚本的 include 路径都能在项目内找到对应文件。这时候把整个目录打包就可以导入 AFSIM 做语法解析了。实测下来一个中等复杂度的空战场景从需求到脚本全部生成完毕大约需要 6 到 8 轮对话每轮之间用校验脚本卡一道比单Agent一次性生成再反复修错要快得多而且错误定位更清晰。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth多Agent链路跑起来后报错主要集中在模型通道和脚本引用两类。下面按真实报错逐个排查。5.1 401 Unauthorized现象Claude Code 发起请求后立即返回 401提示 authentication failed。原因ANTHROPIC_API_KEY 没设置、设置错了或者环境变量没生效。排查步骤先在终端确认环境变量echo $ANTHROPIC_API_KEY echo $ANTHROPIC_BASE_URL如果 API Key 为空重新导出export ANTHROPIC_BASE_URLhttps://taotoken.net/api export ANTHROPIC_API_KEY你的key注意 Base URL 不要带末尾斜杠也不要带 UTM 参数接口地址就是 https://taotoken.net/api 。如果 Key 是从控制台复制的检查有没有多余空格或换行。设置完重新打开一个终端窗口再试避免旧环境变量残留。5.2 local proxy failed现象请求发出后报 local proxy failed 或 connection refused。原因本地网络环境或代理配置导致请求没发出去。这里不讨论任何网络工具只排查本地配置。排查步骤先确认 Base URL 拼写正确然后检查是否有残留的 HTTP_PROXY / HTTPS_PROXY 环境变量指向了不存在的本地端口env | grep -i proxy如果有临时清掉unset HTTP_PROXY HTTPS_PROXY再重试。如果还是失败用 curl 直接测接口连通性curl -s -o /dev/null -w %{http_code} https://taotoken.net/api返回 200 或 401 都说明网络通返回 000 说明请求根本没发出去检查本地 DNS 和防火墙规则。5.3 reading choices 报错现象模型返回内容解析失败日志里出现 reading choices 相关错误。原因通常是模型返回格式和 Claude Code 期望的格式不匹配或者返回内容被截断。排查步骤先确认用的模型是否支持工具调用。多Agent场景下 Claude Code 会发工具调用请求如果模型不支持返回结构里没有 choices 字段就会报这个错。在模型对话页面测一下目标模型是否正常返回https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 。如果模型支持但偶发这个错检查单次请求的上下文长度。多Agent场景下 CLAUDE.md 加多个文档很容易超过模型窗口超长会导致返回被截断。解决办法是把 docs/ 下的文档拆小每次只加载当前任务需要的章节而不是整个文档全塞进去。5.4 OAuth 相关报错现象提示 OAuth token expired 或 OAuth flow failed。原因Claude Code 的某些版本会尝试走 OAuth 流程但你的接入方式是 API Key两者冲突。排查步骤确认 Claude Code 的配置模式是 API Key 模式而不是 OAuth 模式。检查配置文件里是否有残留的 OAuth 字段有就删掉。环境变量方式接入时确保只设置了 ANTHROPIC_API_KEY没有同时设置 OAuth 相关的变量。如果 Claude Code 版本较老升级到最新版新版本对 API Key 模式的支持更干净。5.5 脚本引用类报错现象check_refs.py 报大量引用缺失或者 AFSIM 导入时报 undefined type。原因Agent 生成脚本时用了简写类型名或者不同Agent对同一个类型用了不同命名。排查步骤打开 docs/详细设计.md确认每个类型名是唯一的、完整的。然后检查各Agent的输出是否严格使用了设计文档里的类型名。常见坑是平台Agent把传感器写成 radar_1而传感器Agent定义的是 sensor_apg81名字对不上。解决办法是在 CLAUDE.md 里加一条硬约束所有类型名必须从详细设计文档复制禁止自行简写。集成Agent的校验任务里也要加一条扫描所有脚本列出与设计文档不一致的类型名。6. 语义一致 CTA把这条链路用起来多Agent协作生成 AFSIM 脚本核心不是让模型一次写多少代码而是把工程约束固化到配置和校验里。CLAUDE.md 管全局规则角色文件管分工边界校验脚本管引用一致性三者配合才能让多轮生成的结果收敛。如果你要复现这条链路先去拿一个 API Keyhttps://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 然后照着接入文档把 Claude Code 的环境变量配好https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。配置过程中如果遇到模型选择问题可以在模型对话页面先测几个模型的长上下文表现https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 。如果你打算长期跑这类编码和Agent任务而不是一次性生成可以看一下 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 它在长会话和多轮工具调用场景下更合适。Claude Code 的 Anthropic 兼容接入细节在 https://taotoken.net/claude-code-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentclaude-code-anthropicutm_campaignrewrite 。最后给一个实用建议每次Agent生成完脚本不要急着导入 AFSIM先跑 check_refs.py再让集成Agent扫一遍命名一致性。这两步能拦掉八成以上的低级错误剩下的才是真正的建模逻辑问题。把校验前置比事后在 AFSIM 里对着报错逐行找要省太多时间。