用AI Coding的方式写代码有一年多了，从刚开始的开一个终端盯着它一行一行吐字符，到现在同时开多个项目同时跑十几个任务。对比之前，开发效率已经起飞，但也踩过很多的坑，这篇文来聊聊我真实的使用痛点和一些使用技巧。

刚开始用Cladue Code 的时候很简单：开个终端，说清楚需求，回车，然后盯着屏幕等它干完。那时候觉得这玩意儿真神奇，一句话就能帮我直接修改项目代码，我靠在椅子上看着它干活，挺好。

但一个任务跑着的时候，如果遇到新的需求，或者遇到线上bug，当时终端被占用，你总不能一直傻等，于是我开始第二个终端、第三个....第N个, 效率直线上升，这把我牛逼坏了
牛逼了没多久呢，就遇到了新问题

- 第一个问题：视觉和记忆混乱
我的桌面上开了很多个Cladue Code终端，我在它们之间来回切，经常搞不清楚哪个窗口是哪个任务，有时候会切到一个窗口，盯着看了好一会才反应过来：“哦，这个是改登录模块的”、“这个终端是在做什么任务来着？”，或者有的任务已经跑完了在那里晾了十几分钟，我才发现。

- 第二个问题：编辑冲突，它们会互相踩代码
任务1在改`user-service.ts`，任务2也在改 `user-service.ts`，两个Agent互相不知道对方在干什么，有时候还会看到AI在自言自语的说：“奇怪，我明明我已经改动了这个文件”，很搞笑。合并代码的时候也是经常各种冲突，手动解决很费时间
后来我学会了使用Git Worktree ，给每个任务创立独立的分支和工作空间，但是每次都要手敲命令，任务少还好，任务一多，这套操作就变成了重复的体力活。

- 第三个问题：Token焦虑
我之前用Cladue Code官方的200刀订阅计划，是基本够用的，很少Token焦虑，但相信很多常用Cladue Code开发的小伙伴都知道，Cladue Code 封号非常严重，我被封了好几个账号之后老实了。
我改用各种newApi站点的token。现在不用担心封号的问题，但更贵了，因此我不得不精打细算，我开始少用opus、开始用codex、kiro ，或者Deepseek，这种选择本身没问题。问题是为每个任务使用不同的模型，不同的工具，实施起来非常麻烦。

- 第四个问题：离开电脑焦虑
AI任务跑起来以后，大部分时间其实是在等--等他思考、等它写代码、等它跑测试，但是我不敢走开，因为不知道它什么时候会卡住，会问你问题，或者干脆跑偏了。
我要经常盯着它跑任务，方便及时补充或调整，所以我基本上还是得坐在椅子上一整天，跟以前手写代码的时代没什么区别。
但既然我只是跟ai对话，不用一行行敲代码，那我为什么不能一边在阳台透气、在河边钓鱼，然后一边把活干了呢？

我这个人很不安分，遇到了问题就要想办法解决，我梳理了一下，真正需要解决的有几点：
1. 一个界面清晰的看到所有任务状态：不用在终端窗口间切来切去
2. 自动隔离每个任务的环境：别让 Agent 互相踩文件，别让我手动管理 worktree
3. 按任务选择不同的模型/工具：贵的做重活，便宜的做轻活，别一刀切
4. 手机能看进度：出门了也能知道发生了什么
5. 跑完了通知我：别让我一直盯着屏幕
于是，我写出了一个新东西 Agent Tower 

Agent Tower 怎么解决这些问题呢

1. 看板式任务管理，一眼看清所有任务
所有任务、以及任务的变更，一个看板搞定。
启动任务后。任务的实时输出、进度、代码变更都在同一个界面上，任务跑完了自动流转到“待审查”面板，不再需要在各个终端界面来回切

2. Git WorkTree 自动隔离
启动任务后，Agent Tower会自动为每个任务创建独立的Worktree和独立的文件空间，Agent在隔离的工作空间中工作，你可以让他们互相测试自己的工作空间的功能，互不影响。
任务跑完之后，审查变更，如果没问题直接一键合并到主分支，不满意可以直接抛弃，对主分支毫无影响
不用再手动git worktree add、手动rebase、merge。Agent只管干活。

3. 可以为每个任务选择不同的工具（目前支持Claude Code、Cursor Cli、Codex），不同的模型
举个例子：
创建前端任务选择 [Claude Code] Opus 4.7 ，后端任务选择[Codex] GPT-5.5，翻译的任务可以交给 [Claude Code] - GLM5.1 ，每个任务互相隔离，互不影响
我没法说一个月能省多少钱，每个人用法不同，如果你没有Token焦虑，一路Opus莽过去也没关系

4. 手机远程访问和任务通知
一键开启Cloudflare隧道，生成一个支持公网访问，带token认证二维码，手机扫码就能远程访问Agent Tower，边钓鱼也可以边把活给干了。

5. MCP 让 Agent 可以自动创建任务
任何 AI 工具都可以通过 MCP 协议直接操作 Agent Tower 的任务板。这个功能比较有意思，我讲个具体场景：
我曾经遇到遇到一个项目的多语言化任务，需要为项目的各个模块做本地化的翻译，如果要加快开发速度，我可以选择分模块创建多个翻译任务，用户模块一个任务、订单模块一个任务、商品模块一个任务...多个任务并行，这时候我可能需要一个个在Agent Tower中手动创建十来个任务，这就很不AI。
Agent Tower支持MCP调用后就不一样了，配置好MCP之后，我可以创建一个管理任务，让AI自己分配和拆分模块，一次性创建多个翻译任务，最后再让他审查各个任务的变更，自己合并任务，这就轻松多了不是么。
这个功能还有很多的玩法，大家可以自己发掘发掘。

技术栈：就一个Node应用
这个东西一个运行在本地的单机应用，不是Saas或者云平台，没有登录功能，代码和数据完全运行在自己的机器上。
核心就是 Fastify + Socket.IO + Prisma + React，`npm i -g agent-tower` 全局安装一个包就能跑，SQLite 存数据，没有 Docker，没有复杂部署。

如果你：
- 每天开着好几个 AI Agent 终端，切来切去很乱
- 经历过两个 Agent 同时改一个文件导致问题
- 想让不同任务用不同模型，但切换太麻烦
- 出门想看看 Agent 进度，但又不想背着电脑
- Token 焦虑，需要为不同的任务分配不同模型
那 Agent Tower 可能对你有用。
如果你的使用方式是 “开一个终端、一次做一个任务、做完了再做下一个”，那你现在的流程已经很好了，不需要额外工具。

这个项目目前是我自己日常重度使用的工具，每次发现不舒服的点就会改。项目已经开源，如果你用了有什么想法或建议，欢迎反馈