![文章封面](https://developer.qcloudimg.com/http-save/10106350/78da7c2e56f3debf864fcbcbf31ee2b8.jpg)

我最近在看 aicodeking/pandacode 这个项目的源码,起因是自己手头同时装了 Claude Code 和 Codex,每次切换都要重新适应一套命令和会话记录,团队里又有人在用 Kimi Code,维护成本肉眼可见地往上堆。读完这个项目的实现,结论是它没有新造一个编码能力,而是把多个已有的 CLI 代理统一封装进一个本地窗口,用一套任务看板管理进度,数据留在本地 SQLite 里,不经过第三方服务器。

## 多代理切换要解决的真实麻烦

每个 AI 编码 CLI 都有自己的命令格式、会话存储方式和审批机制。今天用 Claude Code 写一个功能,明天想对比 Codex 的输出,过几天团队里有人换成 Kimi Code,又要重新适应一套操作习惯。工具数量越多,这种切换成本累加得越明显。

pandacode 把这些 CLI 代理统一封装进一个叫 harness 的适配层,可以理解成驱动某个编码 CLI 的翻译器。开发者在同一个任务界面里切换模型,不用分别记住每个工具的操作方式。多数云端 AI 编程服务需要账号登录,数据经过第三方服务器,pandacode 本地运行、无遥测,这是它跟云端方案的明确差异。

多人协作时,任务状态常常散落在聊天记录和各自的终端里,进度不透明。pandacode 用任务看板把任务按 Pending、In progress、Review、Completed 四个状态流转,配合 Git 工作树做代码隔离,减少了手动追踪进度和处理代码冲突的工作量。

## 几个核心概念

**Harness** 是驱动某个 AI 编码 CLI 的适配层。pandacode 用它统一封装 Claude Code、Codex 等代理的协议差异,上层逻辑不需要关心具体调用哪个工具。

Worktree 是 Git 提供的工作树功能,能让同一个仓库在不同目录下检出多个分支。pandacode 给每个任务分配独立的工作树,任务之间的代码改动互不干扰,完成后一键合并到 main 分支。

Architect/Worker 是一种协作模式,一个 architect 负责拆解任务,最多调度三个 worker 并行执行。团队有轮数上限,最多跑 20 轮,到上限后可以续期增加 4 轮,这个设计用来防止某个任务无限循环消耗资源。

ACP 全称是 Agent Communication Protocol,是一种代理通信协议。Antigravity、xAI Grok Build、DeepSeek 这几个代理通过 ACP 接入 pandacode,不走各自原生的 CLI 接口。

## 模块怎么分工

![arch](https://developer.qcloudimg.com/http-save/10106350/bdd8c4d05ee52481c500ad850ec75974.png)

核心模块按职责划分开。providers 模块(src-tauri/src/providers.rs)是统一事件接口,负责驱动各个编码 CLI,把不同代理的输出事件转换成同一套格式往上传。architect 模块(src-tauri/src/architect.rs)管理 architect 和 worker 团队的状态,包括轮数计数、任务分派。bots 模块(src-tauri/src/bots.rs)把代理接入 Telegram、Slack 等聊天平台,用户可以在聊天工具里直接触发代理任务。cloud 模块(src-tauri/src/cloud.rs)驱动 Daytona、AWS、Cloudflare 这些云沙箱环境。lib 模块(src-tauri/src/lib.rs)是应用入口,管理正在运行的代理实例和任务状态,是整个系统的调度中枢。

模块之间的调用关系是,lib 读取 RunConfig 发起代理调用,直接对接 providers;architect 通过一个叫 ToolHost 的组件把任务分派给 worker,底层也走 providers;bots 收到聊天平台消息后,把会话映射成任务交给 architect 处理;lib 还会定期读取 architect 的团队快照来同步状态。整体是以 lib 为中枢、providers 做统一出口、architect 和 bots 各自处理协作与接入逻辑的结构。

## 一段代码看它怎么处理卡死代理

```rust
pub(crate) fn silent_for(&self, now: i64) -> i64 {
    now.saturating_sub(self.last_event.load(Ordering::SeqCst))
}

pub(crate) fn has_pending_approvals(&self) -> bool {
    self.approvals.lock().map_or(true, |approvals| !approvals.is_empty())
}
```

这段代码定义在 RunningAgent 结构体上,`silent_for` 计算当前时间距离代理最后一次产生事件过去了多久,`has_pending_approvals` 检查这个代理是否还有未处理的审批请求卡在队列里。

AI 编码代理执行长任务时经常会卡住,可能是网络问题,也可能是代理在等待权限审批但没人去确认。`last_event` 用原子操作(Ordering::SeqCst)记录时间戳,保证多线程环境下读写这个值不会出现竞态条件。没有 `silent_for` 这类静默时长检测,代理卡住几十分钟用户可能完全没感知。没有 `has_pending_approvals` 的保守容错,锁竞争时万一误判为无挂起审批,用户会错过需要手动确认的操作权限请求,比如让代理执行删除文件这类敏感命令。

## 实际跑起来的步骤,以及用在什么场景上合适

![terminal](https://developer.qcloudimg.com/http-save/10106350/b4efa01aacff434ca1d704876f84a662.png)

安装依赖:

```bash
npm ci
```

这一步会严格按照 package-lock.json 里锁定的版本安装所有前端依赖,执行完没有报错即为成功,终端会看到类似“added xxx packages”的提示。

启动桌面应用:

```bash
npm run desktop        # same as: npm run tauri dev
```

这条命令会编译 Rust 后端并拉起 Tauri 的开发模式窗口。第一次运行因为要编译 Rust 代码,等待时间会比较长。验证方式是桌面应用窗口正常弹出,没有卡在终端报错或者白屏。

pandacode 本身只是一个调度壳子,实际的编码能力来自底层的 AI CLI 工具。启动前至少要装好一个编码 CLI,比如 Claude Code 或 Codex,并且提前登录好对应账号,否则在界面里选中某个 harness 后会因为找不到可执行文件而报错。

多模型协同编码场景下,在任务输入框(研究笔记里称为 composer)里切换不同的 harness 和模型完成同一个任务,适合想对比不同模型在同一需求下输出差异的情况,前提是对应 CLI 要提前装好并登录。

团队并行开发场景下,配置一个 architect 加若干 worker,或者直接用预设的团队配置,把一个大任务拆成多个子任务并行跑。轮数上限是 20 轮,超出后需要手动触发续期才能继续跑 4 轮,这个限制对特别复杂的长任务可能不够用。

Bot 接入聊天平台场景下,把代理绑定到 Telegram、Slack 等渠道的某个会话上,直接在聊天软件里触发代码任务。具体配置步骤在研究笔记覆盖的材料里没有展开,实际使用前建议先看仓库里的 docs 目录。

## 工程取舍和跟其他方案的差异

![compare](https://developer.qcloudimg.com/http-save/10106350/87347cf853fe202f8060cc6a9df8ac22.png)

README 强调界面基于系统自带 WebView 渲染,没有打包 Chromium,这个选择直接影响应用体积和内存占用,比传统 Electron 应用更轻量,是明确的工程取舍。

把多个 CLI 代理统一到一个窗口,核心价值是降低用户在不同工具之间来回切换的操作成本。README 列出的代理清单能看出设计意图很明确,把“选模型”这个动作变成界面里的下拉切换,而不是重新打开一个终端敲不同的命令。

跟传统的单一 AI 编码 CLI 工具比,pandacode 本身不生成代码,而是统一管理多个能生成代码的工具,单一工具不具备这种跨工具的任务看板和团队协作能力。跟云端 AI IDE 比,pandacode 的数据落在本地 SQLite 里,不经过第三方服务器,云端产品的具体数据处理方式研究笔记里没有覆盖,不做评判。

## 用之前要知道的限制

pandacode 不内置任何编码能力,用户要自己装好 Git,再装至少一个 AI 编码 CLI 并完成登录,对新手来说这是额外的环境配置成本。

发布的安装包没有代码签名,在 macOS 或 Windows 上安装时可能会被系统安全机制拦截,需要用户手动绕过警告,这对不熟悉命令行的用户是一个劝退点。

Pi 这个代理本身没有自带的审批系统,pandacode 需要额外扩展逻辑才能对它强制走权限确认流程,不同代理在安全管控上的一致性可能存在缝隙。

文档目前只覆盖部分功能,尤其是 Bot 接入聊天平台这类功能的具体配置步骤,仓库里暂时没有详细说明,实际落地时可能需要自己读源码摸索。

团队协作模式下 20 轮的硬上限,对于需要长时间迭代的复杂任务可能触发得比较频繁。虽然可以续期,但如果没注意到这个限制,任务可能在中途被判定为超限而中断。

对于需要同时用多个 AI 编码工具、又看重本地部署和无遥测这些隐私特性的团队,pandacode 值得小范围试用。如果只用一种云端 AI 编程服务就能满足需求,额外装一个本地调度壳子反而会增加维护成本。实际投入前,重点验证团队协作模式下的轮数限制和 Bot 接入聊天平台的配置成本是否符合预期。

---
项目地址：https://github.com/aicodeking/pandacode

pandacode 是一个本地桌面应用,把 Claude Code、Codex、Kimi Code 等多个 AI 编码代理整合进同一窗口,本地运行且不上传遥测数据,代价是需要自行搭建环境。

pandacode:一个窗口管理多个AI编码代理的本地方案

架构设计

Pandacode是一个本地运行的开源多AI编码代理调度工具，将Claude Code、Codex、Kimi等CLI统一封装到单窗口，通过任务看板和Git工作树管理多模型协作。无遥测、数据存本地SQLite，支持Architect/Worker并行模式及Telegram/Slack接入，旨在降低工具切换成本，适用于多模型对比和团队并行开发。

数据处理

服务器

AI编程

DeepSeek

Windows

SQLite

GitHub

MacOS

JSON

2026上云采购 | AI焕新·智启新局

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Pandacode是一个本地运行的开源多AI编码代理调度工具，将Claude Code、Codex、Kimi等CLI统一封装到单窗口，通过任务看板和Git工作树管理多模型协作。无遥测、数据存本地SQLite，支持Architect/Worker并行模式及Telegram/Slack接入，旨在降低工具切换成本，适用于多模...

pandacode:一个窗口管理多个AI编码代理的本地方案-腾讯云开发者社区-腾讯云

pandacode:一个窗口管理多个AI编码代理的本地方案

pandacode:一个窗口管理多个AI编码代理的本地方案

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐