buddylist:像2005年MSN一样与AI编程助手聊天

buddylist 用 MSN 风格好友列表管理多个 AI 编程 Agent,支持 worktree 隔离与任务交接。
buddylist 是一款免费跨平台桌面应用,将 Claude Code、Codex、Gemini 和 OpenCode 等命令行 AI 编程助手整合进 MSN 风格的好友列表界面。其核心价值在于多 Agent 编排:每个任务可启用独立 Git worktree 避免冲突,支持多 Agent 群聊、轮流回答和任务交接,并在聊天窗口旁集成 diff 审查、终端、应用预览和 PR 检查状态跟踪。应用本身免费,但用户需自带各家 Agent 账号并承担相应费用。目前它在 Product Hunt 获得 74 票,处于早期小众阶段,适合已同时使用多个 Agent 且熟悉 Git worktree 的开发者。
一个复古的Agent管理入口
在Product Hunt上拿到74票、排名第11的buddylist,用一句"Chat with your coding agents like it's 2005"点明了它的核心卖点:把Claude Code、Codex、Gemini和OpenCode这些命令行AI编程助手,装进一个MSN风格的桌面好友列表里。开发者Safa Elmali推出的这款免费应用,支持macOS(Apple Silicon)、Windows和Linux,试图用怀旧的UI外壳,解决一个很当下化的问题——多Agent协作时的管理混乱。

不只是"换皮",而是多Agent工作流
buddylist的真正价值不在于UI,而在于它对多Agent协作的编排能力。每个任务可以启用独立的Git worktree,避免不同Agent在同一个工作区里互相踩踏;也可以把多个Agent放进共享文件夹里"群聊",让它们轮流发言、共同回答,或者把未完成的任务交接给另一个Agent继续处理。
这种设计呼应了当前AI编程的一个现实趋势:单个Agent的能力边界已经比较清晰,开发者开始尝试用多Agent分工来覆盖更复杂的工程任务。buddylist把这种协作抽象成了一个聊天室式的交互层,降低了手动切换终端和复制粘贴的摩擦。
任务交接与轮流发言
"Let them take turns, answer together or hand unfinished tasks to another agent"是官方描述里最值得关注的三个动作。轮流发言适合对比不同模型的输出,共同回答能聚合多视角的答案,而任务交接则解决了上下文丢失的痛点——当一个Agent卡住或超出预算时,另一个可以接着干。
Git worktree 是 Git 从 2.5 版本起提供的一项功能,允许将同一个仓库的多个分支同时检出到不同的工作目录中。与传统的 git checkout 切换分支不同,worktree 让每个分支拥有独立的文件系统路径和索引,因此多个进程(在这里是多个 AI Agent)可以并行读写各自的工作区而互不干扰。对于多 Agent 场景,这意味着一个 Agent 在 feature-a 分支上修改代码时,另一个 Agent 可以同时在 feature-b 分支上工作,两者共享底层的 .git 对象库,但工作目录完全隔离。这种机制避免了文件锁冲突和未提交改动的相互覆盖,是 buddylist 实现任务隔离的基础设施。
开发配套:diff、终端、预览与PR检查
聊天窗口旁边,buddylist集成了代码审查所需的常用工具:查看diff、运行终端、预览应用、跟踪PR检查状态。这些功能并不新鲜,但把它们放在与Agent对话的同一屏内,意味着开发者不需要在IDE、终端和浏览器之间反复切换。
这种"聊天即工作台"的思路,与Cursor等AI编辑器的方向类似,但buddylist选择了更轻量的桌面App形态,并且明确保持与Agent账号体系的解耦——用户自带各家的账号,provider的访问权限和用量单独计费。
PR 检查状态通常指代码托管平台(如 GitHub)在 Pull Request 上展示的自动化检查结果,包括 CI 流水线(构建、测试、lint)、代码扫描和安全审计等。开发者可以在 PR 页面直接看到每项检查是通过、失败还是进行中,并据此决定是否可以合并。buddylist 将这一状态跟踪集成到聊天窗口旁,意味着当 Agent 提交代码或创建 PR 后,开发者无需跳转到浏览器即可获知 CI 反馈,从而快速判断是否需要让 Agent 修复问题或继续下一步。
免费应用背后的取舍
免费是buddylist的另一个标签,但需要看清它的边界:应用本身不收钱,但Claude Code、Codex等服务的订阅或API费用仍需用户自行承担。对于一个把多个付费Agent聚合到一起的工具来说,这种模式合理,也意味着buddylist的长期维护依赖于开发者个人的投入。
从Product Hunt的74票和仅3条评论来看,它目前还处在一个相对小众的早期阶段。MSN风格的UI是个聪明的记忆点,但真正决定它能否留住用户的,是任务交接的可靠性、worktree隔离的稳定性,以及多Agent群聊在实际项目里是否真的比单Agent更高效。
Claude Code、Codex、Gemini 和 OpenCode 是当前主流的命令行 AI 编程助手,但它们各自的账号体系和计费方式不同。Claude Code 通常通过 Anthropic 的订阅(如 Claude Pro/Max)或 API 密钥使用,按 token 或订阅额度计费;Codex 依托 OpenAI 的 API 或 ChatGPT 订阅;Gemini 则通过 Google AI Studio 或 Vertex AI 的 API 密钥访问;OpenCode 作为开源项目,允许用户配置多种模型提供商,费用取决于所选后端。buddylist 本身不代理这些请求,而是直接调用用户本地已配置的 CLI 工具,因此用户需要自行管理各家的凭证和用量配额。
适合谁尝试
已经在同时使用多个AI编程Agent、并且对Git worktree有基本了解的开发者,是buddylist最直接的目标人群。如果你习惯在一个终端里跑Claude Code、另一个跑Codex,并且经常需要手动搬运上下文,这个工具值得花时间试一下。而如果你只用一个Agent、或者更偏好IDE内嵌的AI体验,buddylist的群聊功能可能暂时用不上。
它的复古外观是钩子,多Agent编排才是本体。
相关推荐

Hermes Agent零基础实战:自进化AI助手
Hermes Agent 零基础教程:GitHub 41.7K 星的自进化 AI Agent 怎么装怎么用。本文拆解其学习循环、三层记忆与 Skill 自改进机制,对比 Claude Code 和 OpenClaw 的差异,并附 WSL 安装实操步骤。

RAG面试核心:离线建库与在线检索全流程拆解
拆解RAG检索增强生成的完整工作流程:离线阶段文档加载、切割、向量化、入库,在线阶段问题改写、向量检索、重排、生成,并解析RAG面试核心考点与系统优化方向。

AI大模型零基础入门:原理与API调用实战指南
从AI发展脉络到大模型训练原理,再到Token、Temperature、Top-P等核心概念,本文结合实战课程讲解系统提示词、Function Call、RAG与记忆能力的实现逻辑,并给出四类API调用场景的落地路径,适合零基础开发者入门。