👦🏻 作者: GaKi
🥷 编辑: Koji
🧑🎨 排版: NCon
当 Claude Code、Codex 开始拥有几千万用户，它们的周围会不会出现一个独特的生态？
这在很大程度上会像当年 Facebook / iOS 这样的「大平台跃迁」——一旦有海量用户与分发入口被统一打通，生态位会迅速被第三方工具与服务填满。
就像 Zynga 借助 Facebook 的社交分发起飞、PayPal 早期依托 eBay 的交易场景完成增长，Coding Agent 也很可能成为新的「流量与工作入口」，让一批围绕它们的垂直产品在其上生长出来。
过去一段时间，光是 Agent 管理这个细分方向，就已经出现了 Conductor、Claude Squad、Orca、Superset、cmux、Herdr、Paseo、Opcode 等一批产品，每一个都非常有想象力。
今天，这个生态里又出现了一个叫 AgentGit 的项目，它主要用来管理用户和 AI 的对话。一段会话可以随时保存，可以回看、接着做，也可以交给别人、分享出去、以后再用。
十字路口团队第一时间试用了这款产品，接下来分享我们的实际体验。
简单来说，AgentGit 是通过一组名为「agit」的命令行工具，把人与 Agent 的对话过程变成一种可以像 Git 代码一样进行版本管理的资产：一组会话对应一个 Repo，一条会话对应一个 Branch，每一轮对话则对应一次 Commit。
当这些 Repo 被发布之后，它们会进入 AgentGit Hub。
Hub 承载的是已经公开的 Repo 会话，以及 Agent 执行任务过程中留下来的各种先例。其他人可以在这里浏览公开会话、打开分享链接，也可以通过网页端远程查看和控制任务。
简单理解，Hub 就是一个围绕 Agent 上下文建立起来的协作网络。每一次公开的会话和执行过程，都可以继续被其他人查看、参考和复用。
虽然 AgentGit 整体看起来像是开发者工具，但是只要将对应的 Skill 扔给 Agent，那么可以完全通过自然语言指挥。
只讲理论，可能不太好理解 AgentGit 解决的痛点。我们可以拿「十字路口团队」内部正在使用的一个 Vibe Coding 小工具 Crossing Storyboard 作为案例，看看这个产品具体怎么用，解决了什么样的痛点。
最近几个月，很多 AI 视频模型都在发布，比如 Seedance 2.5、MiniMax H3，围绕这些模型的很多 Agent 产品也同步发布了。
但我们写提示词时发现，仍然需要写一个很长的分镜 Storyboard 提示词，才能有效控制 AI 视频生成的最终效果，而这个提示词往往在 3-5000 字左右（甚至还不够）。
所以，如果只在 MD 文档里写，很不直观，也感受不到整体节奏。
我们就自己 Vibe Coding 了一个 Crossing Storyboard。它的核心功能是根据创意描述生成分镜故事板。我们输入一段创意描述后，后台接入的自定义系统提示词 DeepSeek API，就会据此生成故事板。
这个项目，就是我们团队不同职能的成员一起把 AgentGit 融入各自的工作流，协作完成的。
下面说一下在这个迭代流程里，AgentGit 具体的角色。
首先，安装 AgentGit 很方便，直接用下面这行命令，输入给 Claude Code 或 Codex 即可：
自动安装完成后，还需要登录一下，我们就能在 Claude Code 里使用 agit 命令行工具了。
整体上，AgentGit 大致覆盖 4 个使用场景，具体命令我们也做了一次总结。
场景 | 命令 | 作用 |
| Handoff 交接 | agit push、agit run | 发布到 AgentGit Hub，同事用 agit run 获取完整上下文继续做任务 |
| Share 分享 | agit share | 生成可以让其他人看到 Session 内容的加密链接，对方不用安装 CLI 就能查看 |
| Search 避坑 | agit search | 检索 Hub 里其他 Agent 遇到同类问题时的会话（成功或失败的都能查） |
| Remote 远程 | agit rc | 远程多人操控 |
在我们真实的工作流里，一开始做出 Crossing Storyboard 的时候，必然有很多粗糙的地方，也有不少需要解决的问题。
Crossing Storyboard 的初版，其实是运营同事根据日常 AI 视频实测的工作流程，自己 Vibe Coding 出来的。
因为主要是从实际需求出发快速搭建，整体还比较粗糙，也没有经过太多细节打磨。但它已经基本反映出了团队做 AI 视频实测时遇到的真实问题。
比如，它已经把镜头运用、拍摄手法、场景音效等信息整理进来了，但具体到每个分镜，展示、复制和最后的内容提取都还比较简陋，更多只能提供一个基础的可视化能力。
这时候，一个很日常的迭代流程，就是先把这个已经能反映真实工作痛点的初版，交给设计或者工程师继续往下做。
问题也随之出现，要让对方快速接手，你往往需要把 Claude Code 或 Codex 里的完整上下文一起交过去，但这件事其实并不方便。过去通常要先补一份 PRD，或者让 Agent 把前面的需求、讨论和实现过程重新整理一遍，再做成一套 MD 文档，才能完成交接。
但如果使用 agit 命令行工具就会方便很多，运营同事可以直接用
agit push 命令，就能一键发布到 Hub 上。
现在我就能在 AgentGit Hub 上看到所有 Session 细节：
在 Hub 里，每一个 Session 的对话都会变成一个 Repo，并显示这个 Session 的详细信息，以及对话中用到的模型。
这两张图里，Repo 记录了我们对话几乎所有的细节，包括向 Agent 提出的问题，以及 Agent 给出的所有回答。
它最大的优势在于，虽然内容存储在 Hub 里，但我们可以一键复制，或者用 agit 命令把整个上下文完整复制下来。
这里说的「把全部上下文复制下来」，不是简单地把所有内容复制一份。它指的是 agit 会给出另一个命令行工具，用来还原完整上下文：
把这一行命令交给终端或者 Claude Code 执行，另一个设计同事就能自动获取完整上下文，继续推进运营同事的任务。
比如，刚启动这个 agit 命令行工具后就能看到，之前所有 Agent 的对话，以及它执行过的代码任务，都会清晰地复现出来。
这样一来，运营同事可以用
agit push 把内容和 Session 打包成一个 Repo，上传到 Hub；另一位设计同事直接用分享出来的链接，就能读取这个 Repo 里的所有内容，先把整体网站的前端视觉做好，毕竟美观就是生产力。
另外，整个分镜生成器的产品逻辑也做了一次大调整。比如现在调用 DeepSeek API 时，会并行生成五个人格，也就是五种不同的分镜故事板。
现在每个故事板里的每一个分镜，都会包含具体的场景关键词、分镜提示词、音效和摄影手法，这些内容都会单独以更明显的形式展示，节奏感也更清晰。
最下方还有一个更细致的节奏光谱，同样由 DeepSeek 生成。
所有分镜提示词里，每一个子分镜都可以单独复制，也可以用 AI 修改。
如果全部分镜都修改好了，可以在最下方点击「一键复制完整故事板」，系统会把它们整合成一个更完整的 AI 视频生成提示词。
运营同事先把实际使用中的痛点提出来，设计同事再从前端体验和产品逻辑上做调整。接下来，工程师同事就可以借助 agit 的协作流程继续往下接手，进一步梳理 Crossing Storyboard 在真实使用中存在的 Bug，并补上那些实现更复杂、但实际价值也更高的功能。
现在 GitHub 上有很多国内开源的 AI 视频 Skill，每个 Skill 都对应不同角度的 AI 视频生成提示词，或者有各自更详细完善的生成逻辑。
设计同事改完整个项目的前端效果后，可以一键转发给工程师同事，工程师就能在前一版的基础上，基于完整上下文继续迭代。
我们还抓取了大量 GitHub 开源项目，收录进这个网站，做成一个知识库：
比如下面这个 Seedance 2 skill，是一位网友的开源项目，里面有大量视频创意技能包。
也就是说，现在所有 GitHub 开源项目都可以与我们最初做的 Crossing Storyboard 联动。
比如让 DeepSeek 在生成 AI 视频分镜 Storyboard 时借鉴这些 Skill，或者根据每一个 Skill 生成不同风格的故事板。
此外，agit 命令行工具除了像前面那样在 Hub 里复制一条
agit clone 命令之外，也可以直接在 Agent 里用一个命令生成只读分享链接，让其他人直接查看比较完整的对话，包括工具调用、测试结果等。
接收者不需要安装 CLI，也不需要注册 AgentGit 账号。这个分享链接支持加密、设置过期时间和限制查看次数。
在使用过程中，我们还发现一个比较实际的痛点。
多个同事操作同一个任务时会发现，Agent 有时会遇到一系列相似的错误，对产品逻辑实现和开发流程的理解也常出现类似的偏差。
agit 里有一个命令行工具—— agit search。它的能力是当 Agent 遇到错误时，可以通过 MCP 检索整个 Hub 里的其他历史会话。
如果之前已经出现过、解决过或失败过的类似问题，就可以用这个工具自行搜索，避免同样的问题被反复纠正。
现在 Agent 可以直接从 Hub 读取完整的 Session 信息并进行整理，通过 agit search 这个 MCP 查找类似错误。
如果在 Hub 的完整信息里命中，就会用 agit 的 MCP 工具直接读取 Session 的具体解法，而不用从头盲调。
具体实现其实很丝滑，如果想简单理解这个功能的实现的话，你可以把 agit 命令行工具理解成一个自动运行的 Skill。
如果 Agent 在执行任务过程中遇到错误，会自动执行这个 Skill，不用你再单独告诉它「请用 agit search MCP 搜索之前的错误，再来解决」，那样会非常麻烦。
在实际独立开发中，我们经常会遇到需要远程操控的场景。不管是个人开发还是团队协作，都会遇到这类需求，agit 命令行工具支持很方便地进行远程操控。
首次运行时，需要把这台电脑配对到 Hub 账号：
之后就可以让它在后台常驻，不用占着终端了。
这时候我们需要在 AgentGit Hub 上新建一个 Workspace：
配对之后，我们就可以在后台看到这台正在使用 Claude 桌面版的电脑，以及它上面所有正在运行的 Session。
我可以直接在 AgentGit Hub 上选择这台电脑已经执行过的一个 Session，在这个 Session 里继续对话，让配对好的电脑本地的 Claude Code 继续执行任务。
有意思的是，agit 的远程操控支持整个团队使用，有很多相关的配对命令。比如团队配对好之后，可以直接把某台机器踢掉；撤销后，那台机器就不能再重新注册，除非用户自己重新配对。
也就是说，任务仍然运行在自己的电脑上，我可以通过网页在手机上远程查看和控制。
如果团队需要在同一个会话里进行实时对话，我可以通过这个网页，以本地运行的 Agent 会话和工作区为单位，共享给所有团队成员，轻量实现多人实时查看和参与。
作为所有者，我有完全的掌控权限和撤销权限。这样一来，也能比较轻松地实现团队创意共创。
比如后来我们又新增了一个功能：根据 Storyboard 里的内容，让 DeepSeek 自动抓取 GitHub 上更多开源 AI 视频生成项目，再自动做总结。
现在 Crossing Storyboard 里，驱动 AI 生成复杂 Storyboard 的开源项目已经很丰富了，我们甚至可以从中选择一个开源 Skill 项目，用它来指导 AI 生成 Storyboard。
所以，通过 AgentGit 这个 agit 命令行工具，我们能很轻便地上传完整上下文，让其他部门、其他职能的同事接手、分享我们的项目，让团队同事都能在同一个 Session 里进行实时对话，做出一个完整的 Crossing Storyboard AI 故事板生成网站：
到这里，AgentGit 在整个项目里的角色其实已经很清楚了，它主要负责运营、设计和工程之间的 AI 完整上下文传递，让不同职能可以直接接着前一个人的工作继续往下做。
整个项目大致经历了三个阶段：
【1】运营同事先从日常 AI 视频实测中总结真实痛点，再自己 Vibe Coding 出一个非常简单的初版，把最核心的需求先做出来。
【2】设计同事接手之后，重点优化前端效果和产品逻辑，再结合团队的实际使用反馈，调整每个分镜、栏目以及信息展示方式。
【3】工程同事继续往下接手，梳理具体的功能实现，修复 Bug，同时补上一些实现更复杂、但在真实使用中很有价值的功能。
回顾过去一年，我相信很多人都有同样的体感：花在 AI 上的钱和时间，比过去任何时候都多。一方面是模型能力确实在往生产力的方向落地，另一方面，Coding Agent 和围绕它们的生态，也比一年前丰富和好用得多。
这已经超出了大家一开始对 Coding Agent 的预期。最早它被当成一个工具，现在这套结构看上去有点像 iOS。模型能力上来后，带动了 Claude Code、Codex 这样的 Coding Agent 产品，再带动生态里一批「AI 版 iOS App」。
尤其我们在最近的各种 AI 黑客松中，都看到了一堆有意思的好产品。现在，你用 Coding Agent 干活，顺手装几个第三方工具已经是常态了，这跟当年往 iPhone 上装 App 也没太大区别。
AgentGit 就很符合这个逻辑，他们官方也有一句 slogan，很有趣：
「Code is cheap, show me your talk.」
目前，AgentGit 已经支持在 Claude Code、Codex、OpenCode、OpenClaw、Hermes 和 WorkBuddy 中使用。
如果你也已经习惯了用 Coding Agent 干活，想把自己的想法 Share 给周围的其他人，一起完成一个有趣的小项目，可以从最小的一步开始：
