博客

产品更新、工程笔记，以及关于构建 AI agent 工作流工具的思考。

基于 Dolt 的本地优先 Issue 追踪

大多数 issue 追踪器在云服务上套一个 CLI。beads 反其道而行之：一个由 Dolt 支撑的 Git 原生 CLI，Beadbox 作为其上的实时可视化层。以下是这种架构对管理 AI agent 团队的重要性。

大多数项目管理 GUI 假设你想用鼠标。Beadbox 假设你生活在终端里，提供 vim 风格导航、即时工作区切换，以及面向阅读优化的界面，让你的双手始终留在键盘上。

当五个自主编码 agent 在同一个仓库上工作时，依赖链会变成看不见的瓶颈。以下是如何在一切停滞之前发现它们。

Epic 一旦超过五个子任务就变得不透明。以下是 Beadbox 如何将一堆 bd show 命令转化为一棵带有进度条、状态标记和实时更新的可展开树。

Jira、Linear 和 GitHub Issues 是为做站会的人类设计的。Agentic engineering 工作流需要本质上不同的东西。

不是演示，不是基准测试。这是我每天用 13 个专业化 Claude Code agent 在同一个代码库上交付软件的真实过程。

你在 tmux 中启动了六个 Claude Code 智能体。它们都在输出内容。你完全不知道它们在干什么。这篇文章告诉你如何通过结构化的 issue 追踪和实时可视化面板来解决这个问题。

当 10 个 AI 智能体并行工作时，依赖死锁是无声的。没有智能体会举手示意。这里介绍如何自动检测阻塞任务、用 CLI 优先的工作流进行分类，以及保持你的智能体集群持续运转。

基于万级 issue 数据集的真实基准测试、使用 Dolt 的 Git 原生存储，以及对各种权衡的坦诚分析。一份面向觉得固执己见式工作流受限的开发者的技术对比。

Beadbox 博客正式上线。关注我们，了解 AI 智能体工作流可视化工具的最新进展。

你可以同时运行 10 个 AI 智能体。但你完全看不到它们在干什么。这就是我们要解决的问题。