我现在的「AI 工作台」:codex + Cindy + openclaw + kilo

我现在的「AI 工作台」:codex + Cindy + openclaw + kilo 最近被朋友反复问同一个问题:你这四个 AI 工具到底是怎么分工的?codex、Cindy、openclaw、kilo,光听名字确实都像"AI 助手",凭什么不全用同一个?我自己也花了不少时间才把这套组合理顺。这篇文章只讲一件小事:在我手里,这四个工具分别占住了不同的工作位,缺谁我都会别扭。 我写代码的"主驾"是 codex。这里的"主驾"很具体:跨多文件、需要持续迭代、上下文一旦断了就接不回去的那一类项目。我把 codex 一直挂着,它不像一个"一次性问答工具",更像一个能跟项目同呼吸的搭档——它看过的文件、改过的 diff、跑过的命令,会变成下一轮决策的依据。规矩只有三条:把 codex 当"项目主驾"而不是"问答工具",给它持续的事实而不是一次性的提示;用里程碑切会话,长会话里它会慢慢漂移,里程碑一过就 reset,让它从干净的事实开始;看 diff 而不是看回答,它给的"通过"只是参考,最终那一下"合不合"必须人来定。 Cindy 站的是另一个位。她不只是"另一个 AI",更像是四个工具之间的调度位。一半的时间我在做办公——写周报、整会议纪要、做汇报材料、起草对外的邮件——这摊事她是我的主力。但更让我离不开的,是她无缝衔接 Pi、codex、Claude的能力。我经常是这样跑工作流的:先用 Cindy 把需求讲清楚、列好要点;遇到需要长链路推理的,把上下文接力给 Pi;进入真正的工程实施阶段,再接力给 codex;想换一个视角听反馈或做对照,再回到 Cindy 或转 Claude 跑一遍。整条链路的纪律是:办公是基本盘,周报、会议纪要、对外邮件这一摊她是主力;调度是放大器,她和 Pi / codex / Claude 接力,让上下文在工具之间流动,我不用复制粘贴、不用重新解释背景;接力链路过长是陷阱,两到三跳最舒服,再多,信息的损耗就会显出来,必须切回 Cindy 重整。 再往下是 openclaw。它在我这里干的是"不入主线"的杂活。什么叫杂活?一次性脚本、临时数据清洗、批量改个文件名、跑个不痛不痒的小爬虫、把一段音频转成文字、给一张图换个尺寸、临时翻译一段不要求精度的文字——这些事不会上 GitHub、不会进生产、也不会被任何会议引用,但不做又会卡住主线进度。openclaw 就是这种"轻骑兵",打开就能用、用完就走。规矩是:任务的边界是"不入主线",都是它的活;价值在"快"和"不打断心流",不在"严谨"和"可追溯",别把它的输出直接当交付物;用完就走,它不占心智位,也不抢主线位。 kilo 的角色最简单:在 VSCode 里用的那个。很多写代码的时间是碎片化的——我在 IDE 里写到一个函数、卡住、想问一下;改到一半想确认某个 API 的用法;review 一段刚写的逻辑想找人挑刺。这时候我不想切窗口、不想开新 tab、不想跳出当前文件,kilo 就在侧栏里直接接住。规矩也很简单:位置在 VSCode 侧栏,随手就能用,不切窗口;任务是碎片化的"边写边问",卡住的函数、API 用法、刚写完的逻辑想挑刺,kilo 就在手边;不要在 kilo 里跑长链路任务,它的定位是"边写边问",不是"项目级搭档",那个位是 codex 的。

2026-09-07 · 1 min · 65 words · FunkyGod

心动公司开源的 Cindy:一个值得交代第一件任务的 AI Agent

心动公司开源的 Cindy:一个值得交代第一件任务的 AI Agent 参考资料:Cindy——开源、开箱即用的 AI Agent 作者:本文作者(原创体验向解读) 来源:Cindy 官网、GitHub 开源仓库 最近看到 Cindy 时,我的第一反应不是“又一个聊天机器人”,而是:它似乎在认真回答一个更实际的问题——AI 能不能从回答问题,走到把事情做完? Cindy 是心动公司开源的一款 AI Agent。她把模型、Agent Harness、工具、记忆和工作区组织进桌面端与移动端应用,目标不是陪你聊几句,而是进入真实的项目和软件环境,完成一项可以验收的工作。 这个定位很容易让人兴奋,也很容易让人警惕。毕竟,“全能助手”已经是 AI 产品最常见的宣传词。真正让我感兴趣的,是 Cindy 把开源、可替换模型和人工审查放在了一起:她不要求你把所有东西交给一个黑盒,而是允许你逐步培养、逐步放权。 先把时间点说清楚:截至 2026 年 8 月 20 日,GitHub 上最新的桌面端 Release 是 v0.1.55,发布于 8 月 18 日;移动端版本独立更新。下面这篇不是跑分报告,而是一份上手前的体验判断:重点看看 Cindy 能替你推进什么,以及哪些决定仍然应该留在人手里。 我平时使用 AI 工具时,最容易被打断的并不是写出第一版,而是让第一版真正进入工作流:找到文件、执行命令、处理报错、检查改动,再把结果整理出来。本文也会以这个实际使用场景作为判断 Cindy 的入口。 蓝色高亮表示产品能力,绿色高亮表示我的使用判断,红色高亮表示权限与隐私提醒,黄色高亮表示可以直接尝试的建议。 一、Cindy 解决的不是“不会写”,而是“事情没收尾” 我已经习惯让 AI 写一段代码、改一个函数、解释一个报错。但在实际工作里,一个问答往往只是开始。 一个看似简单的任务,可能包括: 找到正确的项目目录; 阅读现有代码和配置; 修改多个文件; 运行测试或启动服务; 根据终端输出继续修复; 检查差异,确认没有误伤其他功能; 把结果整理成团队能看懂的说明。 传统聊天窗口通常只负责“给建议”。剩下的操作,要由人复制、粘贴、切换终端,再把结果传回给模型。真正消耗时间的,往往不是生成代码,而是让代码进入工作现场,并在失败后继续往下走。 Cindy 的价值,正在于把这段过程连接起来。她可以使用本机文件、终端、浏览器以及其他工具,在一个持续的任务上下文中完成多轮操作。这样,AI 不再只是代码旁边的提示框,而更像一个可以被交代任务的协作者。 ...

2026-08-20 · 2 min · 217 words · FunkyGod