Craft Agents

Craft Agents

官网文档

Craft Agents 是一个桌面端的 agent 工作台。它的核心思路不是“再做一个聊天框”，而是把 agent 真正放进日常工作流里，让它去接 GitHub、Linear、Slack、本地文件、Craft 文档，甚至任意能接上的 API。

如果已经用过 Claude Code、Codex 这一类工具，大概会很快明白它想做什么。它不是替代模型能力，而是把模型能力包进一个更适合长期、多任务、跨工具协作的界面里。

官方文档里有一句话我觉得挺准确：它是把 Claude 的 coding 能力，延伸到整个数字工作流里。这个描述不夸张。

它到底是什么

先别把它理解成普通 AI 聊天工具。Craft Agents 更像一个 agent 操作台，重点在下面几件事：

• 一个 inbox 式的多会话界面
• 可以长期保留上下文的 session
• 可以接入多种 source
• 可以先 Explore，再决定要不要 Execute
• 可以把结果变成团队能复用的文档和记录

这几个点放在一起，体验就和“开一个聊天窗口问模型”完全不一样了。

为什么我会推荐它

1. 它很适合现在这种多任务的 AI 工作方式

现在大家用 agent，越来越不像早期那样“一次只做一件事”。实际情况更像是：

• 一个任务在改代码
• 一个任务在查资料
• 一个任务在整理 issue
• 还有一个任务在慢慢跑

Craft Agents 很适合这种场景。它的多会话设计不是摆设，而是真的把“同时开几个任务”这件事当成默认工作方式来做。

对我来说，这一点比单次回答质量更重要。因为很多时候不是模型不够强，而是任务一多，聊天式界面很快就乱了。

2. 它把数据源这件事做得比较顺

Craft Agents 有个很重要的概念叫 Sources。简单说，就是把 agent 能访问的能力拆成一个个来源：

• MCP servers
• REST APIs
• 本地文件
• 远程环境

这意味着它不是只能“聊”，而是真的可以带着上下文去不同地方拿信息、做动作。

比如一个任务完全可以一边看 GitHub repo，一边查 Linear issue，再把结果写回 Craft 文档。这个工作流如果纯靠聊天窗口去回忆上下文，通常很快就会失控。

3. Explore / Ask to Edit / Execute 这套权限模式很实用

我很喜欢它对权限的处理方式。不是一上来就全自动，而是给出一个分层梯度：

• Explore：只读，先研究
• Ask to Edit：要改动前先确认
• Execute：放手让它跑

这个设计挺像真正和同事协作。先让它看，确认思路，再放权。很多 agent 工具不是太保守，就是太激进，Craft Agents 在这中间找到了一个还不错的平衡点。

4. 它比很多 agent 工具更适合长期使用

很多 AI 工具第一眼很惊艳，但用久了会暴露一个问题：记录留不住，任务不好管理，过几天连某个结论是怎么来的都不容易追清。

Craft Agents 在这点上明显下过功夫。session 是持久化的，状态是可以管理的，结果也更容易变成文档。官方甚至把“sessions become documentation”当成一个重点来讲，我觉得这不是空话。

单人使用时，这意味着上下文不需要每隔几天就重新捡一遍。

如果是在团队里推动 AI 工作流，这意味着 agent 产出的东西更容易被别人接住。

5. 它和 Claude Code 的关系处理得很聪明

官方文档里专门拿它和 Claude Code 做了对比，这点我觉得很坦诚。

两者不是谁替代谁。Craft Agents 和 Claude Code 用的是同一类基础能力，甚至 skills 格式、核心工具、thinking level 这些都能对齐，但侧重点不同：

• Claude Code 更像终端里的强执行助手
• Craft Agents 更像跨工具、多会话、可组织的工作台

如果本来就喜欢 Claude Code，Craft Agents 不会显得陌生，很多思路是通的，只是外面多了一层更适合长期协作的壳。

6. 开源这点很加分

Craft Agents 是开源的，代码在 GitHub 上，许可证是 Apache 2.0。

这点对 agent 工具其实很重要。因为这类软件变化太快，如果完全是黑盒，后续演进方向很难判断，也很难真正接进现有系统里。Craft Agents 至少在这件事上给了更大的空间。

它适合什么人

• 已经在高频使用 Claude Code、Codex、Cursor 这类 agent 工具的人
• 不满足于“单聊天窗口工作流”的人
• 想把 GitHub、Linear、Slack、文档、本地文件接进同一个 agent 界面的人
• 团队里需要长期保存 AI 工作记录的人
• 想自己折腾 sources、skills、权限规则的人

如果只是偶尔问模型几个问题，Craft Agents 可能会显得有点重。

但一旦开始把 agent 当成日常工作的一部分，它就会显得很顺手。

我觉得它和普通 AI 聊天工具最不一样的地方

1. 它不是围着“提示词”转

很多工具的核心仍然是 prompt box。Craft Agents 的重点是 workspace、sources、session、permission mode。

这意味着它更像在组织工作，而不是只组织提问。

2. 它天然支持多上下文

一个项目一个 workspace，不同 workspace 各自隔离 source、skill、session，这个设计很实在。

一般不会想把公司仓库、本地私人文档、另一个客户项目全塞在同一套上下文里。Craft Agents 在这点上处理得比较干净。

3. 它更像“agent 原生软件”

GitHub README 里提到一个词叫 agent native。我觉得这个词没有乱用。

它很多设计都是围绕 agent 真正要长期工作来展开的，不只是“把模型接进现有软件”。这两种做法看起来差不多，用久了差别会很明显。

怎么上手

安装

官方支持 macOS、Windows 和 Linux。

如果是 macOS，可以直接下载对应架构的 DMG。官方文档里也给了安装脚本：

curl -fsSL https://agents.craft.do/install-app.sh | bash

如果偏向自行编译，也可以直接从开源仓库拉源码构建。

第一次启动

第一次启动会进 setup wizard。大致会做几件事：

1. 可选连接 Craft 账号
2. 选择要接的 Craft space
3. 配置模型连接方式

官方 quickstart 里提到，模型连接可以走 Claude Pro/Max OAuth，也可以自己填 API Key。支持的方式不止一种，这点挺灵活。

我会建议的第一步

第一次试用时，不要一口气接十几个 source。

最简单的方式是：

1. 先接一个本地项目目录
2. 再接一个 GitHub 或 Linear
3. 开一个 Explore 模式任务，让它先读、先总结
4. 确认这套节奏顺了，再慢慢放权到 Execute

这样最容易建立感觉。

常用功能点

1. 多会话 inbox

这个功能看起来简单，但实际非常重要。任务多了以后，很需要一个能长期保留上下文、还能切换状态的地方。

2. Sources

这是它最核心的能力之一。MCP、REST API、本地文件都能接，意味着它不是局限在单一软件内部。

3. Permission modes

Explore、Ask to Edit、Execute 这三层模式很实用。尤其还在摸一个新 source 或新工作流的时候，Explore 会让人安心很多。

4. Workspaces

不同 workspace 可以隔离不同项目的 source、skill 和 session。对多项目用户来说，这比所有内容混在一个地方舒服太多。

5. 远程访问

官方文档提到可以跑 remote server，然后从桌面端、浏览器、CLI 去访问。这点很适合那些工作环境分散、机器很多的人。

6. 可定制性

主题、skills、状态、权限规则，很多东西都能通过配置文件去调整。它不是那种只能按作者预设来用的产品。

和 Codex、Claude Code 怎么选

这一块我觉得很值得单独讲清楚。因为这三个名字很容易被放在一起，但它们其实不是完全同一层的东西。

如果硬要先给一个最短的判断，我会这么分：

• Claude Code：终端里最直接、最干活的那一类
• Codex：更强调多 agent、后台并行、云端委托
• Craft Agents：更强调工作台、多数据源、多会话和长期组织

先说结论，再展开。

1. Craft Agents 和 Claude Code

这两个最像，也最容易被拿来比较。原因很简单：Craft Agents 官方就明确说了，它和 Claude Code 共享同一套基础方向，skills 格式、MCP、核心工具、thinking level 这些都能对齐。

但真正用起来，感觉还是不一样。

Claude Code 更像是已经坐在终端里，准备直接开干：

• 直接进项目目录
• 读文件、改文件、跑命令
• 快速推进一个明确任务

这种模式非常强，尤其适合开发者已经有明确上下文的时候。仓库位置、改动目标和验证方式都明确以后，Claude Code 会特别顺。

Craft Agents 则更像把这套能力往外扩了一层。它不是只服务于“当前这个代码任务”，而是把任务管理、上下文组织、数据源接入、权限控制也一起放进来了。

简单说：

• 如果想马上进终端开干，Claude Code 更直接
• 如果要同时盯几个任务，还要接 GitHub、Linear、文档、API，Craft Agents 更像一个总控台

我觉得这两个不是替代关系，更像执行层和组织层的分工。

2. Craft Agents 和 Codex

Codex 现在的方向，和很多人几年前理解的“代码模型”已经不太一样了。按 OpenAI 现在的官方说法，它更像一个 coding agent，而且很强调云端委托、并行任务和多 agent 工作流。

这一点其实和 Craft Agents 有重叠，尤其是在“不是只聊，而是真的去做事”这件事上。

但两者的重点仍然不同。

我自己的理解是：

• Codex 更像一个 agent 指挥中心，尤其强调把任务委托出去，在云端并行跑
• Craft Agents 更像一个可以长期坐班的 agent 工作台，强调会话、来源、权限和上下文管理

Codex 的优势在于后台执行感很强。官方现在一直在强调 parallel agents、cloud environments、automations 这些东西。如果脑子里想的是“把任务分发出去，让 agent 各自跑”，Codex 这套会很有吸引力。

Craft Agents 的优势则在于，更容易把不同来源的上下文拢在一个地方，而且 session 本身更像长期资产。这里不是只把任务扔出去跑完，而是在维护一个持续工作的环境。

3. Codex 和 Claude Code

这两个也很容易被拿来对比，但我觉得差别反而更清楚。

Claude Code 更偏本地、偏终端、偏即时协作。更像并肩工作的感觉。

Codex 更偏云端、偏委托、偏并行监督。更像“派任务再回来看结果”的关系。

如果平时更喜欢：

• 在本地目录里盯着改
• 自己掌控每一步
• 很快来回试错

那 Claude Code 会更自然。

如果更喜欢：

• 同时开多个任务
• 让 agent 在后台跑
• 自己做调度和 review

那 Codex 会更对路。

4. 三者放在一起怎么理解

我觉得可以把它们放在三个不同侧重点上看：

工具	更像什么	更适合什么场景
Craft Agents	agent 工作台	多会话、多来源、长期组织、团队协作
Codex	agent 指挥中心	云端委托、并行任务、多 agent 后台执行
Claude Code	终端执行助手	本地开发、快速改码、即时协作、强执行

如果只问“哪个更强”，这个问题意义不大。因为三者都强，只是强在不同地方。

更实际的问题应该是：当前的瓶颈在哪。

5. 我会怎么选

如果当前的主要痛点是：

• 想在终端里更快改代码
• 想少切编辑器和命令行
• 想让 agent 直接跟着当前任务一起推进

那我会先选 Claude Code。

如果主要痛点是：

• 任务很多
• 想把工作分发给多个 agent
• 希望后台一直有人在跑活

那我会先看 Codex。

如果主要痛点是：

• 聊天窗口一多就乱
• 任务、文档、代码、issue 分散在不同地方
• 需要一个能长期组织 agent 工作的地方

那我会更推荐 Craft Agents。

6. 一个更现实的答案

很多人最后不会三选一，而是混着用。

比如很自然的一种组合就是：

• 用 Claude Code 处理本地、即时、执行密集的任务
• 用 Codex 处理可以委托出去的后台任务
• 用 Craft Agents 管理跨来源的上下文、长期会话和任务组织

这套搭配其实挺合理。因为今天的 agent 工作流，很多时候已经不是“挑一个最强工具”，而是“给不同层级的工作配不同的工具”。

如果更喜欢终端、更习惯一把梭执行任务，Claude Code 还是非常强。

如果更需要这些东西：

• 多任务同时推进
• 把不同数据源接进同一个工作区
• 对 session 做长期管理
• 让过程本身也能沉淀为文档

那 Craft Agents 会更对路。

我自己的感觉是，这几个工具并不冲突。很多人最后可能会变成：

• 终端里用 Claude Code 或类似工具狠狠干活
• 后台任务交给 Codex 这类更偏委托型的 agent
• 在更大的任务组织层面，用 Craft Agents 管理上下文、来源和长期会话

这反而是很自然的组合。

我的看法

Craft Agents 不是那种“第一次打开就立刻震撼”的产品。它更像一类需要带着真实任务去跑几天，才会慢慢意识到价值的工具。

它真正有意思的地方，不是某个单点功能多炫，而是它把多任务、来源接入、权限控制、长期记录这些事情放在了一起，而且放得比较顺。

如果已经从“用一下 AI”走到“每天都在和 agent 协作”，那 Craft Agents 很值得认真试一阵。