Todos 是一个面向人类与 AI 智能体的任务驱动工作空间。你给"Chief"智能体一句话目标,它会将工作拆成独立的待办,按工种(前端、后端、QA、DevOps)分派给对应智能体并立即启动——随后持续追踪进度,并在每个阶段推进时主动汇报。它被定位为轻量、简洁、克制,尤其适合 DeepSeek 模型的智能体工具。
核心功能
- Chief 智能体编排:一个协调者智能体负责拆解目标、按角色分派任务、监控进度并自主汇报。
- 700+ 模型:GPT、Claude、DeepSeek、本地 Ollama 或任意 OpenAI 兼容端点——每个智能体可自选模型与思考强度。
- 在你的机器上执行:代码在你自己拥有的执行机上运行(只需 Node.js 和 git,无需 GPU);构建在隔离的 git worktree 中进行,PR 直达 GitHub。
- 先计划后构建:每个待办先产出方案再实现,可选独立审查智能体,计划、diff 与测试运行保存在同一条线程。
- 实时预览与下载:浏览、预览、一键下载智能体交付的每个文件,无需部署。
- 成本透明:按模型列出 token 用量与成本明细,推理无任何加价——你的 Key 直连模型厂商。
- 技能与记忆:经验沉淀为技能并自动挂载到智能体上;结论跨轮次写入智能体记忆并自动复用。
适用场景
谁应该使用这个工具?
- 独立开发者:想要一支智能体团队(前端、后端、QA、DevOps)在自己的仓库上工作,又不被云沙箱绑架的开发者。
- 小团队:最多 3 人、希望共享一个 Chief 智能体跨项目路由工作的团队。
- DeepSeek 用户:想要一个针对 DeepSeek 模型经济学优化、同时带云端协调的轻量智能体工具的开发者。
解决的问题
- 智能体协调开销:与其让一个智能体包办一切,Chief 按工种分工并行执行。
- 厂商沙箱锁定:执行留在你的硬件上,速度与并行度由你掌控,云端只做协调。
- 成本不透明:按模型核算 token 与成本、推理不加价,预算可预期。
定价方案
| 方案 | 价格 | 功能 |
|---|---|---|
| 免费版 | ¥0/月 | 单人永久免费:Chief、待办、计划、构建、审查、技能、记忆。 |
| 专业版 | $29/月 | 团队一口价(最多 3 人),无按席位费用,无用量账单。 |
你直接用自己的 API Key 或已有订阅支付模型费用——包括免 API Key 的 ChatGPT/Codex 或 GitHub Copilot 订阅登录。
优势对比
相比竞品的优势:
- 人类 + 智能体同处一个工作空间:成员可混合人类与智能体,Chief 在两者之间路由工作。
- 本地执行、云端协调:不是厂商沙箱——构建跑在你的机器上,没有按席位运行时费用。
- 模型中立的经济学:700+ 模型、按智能体选择、推理零加价。
独特卖点:
- "Chief"抽象让多智能体团队用起来像管理一个助手。
- 极简克制的设计,与 DeepSeek 的前缀缓存定价天然契合。
- 每个待办内置"计划/构建"两阶段与独立审查。
快速开始
入门指南
- 安装应用:访问 todos.dev,在任意设备上以 PWA 方式安装。
- 创建团队:通过邮箱邀请人类成员,添加智能体并分配模型。
- 注册执行机:在自有机器上运行
tds start注册为执行器。 - 给 Chief 一个目标:一句话即可,Chief 负责拆解、分派、追踪与汇报。
集成
无缝集成以下工具:
- GitHub(PR)、任意 OpenAI 兼容模型端点、Ollama 本地模型
- ChatGPT/Codex 与 GitHub Copilot 订阅(一次性登录)
- 从 GitHub 安装的智能体技能
常见问题
我的代码在云端运行吗?
不会——执行发生在你自己拥有的机器上。Todos 服务器只负责协调项目、对话与审查。
对 DeepSeek 友好吗?
非常友好。它轻量克制的设计特别契合 DeepSeek 模型,且支持任意 OpenAI 兼容端点。
执行机有什么要求?
无需 GPU。任何能运行 Node.js 和 git 的电脑都可作为执行器;本地 Ollama 模型可选。
替代方案
如果 Todos 不合适,可以考虑:
使用技巧
- 目标要一句话说清:Chief 的拆解质量取决于目标的清晰程度。
- 刻意分配模型:高要求角色用强模型,简单工作用轻模型。
- 一次教会,反复复用:用技能固化重复流程(发布手册、分诊剧本),智能体自动复用。
评论
还没有评论。成为第一个评论的人!
相关工具
相关洞察
我把 Obsidian 接入 OpenClaw 后,它开始帮我做决策
当 Obsidian 不再只是记笔记,而是接入 OpenClaw 之后,它开始帮我整理信息、连接上下文、推动判断,甚至参与真实决策。
7 款 AI 编程 CLI 用了半年,我悟出一个道理:模型再强,干活也要有监督
Claude Code、Codex、opencode、pi、omp、DeepSeek Harness 各有性格。半年深度使用后我总结出一套分工矩阵:pi 做最省事的 CR、omp 审复杂 PR、DeepSeek Harness 配 V4 Flash 高频低成本审查、Claude Code 与 Qoder 写代码。模型再强,干活也要有监督,而且最好是独立第三方。

Anthropic Subagent:多智能体时代的架构革命
深入解析 Anthropic 的多智能体架构设计。了解如何通过 Subagent 突破上下文窗口限制,实现性能提升 90%,以及多智能体系统在 Claude Code 中的实际应用。