plannotator 在每个 agent diff 前面放了一个人工检查点

agent 辅助开发里有一个时刻会让事情变糟,不会变好。agent 做完任务,打一段总结,问你要不要接受。你往下滚。diff 有四百行。你点了同意,因为认真读一遍比自己写一遍还慢。
plannotator 这周涨到大约 10,500 星,还在快速往上走,就是冲这个时刻来的。它是一块本地的浏览器审阅面板,挂在编码 agent 上,agent 有东西要你定的时候自己弹出来。你在计划、文档或 diff 上做标记,意见作为 agent 的下一步输入回去。
标语讲的是「留在回路里」。架构讲的东西更窄也更有用:把人的注意力当成一个正式步骤,别让它变成可选项。
它怎么挂上去
它不替代你的 agent,它插到一个 agent 上。README 列了 Claude Code、Codex、Copilot CLI、Gemini CLI、OpenCode、Kiro、Droid、Amp、DeepSeek Harness 和 Pi,Inbox 也能和 Grok Bot、Muse、Hermes、OpenClaw 这类个人助手一起用。接法走各家 harness 的插件、hook 和命令,所以集成深度按工具不同。
命令是熟悉的那一套:
/plannotator-review # uncommitted changes
/plannotator-review <github-pr-url> # a pull request
/plannotator-annotate README.md # a file
/plannotator-annotate https://docs.rs # a URL
/plannotator-last # the agent's last message
plannotator inbox # the queue
在 Codex 上,斜杠命令变成 `!plannotator ...`,或者用打包好的 skills。计划模式一句命令都不用写:它走 harness 的 hook,agent 一写计划,审阅面板自己就开。这个细节比听上去重要。要靠你记得去调用的检查点,会在你最忙的那几天被跳过,而那几天恰好最需要它。
审阅支持 Git、GitButler、Jujutsu、Perforce、GitHub 和 GitLab,不绑在某一个 forge 上。你可以按行评论、提代码建议,评论回给 agent,不会跑进一个没人看的 PR 讨论。
收件箱才是有意思的部分
单 agent 审阅是个已经解决的问题,解法也无聊:打开 diff,留评论。
Inbox 是团队为大多数人真实处境做的东西,那个处境是好几个 agent 同时在跑。它是一个本地窗口,agent 在里面留消息、提问、丢文件、发起引导式审阅,同时继续干活。你点一下回答问题,标注一个文件,有空了按发送。整个过程不占着任何 agent 会话,回复会回到提问的那个会话。
这一句话解掉了一个真实的死锁。human-in-the-loop 的标准做法是 agent 停下来等。一个 agent 没问题。四个 agent 的时候,你成了系统里最慢的进程,另外三个在烧上下文等你吃完午饭。异步收件箱让 agent 把问题存着,会话不用停。
Claude Code、Pi 和 OpenCode 通过插件连接,回复作为下一轮到达。其他工具用 MCP 接,命令是 `plannotator inbox mcp`,而 `plannotator inbox --help` 顺便就是 agent 学这套协议的文档。小设计,效果不小:帮助文本就是接入规范。
为什么用浏览器,为什么在本地
终端里的 diff 读代码够用,读别的东西很难受。在产品规格、HTML 稿或渲染出来的报告上用分页器审阅,基本是眯着眼看,而 agent 现在这三样都在稳定产出。把它们渲染进浏览器,让审阅者在渲染结果上打点,对这类产物才是对的界面。

README 的隐私一节,对这个体量的工具来说具体得少见,值得把实质摊开说。没有遥测。计划、diff、标注、草稿和历史默认留在本地。每个界面加载时向 GitHub 查最新版本,这个检查没法关。本地 Git 审阅可能对你配置的 origin 跑 `git ls-remote`,判断默认分支和基线是否过期,触发时机是审阅打开时、diff 加载时、切换 base 时、按 fetch 时。闲置的审阅页面不发任何网络请求,这个承诺比大多数工具硬。
内容只在联网功能需要时才离开机器:URL 标注去抓那个页面,GitHub 审阅走已认证的 CLI,Ask AI 把选中的问题和上下文发给你配置的供应商,分享把密文上传到 paste 服务。
对一个架在源代码上面的工具来说,这种披露是对的直觉。agent 工具最典型的坏法,是一个贴心的助手把你的仓库传上服务器还不说,用户唯一的防线是维护者在被问之前就把边界写清楚。
不舒服的那层含义
这个项目从头到尾押的是一个判断:agent 工作的瓶颈是人的审阅带宽,模型能力已经够用。
在我看来这个判断是对的。我认识的那些同时跑几个 agent 的人,一天大部分时间在阅读:计划、diff、测试输出、agent 说自己干了什么的总结。生成这一段很快,而且越来越快。验证这一段的上限是一个人读和决定的速度。
还有个二阶效应值得说。记录决策的审阅面板,会顺手留下决策的档案。plannotator 有 archive 命令,可以只读地翻看存下来的计划决策,标注留在数据目录里,终端审阅和应用审阅的产物积在同一个地方。等你手上有几百份通过的计划,以及塑造了它们的评论,你就拥有了任何单个会话都不包含的东西:一份关于你们团队怎么决策的描述。
那才是资产。diff 阅读器谁都能做,真正攒下来的是推理的轨迹。
现在还不舒服的地方
两点,都是结构性的。
第一,审阅工具改善的是审阅,审阅和正确是两回事。给一个坏架构做一份标注漂亮的批准,仍然是对坏架构的批准,而整洁的审阅面板会让「批准」感觉像尽职。Inbox 尤其容易让人清空队列,清空队列和理解队列是两种行为。
第二,这个工具给一个原本只有终端的工作流,加了浏览器、本地服务和 hook 层。多了三个会坏的东西,而 hook 坏掉是静默的:agent 没经过检查点就往下走,你过一阵才发现。
这两笔代价,为了买到的东西都算划算,那个东西是一个让人站进去的位置。另一种做法是大多数团队在做的:读一遍聊天记录,指望重要的部分刚好在里面。
如果你想试一件事
下一次有未提交的改动,跑一遍 `/plannotator-review`,在三行上留评论,哪怕没什么可说的。评论本身不重要。你要知道的是,当界面是为审阅设计的,一次真正的审阅要花多久,这个数字就是你新的吞吐上限。大多数团队从来没量过。
相关文章
十份降级报告,没有一份改了订单数字
十份降级报告都在讲不确定性,没有一份改动订单。真正的变量是 158 美元的恐慌低点和 5.1% 的十年期收益率。
三十三年来第一次,黄仁勋不在电话会上
数字几乎无悬念,真正要看的是克雷斯如何在首次独自主持的电话会上回答指引、Rubin 与毛利率三个问题。
一份社区维护的点击表,关掉了国产 Android 系统里的广告
它不动系统,不解锁,不刷机,只把厂商本来就留出来的开关一个个拨过去。代价是这份名单得一直有人续写。
GPT Image 2.6 守住 token 价格,账单却涨了
GPT Image 2.6 沿用了 2.5 的全部 token 费率,单张图却更贵,因为更多的活现在花在输出 token 上。上线十一天,定价结构说的比排行榜更多。