Plandex
Plandex 是一个以「计划与执行」为核心的终端 AI 开发工具,而不是自动补全。它专为跨越多个步骤、触碰几十个文件的大型编码任务设计,让上下文在长时间任务中保持连贯。CLI 采用 MIT 开源许可,项目约 15.6K star,自带 Go 原生二进制,可本地运行也可自托管。
对比 Cline 如果你想用嵌入 IDE 的智能体,Aider 如果你偏好紧贴 Git 的结对编程,或 Claude Code 当你想用 Anthropic 官方终端智能体。
核心功能
- 2M token 有效上下文:只加载每一步所需的内容,同时每个文件保留约 100k token,并通过 tree-sitter 项目地图处理达到 20M token 以上的目录。
- 计划与执行:可以全自动运行(加载文件、计划、实现、执行命令、自动调试),也可以逐步走可审查的 diff。
- 累积 diff 沙盒:AI 改动在你就绪前不会进入项目文件,回滚和调试都很简单。
- 多模型路由:通过精选模型包组合 Anthropic、OpenAI、Google 与开源模型的模型。
- Git 集成:自动生成 commit message,可自动提交,并支持分支探索并行方案。
适用场景
谁应该使用这个工具?
- 大型代码库的开发者:当设计横跨多个文件、其他工具在项目变大后开始失效时使用。
- 做迁移的团队:以受控的 diff 批次做确定性重构,只把边界情况交给模型。
- 组合不同供应商的工程师:把廉价本地或开源模型用于琐碎工作,把前沿模型留给复杂推理。
解决的问题
- 上下文崩塌:智能上下文管理让大型项目保持连贯,而不是漫无目的地漂移。
- 改动混乱:累积 diff 沙盒让生成的编辑与真实源码隔离。
- 成本失控:跨模型上下文缓存降低 Anthropic、OpenAI、Google 的调用开销。
定价方案
Plandex 采用 MIT 许可,可免费自托管。你只需为路由到的模型 token 付费,CLI 本身没有按席位收费。
优势对比
- 专注大型任务:专门针对跨度几十个文件、多步计划的情形调优。
- 可靠的文件编辑:用多层回退校验语法与逻辑,而不是盲目打补丁。
- 计划本身的版本控制:分支探索不同模型或方案,不丢失状态。
快速开始
- 从 plandex.ai 或 GitHub releases 安装 CLI。
- 在项目目录中运行
plandex初始化。 - 配置供应商并选择模型包;若偏好自托管,将本地模式指向自己的服务器。
- 描述任务,然后选择全自动或逐步审查。
常见问题
Plandex 免费吗?
CLI 采用 MIT 许可,可免费自托管。模型 token 费用另计,取决于你路由到的供应商。
对小项目也适用吗?
适用,但当任务横跨多文件、计划较长或仓库较大时,它的优势最大。
能用我自己的模型吗?
可以。Plandex 路由到 Anthropic、OpenAI、Google 和开源模型,并提供在能力、成本、速度间权衡的精选包。
和 IDE 智能体有何不同?
Plandex 以终端优先、计划与执行,并被累积 diff 沙盒保护,而不是始终开启的补全界面。
替代方案
- Cline:嵌入 IDE 的智能体,支持 BYOK 推理。
- Aider:终端里紧贴 Git 的结对编程。
- Claude Code:Anthropic 官方终端智能体。
- Goose:Block 的可扩展本地智能体。
使用技巧
- 大改动用 diff 沙盒,按批次审查,而不是一次性应用。
- 在请求模型规划深度重构前,先利用项目地图。
- 把昂贵的 frontier 模型留给复杂推理,把机械改动交给更便宜的模型。
总结
Plandex 是一个面向大型真实任务的 MIT 终端智能体。如果其它工具在项目超过一定规模后失效,从 plandex.ai 开始,看看「计划与执行」流程是否契合你审查大型 diff 的方式。
评论
还没有评论。成为第一个评论的人!
相关工具
相关洞察
锁死 Codex 的不是模型,是选择器
你已经为 OpenCode Go、Grok、Z.ai 付过钱了,但 Codex 的 picker 默认只露出 GPT。社区项目 codex-router 做的不是再教一遍安装步骤,而是把已经买过的模型能力接回选择器:密钥不出本机,原生 GPT 也不动。
Windows 上把 OpenCode Go 接进 Codex,别再新开一套工具
ChatGPT 登录的 Codex 桌面版,默认选择器几乎只露出 GPT。Windows 上只开 OpenCode Go 这一家,就能把已经付过钱的 Grok、GLM、Kimi、DeepSeek、MiniMax 接回同一个 picker。密钥不出本机,原生 GPT 也不动。
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。