用 AI 交付代码需要纪律
如果没有正确的配置,AI 编码会带来真正的风险:如何配置 AI 及其 agent,才能确保它们绝不破坏已经正常运行的逻辑和结构?AITM 的 pipeline 正是围绕这一问题构建的。
Prompt 质量与更小的步骤
需求描述得越精确,AI 执行得越好。把工作拆分成更小、可独立验证的部分,始终优于一个巨大的 prompt。
更少的幻觉
普通的 AI agent 倾向于选择听起来最接近的答案,而不是业务真正需要的答案。把业务逻辑和明确的“不得破坏”约束注入 prompt,而不是只在事后测试,才能让它保持在正确的轨道上。
隔离影响范围的验证
单元测试、集成测试和端到端测试可证明某次变更没有破坏其自身任务之外的任何内容。
在改动任何一行之前先获取上下文
Architect 步骤会在编码开始前读取契约、DOM 元素和行为链,因此生成的 prompt 会避开不得更改的位置。而且每个任务(Bug、Feature 或 Enhancement)都按其风险类型被有意设计为采用不同的验证方式。
AITM 供开发团队和独立开发者使用,他们希望把日常编码交给 AI agent,自己专注于架构和决策。它解决了并行任务的混乱、对话之间上下文丢失,以及必须手动审查每次代码变更的问题。他们需要一个能保证 worktree 隔离、自动化测试和可审计历史的工具,同时不牺牲开发速度。AITM 让他们确信,AI 生成的代码与人工编写的代码经过同样严格的流程,每天还能节省数小时。
从 Prompt 到合并代码:全自动
Submit a Task.
Ship Tested, Merged Code.
Describe what you need once. AITM designs the approach, writes the code, reviews it, fixes what's broken, tests it end-to-end, updates the docs, and merges it into your dev integration branch — without you touching a keyboard again until it's done.
AITaskManager 实际演示
点击任意标签页进行浏览。点击图片可放大。
开发仪表板——您的指挥中心
项目、运行中的流水线、Git 状态和任务队列一目了然。实时控制台流式输出让您看到 AI 的工作过程。拖放任务即可调整优先级。
工作原理
包含 12 个步骤的 pipeline:从隔离分支,经过合规检查、评审和测试,到文档和链路审计。随后合并队列把结果合并进 dev。
Branch
为任务创建隔离的分支和 worktree。
Architect
根据项目代码和契约规划变更。
Code
实现已规划的变更。
Compliance check
针对复杂任务按其需求进行检查;较简单的任务会跳过。
Review
检查实现并给出结论。
Fix
需要时解决评审中发现的问题。
Test
运行项目的自动化测试。
E2E
测试应用中的用户旅程。
Verify
对照验收标准检查结果。
Snapshot
可选地截取 UI 用于视觉对比。
Docs
更新文档和行为契约。
Chain audit
在任务链末尾重新检查之前的任务。
用户指南
了解如何使用每项功能。点击展开。
AITM 生成您的代码
AI 负责日常编码，让团队更快前进。AI 使用您选择的模型编写代码。您的团队分配工作、审查并做出决定。
根据自然语言需求说明开发新功能和完整模块
强制复现的缺陷修复:任务先证明缺陷存在,修复后再证明缺陷已消失
对大型、长期维护的代码库进行重构和现代化,且不会危及主分支
能自行生成并维护的单元测试、端到端场景和文档
数十个任务并行运行,每个都在项目的独立隔离副本中
一切在服务器上,工作站上什么都没有
AITM 运行在您的服务器上,用户通过浏览器工作。源代码、worktree 和数据永远不会离开服务器。
由服务器承担负载
构建、测试和 AI agent 都在服务器上运行。工作站保持轻量,无需安装任何东西。
封闭的 Docker 环境
AITM 运行在与其他系统隔离的容器中,拥有自己专用的项目、worktree 和数据存储。
静态数据加密
数据库、任务结果、prompt、产物和备份均使用 AES-256 加密。被盗的磁盘或泄露的备份都无法读取。
您的代码留在您的网络内
AITM 为自托管。您可以为每个步骤选择 AI 提供商,包括本地 Ollama 模型,因此敏感项目无需离开您的基础设施。
每次变更都被隔离
每个任务都有自己的 git 分支和 worktree。只有在经过评审、测试和构建检查之后,才会进入主分支。
完整的审计轨迹
每个步骤都有日志、结论和原因。您随时可以追溯是谁提出了什么要求、AI 改了什么,以及为什么通过。
了解您项目的 AI
AITM 不会让 AI 盲目阅读代码仓库。契约、UI 映射和知识图谱会注入每个任务,因此 AI 能修改正确的位置。architect、coder、reviewer 和 fix agent 一次流程完成;您阅读的是结果,而不是聊天记录。合并队列会为您解决冲突。
值得信赖的交付
每次变更都经过评审、测试、文档化并可追溯。开发全天候持续进行,pipeline 会自我修复,而不是等待人工处理。您可以通过为每个步骤选择模型来控制成本。安全是设计的一部分,而非附加功能。
您决定做什么,AITM 负责怎么做。
为什么选择 AITaskManager？
使用普通 AI 编程工具时需要您手动完成的一切——现在全部自动化。
再也无需接触终端
branch、architect、code、compliance-check、review、fix、test、e2e、verify、snapshot、docs、chain-audit:一条 pipeline 为您执行每个步骤,然后把结果合并进 dev。可以跳过任意步骤,或从失败处恢复。
为每项工作选用最合适的 AI
用 Claude 写代码,用 Gemini 或 OpenAI 做评审,用 DeepSeek 或 NVIDIA 托管的模型做测试,用本地 Ollama 模型处理机械性步骤。可为每个 pipeline 步骤独立选择提供商和模型,在不降低质量的前提下削减成本。
不再遭遇凭空捏造的 API
每个功能都是可测试的行为契约。AI 在编码前先读取它，因此不会再猜测文件路径或虚构不存在的方法。
您的主分支始终安全
每个任务都在各自的 worktree 和分支中运行。任何改动都不会触及 dev ，直到通过测试和审查。
无需手动测试即可交付
单元测试和 Playwright E2E 会对每个任务自动运行,可选的 snapshot 步骤还能截取屏幕截图,以便更容易发现界面问题。
清楚看到代码库的真实面貌
交互式依赖图展示文件社区、核心节点（god node）和导入关系——再也不用猜测一个文件会影响哪些内容。
一键将对话变成任务
在拥有完整项目上下文的情况下聊天，头脑风暴确定方案，然后直接发送到队列。
它会自行恢复，无需您操心
后台看门狗会发现卡住的任务和僵尸进程，并自动重启失败的步骤。
您的 AI 会学习代码库的模式
可复用的提示会将项目特有的约定注入每一条提示词——输入 ~hint 即可获得即时上下文。
在一个界面中管理所有项目
即时切换上下文，跨项目排队任务，并同时跟踪各处的进度。
实时观看 AI 工作
每条命令、每次文件变更和每个决策发生时都完全透明。
晚上排队，醒来就是已合并的功能
睡前带着优先级和依赖关系排好 20 个任务——AITM 会在您睡觉时依次运行。
AITM 会学习您的项目
AITM 在您的代码库上工作得越多，每次需要重新探索的内容就越少。
行为契约记录您的代码做了什么——每次编辑前检查，每次合并后同步。
知识图谱将变量、契约、DOM 元素、测试和文档关联起来，一次查询即可获取。
导入仓库后，AITM 会在运行第一个任务之前就梳理出其技术栈、代码和 UI。
共享的代理模板和结构化交接让每个 AI 会话——以及每个提供商——保持步调一致。
哪些 AI 模型驱动 AITM
AITM 是扩展层，而不是模型——它编排您所选择的 AI。
模型由您自备
AITM 需要付费的第三方 AI 模型——Claude、OpenAI 或 DeepSeek——或自托管的本地模型。本地模型目前尚未达到 AITM 流水线所需的编码质量，因此更适合较轻量的任务。低档位的 Claude Sonnet 是编码、审查和修复中使用最多、表现最好的选择。Fable 偶尔用于任务规划和头脑风暴。OpenAI 和 DeepSeek 仅使用当前可用的最佳模型。
为什么幻觉更少
普通的代理系统在每个任务中都要从头重新推断代码库的行为。而 AITM 会持续维护并更新项目地图——行为契约、变量、DOM 映射和知识图谱——每个流水线步骤都会对照它检查，而不是猜测。这种准确度会随着 AITM 在项目上使用时间的增长而提高，在契约仍在构建的新导入项目上则较低。
为什么成本更低
AITM 的成本优势来自于根据每个步骤的复杂度，将不同的流水线步骤路由到不同的模型，对于较简单、不需要顶级模型的步骤，会使用更便宜的模型。这降低了完成任务的美元成本——是通过路由降低模型成本，而不是减少 token 用量。
为什么 AITM 比普通 AI 代理更可靠
与在聊天窗口中手动向 AI 发送提示相比。
Stop Babysitting Your AI. Start Shipping.
Every night you skip is a night of merged features you didn't ship. Queue your backlog now — AITM starts orchestrating the moment it launches.
v1.0.0 现已推出 Pick a duration and a time that works for you — we'll send a confirmation link to your email.
Check your email
We've sent a confirmation link to your email address. Click it to confirm your call.
AITM 如何与 AI 协作
流水线中提示词大小和上下文是如何管理的。
各 pipeline 步骤的 prompt 大小
每个流水线步骤（Architect、Code、Review、Fix、Test、Docs）都从专注于该步骤的提示词开始，而不是一个庞大的通用提示词。需要更多上下文的后续步骤（如 Code）在探索任务的过程中会累积更大的工作上下文；较早或较窄的步骤（如 Docs）则保持相对较小。无论哪种情况，工作上下文都严格控制在所配置模型的 token 窗口之内。
复用而非重复发送
每条提示词中稳定不变的部分（角色、规则、工具）在各步骤间完全相同，因此由 AI 提供商的提示缓存提供——每个步骤通常只需要少量新的输入，而大部分上下文是复用的，无需重新发送。
项目知识,而非读取文件
AI 会先查询项目知识,包括变量、业务逻辑契约、UI 映射,然后是代码,之后才读取文件,因此每个步骤都基于经过验证的项目事实开展工作。
按 AI 模型调优
| 提供商 | 上下文窗口 |
|---|---|
| Claude | 200K |
| Gemini | 1M |
| OpenAI | 128K |
| NVIDIA | 128K |
| DeepSeek | 64K |
| 本地 Ollama(默认) | 8K |
上下文窗口较小或推理能力较弱的模型会获得更精简的提示词版本，其中仍包含相同的工作规则，因此即使是本地模型也遵循同样的流程。
一个系统——GUI、流水线、数据与契约
AITM 并不取代 Claude Code、Cursor 或您喜爱的 AI 编程工具——它负责编排这些工具。指向您已在使用的相同模型即可；它会在其周围提供流水线、安全保障和项目记忆。
看得见的可视化层
实时仪表板会即时显示每个项目、运行中的流水线和排队的任务。DOM 浏览器会将每个 UI 元素映射到其 data-aitm 代码，截图历史则以可视化方式记录每个界面随时间的变化。
是流水线，而不是聊天窗口
一个 prompt 即可运行完整的 12 步 pipeline:branch → architect → code → compliance-check → review → fix → test → e2e → verify → snapshot → docs → chain-audit,随后合并队列把变更合并进 dev。每个任务都有自己独立的 git worktree,因此运行中您的主分支不会被触碰,看门狗会检测停滞的步骤并自动重试。
一切皆有存储，绝不凭空猜测
每个项目都有自己的数据库，保存行为契约和任务历史。全局数据库保存设置、提示和跨项目共享的变量注册表。每个任务都有自己的日志文件夹和归档结果，您可以随时回看任何一次运行。
项目之间严格的数据隔离
一个项目的数据绝不会与另一个项目混合——每个项目都有各自独立的数据库文件。进行中的工作会保留在各自的 worktree 内，直到通过审查、测试并合并，因此任何未完成的内容都不会泄漏到主分支。
数据、业务逻辑与 GUI 相互关联
每个 UI 元素都带有一个 data-aitm 代码，它与一份行为契约绑定，该契约描述了预期行为，并指向代码中确切的源文件和变量。AI 代理读取这份经过验证的规范，而不是从原始源码中猜测意图。