做了一个把多 Agent、终端和 Diff 放进同一条任务时间线的类 Codex 开源工具： Threadlight

大家好，最近把我一直在做的 Threadlight 整理到了 1.0 ，想发出来请大家帮忙挑挑问题。

GitHub：

官网：

现在 AI Agent 客户端已经很多了。我不太想把 Threadlight 介绍成“另一个更强的聊天框”，它目前也不是。

我做它主要是因为，用 Coding Agent 处理稍微长一点的任务时，真正让我不放心的往往不是模型会不会写代码，而是整个过程能不能被管住：

这些过程经常散在对话、终端、编辑器和多个 Agent 窗口里。

Threadlight 想做的事情比较明确：把规划、Agent 协作、工具调用、终端、文件、Diff 和最终交付，放进同一条可观察、可恢复的任务时间线。

下面是 Web 客户端连接到远程 Host 后的新任务界面。Web 端只是客户端，代码、模型配置和执行环境仍然留在自己的机器或服务器上。

多 Agent 是 Runtime 行为

Threadlight 的主 Agent 可以派发、追问、等待、中断和收集子 Agent 的结果。

每个子 Agent 都有自己的连续上下文和运行状态，不是临时拼几段 Prompt 。主 Agent 可以把相互独立的研究任务并行派出去，等结果回来后继续汇总、验证或安排下一轮工作。

任务中可以同时看到 Agent 卡片、完成状态和右侧的 Agent 树：

Threadlight 的 Plan 模式由 Runtime 管理。

它会先以只读方式研究项目，生成执行步骤和验收标准，一次推进一个步骤；完成证据不足时，不会直接把任务标记为完成。

模型输出、工具调用、命令日志、Agent 活动、文件变化和 token usage 都会保留在任务时间线中。中途关闭客户端后，任务、Agent 树和相关状态也可以继续恢复。

我希望它不只是负责“生成代码”，还要能让人方便地检查结果。

右侧可以打开源码、文件树和当前任务的 Diff ，底部可以打开多个终端。Git 项目中的新任务默认在独立 worktree 里运行，完成后可以检查改动、运行测试，再 Commit 、Push 或创建 Draft PR 。

例如，我在一个空任务中输入：

从零创建 incident-replay-lab：制作可播放的电商线上事故沙盘，包含服务拓扑、实时指标、事件流、时间轴和自动复盘。完成后测试、启动并保存事故高峰截图。

Agent 会在工作区中创建项目、编写仿真逻辑、运行测试并启动页面。执行期间，右侧可以实时查看新建文件和代码 Diff：

最后生成的是一个可以播放的事故回放页面，包含服务拓扑、实时指标、事件流和事故时间轴：

Threadlight 目前提供两种主要使用方式：

桌面端和 Web 端复用同一套协议与工作区。远程使用时，代码、终端、模型配置和任务数据可以继续留在目标机器上。

Threadlight 本身不提供模型服务，需要配置自己的模型 API 。

核心 Agent Loop 是 provider-neutral 的，目前支持 OpenAI 、DeepSeek 、千问、Kimi 、豆包、Gemini 、Grok 和自定义 OpenAI-compatible 服务，也支持 Skills 、Plugins 、MCP 、项目记忆和定时任务。

也把目前的限制说清楚：

macOS 安装包：

Node.js 22+ 的 macOS 或 Linux 用户，也可以一键部署 Host + Web：

curl -fsSL https://threadlight.xyz/install.sh | sh

不喜欢直接执行 curl 脚本的话，可以先去 GitHub 查看安装脚本、Release 和完整部署文档。

项目使用 Apache-2.0 协议。安装、交互、架构或者文档方面的问题都欢迎提 Issue 。

我尤其想听听大家的真实看法：

你们在使用多 Agent 时，最希望看清楚的是任务拆分、运行过程，还是最后的结果 Review ？现在这种工作区的信息密度会不会太高？