SolonCode Desk 国产Codex

写代码这件事，正在悄悄发生变化。

过去，我们先在浏览器里问 AI，再把回答复制回编辑器；遇到报错，要去终端执行命令；想确认改了什么，又要打开 Git 工具。AI 虽然参与了开发，但开发者仍然要在多个窗口之间来回搬运上下文。

SolonCode Desk 想把这段割裂的体验重新连起来。

它不是一个简单套在桌面上的聊天窗口，而是一套面向真实项目的 AI 编程工作台：项目、对话、编辑器、终端、源代码管理都在同一个界面中。你可以让 AI 先读懂项目，再制定方案、拆分任务、修改文件、运行测试，最后直接检查实际代码和 Git 变更。

随着自动化任务、运行记录、Agent 调用和会话持久化逐步完善，SolonCode Desk 也不再只适合“临时问一次”。它开始能够承接持续几天的开发会话，也能把每天、每周反复发生的工作交给固定流程。

从“告诉我怎么改”，到“和我一起把它改完”

普通 AI 对话通常停留在建议层面。它可以解释代码，也可以生成一段看起来不错的示例，但真正落到项目里，还需要开发者自己定位文件、调整细节、执行命令和验证结果。

SolonCode Desk 更强调完整的任务闭环：

理解需求
  ↓
读取项目
  ↓
制定计划
  ↓
修改代码
  ↓
运行构建与测试
  ↓
检查 Git 变更

这意味着，你不必再反复复制文件内容，也不用把终端输出搬回聊天窗口。AI 可以围绕当前工作区持续理解上下文，而你负责决定目标、控制边界和完成最终验收。

一个界面，覆盖日常开发的关键环节

SolonCode Desk 顶部提供了四个核心工作区：

• 编辑器：直接查看和调整项目文件；
• 对话：描述需求，观察 AI 的分析与执行过程；
• 终端：运行构建、测试、脚本和诊断命令；
• 源代码：查看 Git 状态与变更，完成提交前检查。

左侧则提供项目、会话、自动化、Skills 和 Agents 等入口。项目决定 AI 在哪里工作，会话保留每次协作的上下文，Skills 沉淀工作方法，Agents 承担不同角色，自动化则负责重复执行。它更像一个以 AI 为核心重新组织过的轻量 IDE，而不是给传统编辑器简单加上一个聊天侧栏。

三种工作模式，把控制权留给开发者

AI 编程工具真正让人担心的，往往不是它能力不够，而是它会不会“改得太快、动得太多”。

SolonCode Desk 提供三种工作模式：

模式	行为	推荐场景
默认	所有操作由用户手动审批	首次使用、重要项目、需要逐步确认
自动编辑	自动接受文件修改	范围明确、容易回滚的重复任务
规划	只读分析，不执行修改	项目调研、方案设计、代码审查

刚开始使用时，可以先选择“规划”，让 AI 阅读项目并给出方案；确认方向没有问题后，再切换到“默认”模式执行。等你熟悉它的工作方式，再把简单任务交给“自动编辑”。

这种节奏并不追求一步到位，却更接近真实的软件开发：先理解、再决策，最后执行。

第一次使用，可以从这个任务开始

打开一个已经纳入 Git 管理的小项目，然后输入：

请先阅读当前项目，不要修改文件。

告诉我：
1. 项目使用了哪些主要技术；
2. 启动、构建和测试命令是什么；
3. 核心目录分别负责什么；
4. 主要业务入口在哪里；
5. 如果我要继续开发，最需要注意哪些问题。

请引用具体文件路径作为依据。

如果它能够准确找到构建文件、入口代码和测试目录，说明工作区上下文已经建立。接下来，可以尝试一个十几分钟能够验收的小任务：

请为用户查询接口增加分页参数。

要求：
- 保持当前代码风格；
- 不修改无关文件；
- 不增加新的第三方依赖；
- 补充正常、边界和异常场景测试；
- 完成后运行相关测试；
- 最后列出修改文件、测试命令和仍存在的风险；
- 不要提交 Git。

先给出方案，等我确认后再修改。

一条好的任务描述，通常包含四样东西：目标、范围、限制和验收标准。写得越清楚，AI 越容易稳定完成。

任务不再是一团输出，执行进度看得见

复杂任务最容易让人失去耐心的地方，不是等待，而是不知道 AI 正在做什么、还剩多少。

现在，SolonCode Desk 会把任务清单从普通消息中提取出来，集中展示“待处理、进行中、已完成”等状态。让 AI 先拆解任务后，你可以一眼看出当前执行到哪一步，而不用在长对话里来回翻找。

这对重构、迁移、补测试等多步骤工作尤其有用。一个典型任务可以被拆成：

1. 定位接口与调用链；
2. 确认兼容性边界；
3. 修改实现；
4. 补充测试；
5. 执行验证并整理风险。

当计划、执行和验收出现在同一个页面里，AI 的工作过程会更接近一位可以随时检查进度的协作者。

模型选择自由，不把工作流锁在一家厂商

不同模型擅长的事情并不一样。

有的模型代码生成能力强，有的更适合长上下文分析，有的响应速度快、成本低，还有些团队更希望使用本地模型或内部网关。SolonCode Desk 没有把用户绑定在单一模型上，而是提供了多种接入方式：

• OpenAI BaseUrl 与兼容接口；
• OpenAI Responses 与兼容接口；
• Anthropic 与兼容接口；
• Ollama 本地或局域网模型；
• 自定义 API 地址与模型参数。

你可以为简单问答选择轻量模型，为复杂重构切换更强模型，也可以把团队统一网关配置为全局供应商。模型只是能力来源，项目工作流仍然掌握在自己手中。

需要注意的是：工作区位于本地，不代表所有内容都不会离开本机。当文件内容被加入模型上下文时，仍可能发送给你配置的模型服务商。涉及敏感代码时，应选择符合团队安全要求的服务或本地模型。

不只会写代码，还能不断扩展能力

一个通用模型不可能天然了解每个团队的规范，但规范可以被沉淀。

SolonCode Desk 支持 Skills。你可以把固定流程、技术规范和专业知识整理成可复用能力，例如：

• Solon 项目的开发约定；
• Spring 项目迁移到 Solon 的检查流程；
• 团队统一的代码审查清单；
• 发布前检查与变更说明；
• 测试报告、周报和技术文档生成；
• 特定框架或业务领域的工作方法。

当同一段要求反复出现在不同任务中时，就不必每次重新输入，把它做成 Skill 即可。Skill 可以从市场安装，也可以直接描述需求，让 AI 辅助创建；安装完成后，侧栏与设置中的列表会及时刷新，减少“已经装好却找不到”的割裂感。

配合 Agents、MCP、OpenAPI 和 LSP，SolonCode Desk 可以逐渐从通用编程助手，变成更懂项目和团队的专属工作台。

用 @Agent 把合适的角色叫进当前对话

Skill 解决的是“按什么方法做”，Agent 更像“由谁来做”。

你可以为不同职责准备 Agent，例如代码审查、测试设计、架构分析或文档整理。需要某个角色时，直接在输入框键入 @，从候选列表中选择已启用的 Agent，再补充本次任务即可。

@代码审查助手

请检查当前改动，重点关注：
- 空指针与异常处理；
- 并发安全；
- 向后兼容；
- 测试是否覆盖关键分支。

这种方式比每次复制一大段角色设定更自然：Agent 负责稳定的职责与规则，当前消息只描述这一次要完成的事情。

把重复工作交给自动化

除了即时对话，SolonCode Desk 还提供自动化任务入口。你不需要先学习一套复杂配置，只要描述“要做什么、针对哪个项目、什么时候执行”，就可以让 AI 先生成任务方案，再进入详情页完善配置。

一个自动化任务不再只有标题和提示词，还可以明确关联项目、选择模型和推理程度，并决定手动运行还是按 Cron 表达式定时执行。常用频率提供了快捷选项，例如每 15 分钟、每小时、每天 9:00、工作日 9:00；开启定时后，界面还会显示下一次预计运行时间。

它适合承接那些目标明确、重复发生、结果容易检查的工作，例如：

• 定期整理项目变化；
• 生成开发周报或测试摘要；
• 检查待办事项；
• 执行约定的代码质量检查；
• 提醒维护依赖、文档或发布信息。

创建完成后，你仍然可以在详情页修改提示词与关联配置，临时点击“立即运行”，或随时关闭定时。每次执行都会留下运行记录，包括触发方式、开始时间、耗时、状态、项目、模型和推理程度；如果产生了关联会话，还可以从记录直接回到当次对话查看过程与结果。

这让自动化从“后台跑过一次”变成一个可以追踪的闭环：

描述任务 → 关联项目与模型 → 设置时间 → 自动执行 → 查看记录 → 回到会话复盘

需要注意的是，定时任务会在桌面应用运行期间按本机时区触发。自动化的价值也不是让 AI 在后台无限运行，而是把重复劳动变成可描述、可复用、可检查的流程。

会话能续上，长任务才真正好用

真正的项目任务很少在一轮对话里结束。你可能先让 AI 做调研，过一会儿切到另一个会话处理问题，第二天再回到原任务继续。

SolonCode Desk 会持续保存用户消息、AI 回复、错误信息和任务状态，重新进入会话时再加载历史内容；聊天连接与消息写入也加入了重试和会话级管理。对用户来说，最直接的变化是：切换会话不必担心正在执行的任务“消失”，连接偶尔波动时也更有机会保住已经产生的内容。

会话管理同样更顺手：项目与会话可以通过菜单完成重命名、删除等操作，关键操作会弹出更清楚的确认对话框。它没有把所有底层细节堆在界面上，却把长期使用最容易遇到的琐碎问题一点点处理掉了。

功能多，但不意味着必须一次全部打开

SolonCode Desk 的设置中心包含模型、工具权限、挂载、渠道绑定、MCP、OpenAPI、LSP、Skills、AI 提示词和运行日志等选项。

对第一次使用的人来说，建议保持简单：

1. 保持沙盒模式开启；
2. 使用默认工作模式；
3. 开启按工作区隔离的记忆；
4. 只接入一个熟悉的模型；
5. 从一个小项目、一个小任务开始；
6. 修改完成后一定检查测试和 Git diff。

当基础流程足够稳定后，再逐步启用自动编辑、Skills、Agents 或外部工具。AI 能做多少并不重要，重要的是每一步都在可理解、可验证、可回滚的范围内。

谁会喜欢 SolonCode Desk？

它尤其适合下面这些开发者：

• 希望使用中文驱动的 AI 编程体验；
• 想保留模型供应商选择权；
• 经常需要阅读和维护陌生项目；
• 希望把对话、编辑器、终端和 Git 放进一套工作流；
• 想把团队规范沉淀为可复用能力；
• 希望用不同 Agent 承担审查、测试、文档等角色；
• 需要定时执行周报、巡检、摘要等重复工作；
• 偏好开源、可配置、可扩展的工具；
• 需要兼容 Java 8 及以上运行环境。

SolonCode 本身采用 Java 和 Solon AI 实现，但使用场景并不局限于 Java 或 Solon 项目。桌面端可以打开普通代码工作区，具体效果取决于模型能力、项目工具链和对应语言服务。

现在，给它一个二十分钟能完成的任务

SolonCode Desk 最值得体验的，并不是让 AI 一次生成一个庞大项目，而是看它能不能稳定地走完一条真实开发链路：

先阅读项目
再给出计划
确认后修改
运行相关测试
最后检查变更

当这条流程真正跑通，你会发现 AI 编程不再只是“问一句、复制一段”，而是开始变成一种新的协作方式。

更多资料：

• SolonCode 完整入门指南
• SolonCode 中文说明
• SolonCode 官方文档
• SolonCode Release 下载

本文截图来自本地前端 http://localhost:5173/ 的亮色主题界面。不同版本的界面与功能可能略有变化。