前言
最近我在使用一个叫 Paseo 的工具。它不是新的 AI 编程模型，也不是另一个聊天窗口，而是一个用来管理 AI 编程 Agent 的工具。更准确地说，它把 Codex、Claude Code、OpenCode 这类命令行 Agent 组织到一个统一的工作流里，让它们可以在桌面、手机、Web 或 CLI 上被管理。
我觉得它值得单独介绍，是因为现在 AI 编程已经不只是“让模型帮我写一段代码”了。真正影响效率的地方，开始变成这些问题：
- 多个任务能不能并行推进？
- Agent 改代码时会不会互相踩文件？
- 我能不能在手机上看进度、补充指令？
- 一个 Agent 卡住时，能不能把任务交给另一个 Agent？
- 工作流能不能保留在我自己的机器和开发环境里？
Paseo 解决的正是这些偏工程化的问题。
它解决的核心问题
Paseo 的思路比较清晰：不替代现有 Agent，而是管理现有 Agent。
你仍然使用 Codex、Claude Code、OpenCode 这些工具，认证、配置、MCP、系统提示词也仍然属于你自己的本地环境。Paseo 在上面加了一层管理能力：启动 Agent、查看状态、发送后续指令、管理权限、分配 Git worktree、从手机或桌面继续接管任务。
这点对我很重要。因为我不太希望所有开发上下文都被放到一个云端黑盒里。Paseo 的 daemon 跑在自己的机器上，Agent 也跑在自己的环境里，它更像是一个“本地 Agent 调度台”。
Git worktree 是关键
我最喜欢的是它对 Git worktree 的支持。
过去如果同时让多个 Agent 处理不同问题，很容易出现一个问题：大家都在同一个工作区里改文件，最后 diff 混在一起，甚至互相覆盖。Paseo 可以让每个 Agent 运行在自己的 worktree 里，也就是独立目录、独立分支、独立改动。
这个模式很适合下面这些场景：
- 一个 Agent 修 bug，另一个 Agent 补测试。
- 一个 Agent 做前端样式，另一个 Agent 查后端接口。
- 一个 Agent 实现方案，另一个 Agent 做 review。
- 同时尝试两个不同实现，最后只保留更好的那个。
它让“并行使用 Agent”变得可控，而不是把本地仓库搞乱。
CLI、桌面和手机都能接入
Paseo 有 daemon、客户端和 CLI 三个部分。桌面端适合日常使用，CLI 适合脚本化和远程机器，手机端则适合看进度、补一句指令、处理简单确认。
比如在 CLI 里，可以直接启动一个任务：
paseo run --provider codex "修复后台登录后的异常"也可以让任务跑在独立 worktree：
paseo run --provider codex --worktree fix-admin-login "修复后台登录后的异常"这意味着它不只是一个 UI 工具，也可以变成自动化工作流的一部分。
适合什么人
我觉得 Paseo 适合已经在认真使用 AI 编程 Agent 的人，尤其是下面几类：
- 经常同时处理多个代码任务的人。
- 想把 Codex、Claude Code、OpenCode 放在同一个工作流里的人。
- 在意本地环境、隐私和可控性的人。
- 希望从手机上查看 Agent 进度的人。
- 希望把 Agent 工作流脚本化、团队化的人。
如果你只是偶尔让 AI 写一段代码，Paseo 可能不是刚需。但如果你已经开始把 AI Agent 当成日常工程协作的一部分，它会明显降低管理成本。
它不是什么
Paseo 不是万能的。
它不会替你判断代码一定是对的，也不会替你设计完善的工程边界。Agent 做出来的东西，仍然需要 review、测试、理解和取舍。
但它解决了一个很现实的问题：当 Agent 越来越多，任务越来越并行，人需要一个更稳定的方式管理这些 Agent。否则，终端窗口、分支、worktree、日志和上下文很快就会乱掉。
总结
我对 Paseo 的理解是：它不是“更聪明的 Agent”，而是“更好的 Agent 工作台”。
AI 编程真正进入工程实践后，模型能力只是一部分。更重要的是，如何让这些能力进入稳定、可追踪、可回滚、可并行的开发流程里。
Paseo 在这个方向上做得很克制：它不抢走你的工具链，而是把已有工具组织起来。对我来说，这正是它值得推荐的地方。
项目地址：
