Cook：一個用於編排 Claude Code 的簡單命令列介面工具

背景

Cook 是一款專為 Claude Code、Codex 與 OpenCode 設計的命令列介面（CLI）編排工具，旨在透過簡單的語法定義複雜的 AI 工作流。它引入了工作單元、循環運算子（如重複執行與審查機制）以及組合運算子（如並行版本比較）等概念，讓開發者能以宣告式的方式管理 AI 代理人的任務執行，解決了單次對話難以處理複雜、多步驟工程任務的痛點。

社群觀點

針對 Cook 的出現，Hacker News 社群展開了關於 AI 編排工具必要性與成本效益的討論。支持者認為，雖然 Claude CLI 本身已具備強大的互動能力，但在處理需要重複執行或多步驟的工作流時，開發者往往陷入不斷複製貼上提示詞的窘境，或是必須自行撰寫混亂的腳本來串接任務。Cook 的價值在於提供了一個乾淨且具備結構化的框架，讓這些流程變得可重複且易於管理。部分用戶特別讚賞其「食譜」式的設計模式，認為這種簡潔的語法能有效降低自動化複雜任務的門檻。

然而，成本控制成為社群最關注的現實問題。有評論指出，隨著編排步驟的增加，API 的調用成本會迅速攀升。若一個工作流包含五到六個步驟，且未經優化地全數使用高階模型，單次執行的費用可能高達十幾美元。對此，有經驗的開發者建議應根據任務性質進行模型分級路由，例如使用較便宜的 Haiku 模型處理樣板代碼生成，而將昂貴的 Opus 模型保留給需要深度推理的關鍵步驟。雖然有用戶提到 Anthropic 的訂閱方案已放寬限制且模型效率有所提升，但對於大規模自動化而言，精細的成本管理仍是不可或缺的環節。

另一派觀點則質疑這類工具的獨特性。部分技術人員認為，Cook 所實現的功能大多可以透過簡單的 Bash 腳本或 Claude CLI 的無頭模式（headless mode）達成。他們好奇在現有工具已經足夠強大的情況下，開發者為何仍投入大量精力開發這類封裝工具。對此，支持者反駁指出，單純的無頭模式難以優雅地處理複雜的循環邏輯、多方案並行比較與結果篩選，而這正是 Cook 透過專門運算子所解決的核心問題。此外，也有人提到這類工具能將 AI 的能力轉化為可安裝的「技能」，讓複雜的指令集變得更加模組化與易於分享。

延伸閱讀

在討論過程中，有開發者分享了另一種解決方案 Ossature，這是一個基於 Markdown 規範的編排工具，強調透過有向無環圖（DAG）進行任務調度，並提供 SHA 追蹤與精簡上下文管理。此外，Cook 官方也提供了將其功能整合為 AI 技能的安裝選項，相關的技術細節可在其 GitHub 倉庫的技能說明文件中找到。