VSCode AI编程团队编排：Mysti扩展的多模型协作与实战配置

1. 项目概述：一个能让你在VSCode里组建AI编程团队的扩展

如果你和我一样，每天大部分时间都泡在VSCode里，那你肯定也试过各种AI编程助手。从GitHub Copilot的代码补全，到Cursor的聊天式编程，再到Claude Code的深度推理，每个工具都有它的高光时刻，但也都有各自的局限。有时候，Copilot给的代码快但不够深思熟虑；Claude想得深，但迭代起来又没那么快；而当你面对一个复杂的架构决策时，你可能会想：“要是能让Claude和Gemini坐下来辩论一下，听听双方的观点再决定，该多好。”

这就是Mysti要解决的问题。它不是一个全新的AI模型，而是一个AI编排层，一个运行在你VSCode里的“AI团队调度中心”。简单来说，Mysti让你能把市面上主流的12个AI编程CLI工具——包括Claude Code、GitHub Copilot、Gemini、OpenAI Codex、Cursor、Cline，甚至本地的Ollama和LocalAI——全部集成到一个统一的界面里。你可以让它们单兵作战，也可以让其中任意两个开启“头脑风暴”模式，像真正的技术团队一样协作、辩论，最终给你一个经过多角度审视的方案。

我最初是被它的“头脑风暴”功能吸引的。在v0.4.0版本中，这个功能已经相当成熟，支持5种不同的协作策略。比如“辩论”模式，会让两个AI一个扮演提议者，一个扮演挑战者，专门用来审视架构方案的优缺点；“红队”模式则专注于安全审查，一个负责构建，一个负责攻击。这种设计背后的逻辑很清晰：不同的AI模型，由于训练数据、算法偏好的不同，其“思维盲区”也不同。让它们协作，本质上是在进行一种“群体智慧”的交叉验证，这往往比依赖单一AI的输出要可靠得多。

对于已经订阅了Claude、ChatGPT Plus或GitHub Copilot的开发者来说，Mysti几乎是零成本上手。它不向你收取额外费用，只是作为一个智能的“路由器”和“协调器”，去调用你已经安装和授权的那些CLI工具。无论你是想追求极致推理的代码质量，还是需要快速迭代的原型速度，亦或是完全在本地离线运行的隐私需求，你都可以在Mysti里快速切换，找到最适合当前任务的那个“专家”。

1.1 核心价值：从“工具使用者”到“团队管理者”的转变

使用Mysti前后，你的工作流会发生一个根本性的变化。以前，你是在不同的工具间手动切换，大脑需要不断适应不同的交互方式和上下文。现在，你成了这个AI团队的“技术负责人”或“产品经理”。

你的核心工作变成了三件事：

1. 任务定义与分发：清晰地描述你要解决的问题或实现的功能。
2. 资源调度与协调：根据任务性质，决定是派Claude这位“资深架构师”单独出马，还是让“Gemini（快速原型专家）”和“Codex（代码优化专家）”组成小队进行头脑风暴。
3. 决策与验收：基于AI团队提供的多个方案或辩论结果，做出最终的技术决策。

这个过程极大地降低了认知负荷。你不再需要记住每个CLI工具的具体命令参数，也不需要手动在不同的终端窗口间复制粘贴代码和对话历史。所有交互都在VSCode侧边栏那个美观的聊天界面里完成，对话历史、文件上下文、任务进度都清晰可见。

更重要的是，Mysti内置的“自主模式”和精细的“权限控制”，让你可以放心地授权AI去执行一些重复性高的任务。比如，你可以设置一个“安全等级”，让AI在修改package.json这种低风险文件时自动进行，而在修改核心业务逻辑文件前必须向你申请许可。这种“委派”能力，是单一AI工具很难提供的。

2. 核心功能深度解析与实战配置

Mysti的功能集相当丰富，但核心可以归结为四大支柱：多提供商支持、头脑风暴协作、精细化权限控制与自主模式、以及智能的上下文管理。理解这四点，你就能完全掌握它的威力。

2.1 十二路AI提供商：如何根据场景选型？

Mysti目前支持12个后端AI提供商。这并不意味着你需要全部安装。我的建议是，根据你的主要工作流、预算和对隐私的需求，选择2-3个核心提供商即可解锁绝大部分能力，尤其是头脑风暴。

第一梯队（云端主力，推荐至少安装一个）：

• Claude Code (@anthropic-ai/claude-code): 我的首选。它在复杂逻辑推理、代码重构、撰写技术文档方面表现最为稳定和深入。如果你做的项目架构复杂、需要清晰的解释，Claude是“首席架构师”的不二之选。它的流式响应在Mysti里整合得很好。
• GitHub Copilot CLI (@github/copilot-cli): 性价比之选。一个Copilot Pro订阅，通过其CLI，你实际上可以间接调用包括Claude 3.5 Sonnet、GPT-4o乃至GPT-5（如果可用）在内的多个顶级模型。对于已经订阅了Copilot的用户，这是最经济的一站式方案。它在Mysti中的响应速度通常很快。
• Cursor Agent (agent): 另一个强大的多模型门户。Cursor自身的AI能力很强，其CLI工具在Mysti中调用也很顺畅。如果你本身就是Cursor编辑器的用户，那集成起来会非常自然。

第二梯队（特色化与本地化选择）：

• Gemini CLI (@google/gemini-cli): Google生态的集成度是它的优势。如果你大量使用Google的云服务、Kubernetes（GKE）或Firebase，Gemini在相关领域的代码建议可能更有针对性。它的响应速度通常是最快的之一。
• OpenCode (opencode-ai): 这是一个非常有趣的多后端代理。它本身不提供模型，而是作为一个统一接口，背后可以配置Anthropic、OpenAI、Google甚至Groq的API。适合那些不想被某个特定CLI工具绑定，希望灵活切换底层模型API的用户。
• Ollama (ollama) / LocalAI (localai):隐私与离线工作的终极解决方案。这两个工具允许你在本地机器上运行开源大模型（如CodeLlama、DeepSeek-Coder等）。优势是零延迟（取决于你的显卡）、完全隐私、无使用成本。劣势是模型能力通常与顶尖闭源模型有差距，且需要较强的本地硬件（尤其是GPU）。适合处理敏感代码或网络受限的环境。

选型实战心得：我个人的主力配置是Claude Code + GitHub Copilot CLI。这样我既拥有了Claude的深度分析能力，又可以通过Copilot快速调用其他模型进行对比或完成简单任务。当需要处理一些内部项目代码时，我会在Docker里启动一个Ollama服务，让Mysti连接本地模型，确保代码不出内网。

安装完CLI工具后，在Mysti中的配置非常简单。大部分情况下，你只需要确保CLI命令在系统PATH中可访问即可。Mysti提供了每个提供商的路径设置（如mysti.claudePath），只有当你将CLI工具安装在了非标准位置时才需要修改。

2.2 头脑风暴模式：五种策略的实战应用场景

这是Mysti的“杀手锏”。它不是简单地把两个AI的回答并列显示，而是设计了一套完整的协作机制。

1. 快速合成 (quick)

• 机制：两个AI独立生成回答，然后Mysti会自动提取它们回答中的关键点，合成一个更全面的最终答案。
• 适用场景：解答一个具体的编程问题（如“如何在React中优雅地处理表单验证？”）、编写一个工具函数、或者进行简单的代码审查。这是最常用、最省时的模式。
• 实战示例：当我问“用Python实现一个线程安全的单例模式”时，Claude给出了基于模块导入和__new__方法的经典实现，并详细解释了线程锁；而Codex则额外提供了一个使用metaclass的变体，并提到了在异步环境下的注意事项。Mysti合成的答案包含了两种实现及其适用场景，比任何一个单独的回答都更全面。

2. 辩论模式 (debate)

• 机制：明确分配角色，一方为“提议者/辩护者”，另一方为“批评者”。它们会就一个方案进行多轮辩论。
• 适用场景：技术方案选型。例如，“在这个微服务中，是用gRPC还是RESTful API？”、“这个数据存储该用PostgreSQL还是MongoDB？”。通过辩论，你能清晰地看到每种方案的优缺点、边界条件和潜在风险。
• 实战心得：我曾用它来辩论“是否应该在项目初期引入GraphQL”。Claude（作为辩护者）阐述了GraphQL在数据聚合、版本管理上的优势；Gemini（作为批评者）则尖锐地指出了其缓存复杂性、N+1查询风险以及对后端实现的挑战。这场辩论帮我理清了思路，最终决定在核心业务接口用REST，而在需要高度灵活性的管理后台用GraphQL。

3. 红队模式 (red-team)

• 机制：一方作为“建设者”提出实现方案，另一方作为“攻击者”专门寻找该方案的安全漏洞、边界情况和失败模式。
• 适用场景：安全关键代码、支付逻辑、权限系统的审查。或者任何你担心会有隐藏bug的复杂算法。
• 实战示例：在实现一个JWT令牌刷新机制时，我让Claude作为建设者编写代码，让Copilot作为红队进行攻击。红队成功地指出了几个我最初没考虑到的问题：令牌存储的位置（localStorage vs HttpOnly cookie）带来的XSS风险、刷新令牌的并发请求可能导致旧令牌失效、以及时钟偏移可能造成的验证失败。这比任何静态安全扫描工具都来得生动和深刻。

4. 视角模式 (perspectives)

• 机制：一方扮演“风险分析师”，专注于方案的稳定性、可维护性和技术债；另一方扮演“创新者”，专注于采用新技术、提升性能和用户体验。
• 适用场景：绿场项目启动、技术栈革新、重构决策。当你需要在“稳妥”和“激进”之间寻找平衡点时特别有用。
• 实战心得：在为一个新项目选择前端状态管理库时，创新者（Gemini）大力推荐基于原子化理念的Jotai/Zustand，强调其简洁性和性能；风险分析师（Claude）则坚持使用更成熟、生态更庞大的Redux Toolkit，并列举了团队学习成本、长期维护和招聘的考量。这帮助我制定了一个渐进式迁移策略：新模块用Jotai，老模块暂时不动。

5. 德尔菲模式 (delphi)

• 机制：一个AI作为“协调员”提出问题并总结共识，另一个AI作为“专家”提供深度分析。经过多轮匿名（对用户不可见）的意见交换和修正，最终达成一致结论。
• 适用场景：极其复杂、模糊的问题，比如设计一个大型系统的核心领域模型、制定长期的技术演进路线图。这个过程模拟了专家德尔菲法，旨在产生最稳健的共识。
• 注意事项：此模式耗时最长，因为涉及多轮内部讨论。适合那些不追求即时答案，而追求最高质量决策的场景。

收敛检测的妙用：在头脑风暴设置中，有一个mysti.brainstorm.autoConverge选项（默认开启）。当开启时，Mysti会实时分析两个AI的讨论内容，如果它们在某一点上已经达成了高度一致，就会自动停止讨论，直接输出共识结果。这能有效节省token（也就是节省你的API费用）和时间。我建议保持开启，除非你 explicitly 想观察完整的辩论过程。

2.3 权限控制与自主模式：安全地让AI“放手去干”

很多开发者对让AI直接修改代码心存顾虑，这是完全合理的。Mysti的权限系统设计得非常精细，让你可以逐步建立信任。

三级访问权限：

1. 只读 (read-only): AI只能读取你添加到上下文中的文件，无法进行任何修改。这是最安全的模式，适合初次使用或进行纯咨询。
2. 询问许可 (ask-permission):默认且推荐的模式。当AI试图修改、创建或删除文件时，会弹出一个清晰的对话框，展示具体的变更（diff），由你点击“批准”或“拒绝”。你始终拥有最终控制权。
3. 完全访问 (full-access): AI可以自主执行文件操作。慎用此模式，除非你在一个非常受控的环境（如临时项目、草稿分支）中，或者你已经通过前两种模式与AI建立了充分的信任。

自主模式的三重安全网：自主模式是“完全访问”权限的增强版，它允许AI不仅修改文件，还能执行一系列连续的任务（比如“修复这个模块的所有TypeScript错误”）。为了防止AI“暴走”，Mysti设置了多层防护：

• 安全分类器: AI在每次行动前，会自我评估其安全性。Mysti内置了一个分类器，将操作分为三类：
  • 安全（如格式化代码、添加注释）：在“平衡”或“激进”安全模式下会自动批准。
  • 需谨慎（如修改业务逻辑、更新依赖版本）：会根据设置的模式决定是询问你还是自动处理。
  • 应阻止（如删除node_modules、修改系统文件）：在任何模式下都会被自动阻止。
• 三种安全模式:
  • 保守: 几乎所有操作都需要你手动批准。
  • 平衡（默认）: 安全的操作自动执行，需谨慎的操作会询问你。
  • 激进: 安全和不那么危险的操作都会自动执行，只阻止高风险操作。
• 学习与记忆: Mysti会记住你过去的批准/拒绝决定。如果你多次批准了同类型的修改（例如“更新package.json中的版本号”），未来类似的、被分类为“需谨慎”的操作也可能被自动批准。这个功能会随着使用越来越贴合你的个人习惯。

实战配置建议：我通常将mysti.accessLevel设置为ask-permission，而将mysti.autonomous.safetyMode设置为balanced。这样，在日常聊天中，任何修改都需要我点头；而当我明确启动一个“自主任务”时，AI能在一定的安全边界内高效工作，同时我又通过分类器受到保护。

2.4 上下文压缩与@提及系统：管理复杂对话的利器

与AI进行长对话时，最大的敌人就是上下文窗口限制。Mysti的智能上下文压缩功能可以很好地缓解这个问题。

工作原理：当Mysti检测到当前对话的token使用量接近模型上下文窗口的某个阈值（默认75%）时，它会自动触发压缩。

• 对于原生支持压缩的提供商（如Claude Code），Mysti会调用其内置的/compact命令。
• 对于其他提供商，Mysti会在客户端对之前的对话消息进行智能摘要，保留核心决策、代码片段和关键结论，替换掉冗长的原始对话，从而腾出空间给新的交流。

这个功能是自动且透明的，你能感觉到对话可以持续很久而不会失忆。你可以在设置中调整mysti.compaction.threshold来改变触发压缩的时机。

@提及系统：这是一个提升效率的宝藏功能。你可以在聊天中直接“@”特定AI或文件。

• @claude 请检查这段代码的内存泄漏风险：直接将任务路由给Claude处理，即使你的默认提供商是别的。
• @src/utils/logger.ts @gemini 优化这个日志函数的性能：将指定的文件作为上下文提供给Gemini，并下达优化指令。文件上下文是“瞬态”的，只对当前这条指令有效，不会污染整个对话历史。
• @claude 设计API接口，然后 @cursor 为它生成OpenAPI文档：实现任务链。Cursor在生成文档时，能看到Claude之前设计的接口方案。

这让你能像指挥一个真正的团队一样，精准地分派任务，充分利用每个“成员”的专长。

3. 从零开始：完整安装、配置与核心工作流实战

光说不练假把式。下面我将带你完成一次从安装到实战的完整流程，并分享其中每一步的注意事项和避坑指南。

3.1 环境准备与核心CLI安装

步骤1：安装Mysti扩展在VSCode中，按下Ctrl+P(Mac:Cmd+P)，打开命令面板，输入ext install DeepMyst.mysti并回车。这是最直接的方法。或者，你也可以通过VSCode的扩展市场搜索“Mysti”进行安装。

步骤2：选择并安装你的第一个AI CLI工具我强烈推荐从Claude Code或GitHub Copilot CLI开始，二选一即可。

• 安装Claude Code:

  npm install -g @anthropic-ai/claude-code

  安装完成后，在终端运行claude auth login。这会打开浏览器，引导你完成Anthropic账号的登录和授权。你需要一个有效的Anthropic API密钥（可在其官网获取）或Claude Pro订阅。

  注意：确保你的Node.js版本在18以上。如果遇到权限问题，在Linux/macOS上可以尝试在前面加sudo，或者使用npm config set prefix ~/.npm-global配置全局安装路径，并将该路径加入系统PATH。

• 安装GitHub Copilot CLI:

  npm install -g @github/copilot-cli

  安装后，在终端运行copilot，然后根据提示输入/login进行身份验证。你需要一个拥有GitHub Copilot订阅的GitHub账号。

步骤3：验证安装打开一个新的终端，输入claude --version或copilot --version，如果能正确显示版本号，说明CLI工具已就绪。

步骤4：安装第二个CLI以解锁头脑风暴（可选但强烈推荐）要使用头脑风暴模式，你需要至少两个可用的AI提供商。我建议安装Gemini CLI作为第二个选择，它与Claude或Copilot能形成很好的互补。

npm install -g @google/gemini-cli gemini auth login

同样，你需要一个Google AI Studio的API密钥或Gemini Advanced订阅。

至此，你的“AI团队”已经有了两位核心成员。点击VSCode侧边栏的Mysti图标（或按Ctrl+Shift+M），就可以开始使用了。

3.2 基础配置与首次对话

首次打开Mysti，界面干净清爽。左侧是聊天面板，右侧可以展开设置、技能和上下文管理。

1. 设置默认提供商： 在聊天输入框下方，你会看到一个下拉菜单，用于切换AI提供商。将它设置为你最常用的那个，比如claude-code。你也可以在VSCode设置中永久修改mysti.defaultProvider。

2. 配置头脑风暴团队： 点击右侧的“设置”图标（齿轮），找到Brainstorm部分。在Agents设置中，选择你已安装的两个提供商，例如["claude-code", "google-gemini"]。将Strategy暂时设为quick。

3. 进行你的第一次对话： 在输入框中，尝试问一个具体的技术问题，例如：

请用JavaScript写一个函数，深度比较两个对象是否相等。要求能处理循环引用。

发送后，Mysti会调用你默认的AI（如Claude）来回答。你会看到流式的响应输出，代码部分有语法高亮。

4. 尝试头脑风暴： 在输入框上方，有一个“大脑”图标，点击它即可开启头脑风暴模式。同样的问题，现在你会看到两个AI（Claude和Gemini）同时开始工作，并最终给出一个合成后的答案。观察它们的思考过程，非常有趣。

3.3 进阶工作流：结合技能与自主模式完成一个真实任务

假设我们有一个真实任务：“为一个现有的Express.js API项目添加请求输入验证和统一的错误处理中间件。”

步骤1：使用“架构师”角色进行设计在Mysti右侧面板中，找到“技能与角色”。从16种角色中选择“架构师 (Architect)”。这个角色会引导AI更关注代码结构、可维护性和最佳实践。 然后输入：

@claude 我现在有一个Express.js项目，路由分散在各个文件里。请为我设计一个添加请求验证和统一错误处理的方案。要求：1. 使用Joi进行验证。2. 错误处理中间件能捕获所有同步和异步错误。3. 输出结构清晰的错误响应。请先给出整体中间件结构和目录建议。

使用@claude确保由Claude来处理这个需要深度设计的任务。

步骤2：启用“测试驱动”技能，生成验证中间件代码Claude会给出一个设计方案。接下来，我们启用“测试驱动 (Test-Driven)”技能。这个技能会要求AI在编写代码时同时生成对应的测试用例。 然后，我们可以引用Claude设计中的某个具体文件，让AI实现它：

根据你上面的设计，请实现 `middlewares/validateRequest.js` 这个Joi验证中间件。请同时为它编写Jest单元测试。

步骤3：开启自主模式，批量应用验证器现在，我们有了一个可复用的验证中间件。假设我们需要在10个不同的路由文件中应用它。手动修改很繁琐。这时可以启动自主模式。

1. 首先，在设置中确保权限是ask-permission，自主安全模式是balanced。
2. 在聊天中输入：

   我将启动一个自主任务。请遍历 `src/routes/` 目录下的所有 `.js` 文件，分析每个POST和PUT路由的请求体（req.body），为它们添加合适的Joi验证模式，并应用我们刚才创建的 `validateRequest` 中间件。在修改每个文件前，请先向我展示你的分析计划和将要进行的更改。

3. Mysti会进入自主模式。AI（根据你的默认提供商）会首先扫描目录，然后为你呈现一个修改计划。由于这是“需谨慎”操作，在balanced模式下，它会征求你的同意。你审查每个文件的diff后，可以逐个批准或全部批准。

步骤4：用红队模式进行安全审查所有修改完成后，我们可以让两个AI用“红队”模式对修改后的代码进行一次安全审查。 开启头脑风暴，选择“红队”策略，然后输入：

@claude @gemini 请以红队模式，审查 `src/routes/` 目录下所有刚刚被修改过的路由文件。重点关注：1. 验证规则是否足够严格，能否防止常见注入攻击？2. 错误处理中间件是否会泄露敏感信息？3. 是否有任何路由被意外遗漏或验证逻辑错误？

通过这个流程，你不仅高效地完成了一个重构任务，而且每个关键步骤都经过了多角度的审视，代码质量更有保障。

4. 常见问题、故障排查与性能调优

即使设计得再完善，在实际使用中总会遇到一些问题。下面是我在长期使用Mysti过程中积累的一些常见问题解决方案和优化技巧。

4.1 安装与连接问题

问题1：command not found: claude(或copilot,gemini)

• 原因：Node.js全局安装路径未添加到系统的PATH环境变量中。
• 解决方案：
  1. 找到Node.js全局安装路径。通常可以通过npm config get prefix命令查看。
  2. 将该路径下的bin文件夹（如/usr/local/bin或%APPDATA%\npm）添加到系统的PATH中。
  3. 重启VSCode。VSCode的终端环境变量有时需要重启才能更新。
  4. 在VSCode的集成终端里运行claude --version确认。

问题2：认证失败或超时

• 原因：CLI工具的登录状态过期，或者网络问题导致无法连接认证服务器。
• 解决方案：
  1. 在终端重新运行claude auth login或copilot->/login。
  2. 检查你的API密钥或订阅是否仍然有效。
  3. 对于Copilot CLI，有时需要检查GitHub账号是否已正确关联Copilot订阅。
  4. 如果使用代理，请确保CLI工具能正确使用系统代理设置。有些CLI工具（如claude）可能需要手动配置HTTP代理环境变量。

问题3：Mysti侧边栏无法加载或报错

• 原因：扩展冲突、版本不兼容或缓存问题。
• 解决方案：
  1. 尝试重启VSCode。
  2. 在VSCode的命令面板中运行Developer: Reload Window。
  3. 检查Mysti扩展的开发者控制台（Help -> Toggle Developer Tools），查看是否有具体的错误信息。
  4. 暂时禁用其他可能与AI或终端相关的扩展，看是否是冲突导致。

4.2 使用过程中的问题

问题1：头脑风暴模式不工作，只显示一个AI的回答

• 原因：未正确安装或配置第二个AI CLI工具；或者在设置中未指定两个头脑风暴代理。
• 排查步骤：
  1. 确认第二个CLI（如gemini）在终端中可独立运行。
  2. 检查Mysti设置中的mysti.brainstorm.agents，确保它包含了两个已安装且可用的提供商名称（如["claude-code", "google-gemini"]）。
  3. 尝试在聊天中手动切换提供商，确认两个AI都能单独响应。

问题2：AI无法读取或修改文件

• 原因：权限设置过于严格；文件路径未正确添加到上下文；或者AI的操作被安全分类器阻止。
• 排查步骤：
  1. 检查当前聊天面板的权限级别（输入框下方有图标提示）。确保不是read-only。
  2. 使用@文件路径语法明确将文件添加到当前消息的上下文。
  3. 如果是自主模式下的操作被阻止，查看Mysti的输出面板，通常会有日志说明被阻止的原因。

问题3：响应速度慢或经常超时

• 原因：网络延迟；AI服务提供商API限速；本地模型（Ollama）硬件资源不足；或上下文过长导致处理慢。
• 优化技巧：
  1. 网络：对于云端AI，稳定的网络连接是关键。
  2. 上下文管理：定期使用/clear命令或点击清除上下文按钮，避免历史对话过长。充分利用“上下文压缩”功能。
  3. 模型选择：如果使用本地Ollama，尝试更小、更快的代码模型，如codellama:7b或deepseek-coder:6.7b，而不是庞大的通用模型。
  4. 超时设置：部分提供商在Mysti的设置中有超时参数可以调整，但通常不建议修改默认值。

4.3 性能与成本优化指南

1. 精准使用上下文AI模型的计价通常与输入输出的token数量挂钩。Mysti的@提及系统是你的最佳盟友。

• 坏习惯：将整个项目根目录拖进上下文，然后问“如何优化我的代码？”
• 好习惯：使用@src/services/userService.js精确指定文件，然后问“这个函数的时间复杂度能优化吗？” 这能极大减少不必要的token消耗，让AI更聚焦。

2. 善用角色与技能组合在提问前，花几秒钟选择角色和技能，能显著提升回答质量，减少来回沟通的轮次。

• 需要写技术方案或API设计？-> 先切换到“架构师”角色。
• 需要排查一个诡异的bug？-> 启用“调试专家”角色和“第一性原理”技能。
• 需要生成大量样板代码或测试？-> 可以尝试“激进”自主模式配合“自动提交”技能（在版本控制下进行！）。

3. 本地模型的实用场景不要指望本地7B参数的模型能像Claude 3.5一样设计出完美的系统架构。它们的优势在于：

• 隐私敏感代码：处理公司内部代码、算法或任何不能出本地环境的数据。
• 简单的代码补全与解释：对于语法提示、代码片段生成、阅读和理解现有代码，小模型足够用。
• 网络离线时：作为备用方案。 我通常将Ollama配置为我的“第三提供商”，在不需要顶尖推理能力时使用它，以节省API成本。

4. 对话的节奏控制与AI协作像是一场对话，而非一次查询。对于复杂任务，将其分解：

• 第一轮：讨论需求和设计方案（使用头脑风暴的“辩论”或“视角”模式）。
• 第二轮：基于确定的方案，生成核心模块代码。
• 第三轮：进行代码审查和测试（使用“红队”模式或切换“调试专家”角色）。 这种分步进行的方式，比一次性扔出一个巨长的需求文档效果更好，也更容易控制上下文长度。

Mysti这款工具真正强大的地方，在于它将选择权和控制权交还给了开发者。你不再是被动接受某个单一AI的输出，而是可以像一个技术总监一样，调度、组合、质疑不同的AI能力。从快速原型到深度重构，从安全审计到技术辩论，它都能提供相应的“协作模式”来匹配。当然，它也不是银弹，最终代码的质量、架构的合理性，仍然取决于你——这位“人类架构师”的判断与决策。Mysti所做的是，尽最大可能为你提供更丰富、更立体、更可靠的信息输入，让你做出更明智的决策。