基本用法

Auto-Coder.Chat 提供三种使用模式，适应不同的开发场景。

cd your-project
auto-coder.chat

传统模式（/auto）

最直接的使用方式 —— 通过 /auto 命令让 AI 分析并执行编码任务：

/auto 帮我实现一个用户登录功能

/auto 后面直接接你的需求描述即可。AI 会在当前会话中同步执行任务，你可以实时看到进展。

文件引用

使用 @ 符号引用文件路径，按 Tab 键自动补全：

/auto 重构 @src/utils/auth.ts 中的认证逻辑

会话管理

# 开启一个全新的会话
/auto /new

# 查看所有历史会话
/auto /list

异步模式（/async）

异步模式是 Auto-Coder.Chat 的核心竞争力 —— 将任务提交到后台运行，你可以同时提交多个任务，它们会自动并行执行并合并结果。

提交异步任务

/async /name my-job /time 40m 帮我重构整个项目的错误处理逻辑

• /name my-job — 为任务命名（必需）
• /time 40m — 设置最大运行时长（如 40m 表示 40 分钟）
• 最后是你的需求描述

需求较长时，可以用双引号或三引号括起来：

/async /name my-job /time 40m "帮我写一个新的 markdown，介绍这个项目是干啥的"

/async /name my-job /time 40m '''
1. 重构用户认证模块
2. 添加单元测试
3. 更新相关文档
'''

任务提交后会在后台独立的 git worktree 中运行，不影响你当前的工作：

查看异步任务

# 查看所有异步任务列表
/async /list

# 查看某个任务的详细信息
/async /task my-job

使用外部工具查看任务

异步任务运行在独立的工作目录中，你可以用任何外部工具（如 Cursor、VS Code）打开查看：

!cursor ~/.auto-coder/async_agent/tasks/my-job

! 前缀表示执行外部 shell 命令。

合并异步任务

当你对异步任务的结果满意时，将其合并回主分支：

/auto /merge my-job

SubAgents Cowork 模式

SubAgents Cowork 模式允许你定义 SubAgent 工作流，将复杂任务拆解为多个 Agent 分阶段执行（DAG 编排）。适合大规模重构、需要设计评审、多步骤协作等场景。

调用 Workflow

有两种方式：

快捷方式（推荐日常使用）：

$plan 帮我重构用户认证模块

$ 后面紧跟 workflow 名称，空格后是你的需求。等价于：

/workflow plan query="帮我重构用户认证模块"

标准命令（支持传递更多参数）：

/workflow plan query="帮我重构用户认证模块" env=prod

输入 $ 后按 Tab 键可以补全可用的 workflow 名称。

获取 Workflow

前往 SubAgents Cowork 市场 获取社区贡献的 Workflow，下载后放到 ~/.auto-coder/.autocoderworkflow/ 目录即可使用。

市场中有一些常见的 Workflow，例如：

例如，下载 plan workflow 后，执行一个完整的设计+实现流程：

$plan '''
1. 重构用户认证模块，支持 OAuth2
2. 添加单元测试覆盖
3. 更新 API 文档
'''

plan workflow 会依次执行：上下文收集 → 设计方案（输出到 docs 目录）→ 代码实现 → 验证测试 → 代码 Review，每个阶段可以使用不同的模型。

配置 Workflow 所需模型

在使用 Workflow 之前，需要确保其中引用的模型已正确配置。

1. 查看 ~/.auto-coder/.autocoderworkflow/ 目录下的 Workflow YAML 文件，找到其中定义的模型（如 model: "volcengine/deepseek-v3-2"）
2. 使用 /models /list 命令查看当前已配置的可用模型
3. 如果 Workflow 中引用的模型尚未配置，你可以：
   • 按照模型配置指引添加对应模型
   • 或者直接修改 Workflow 文件中的 model 字段，替换为你已有的可用模型

提示：Workflow 文件中可能在 globals.model 和各个 agents[].model 中引用不同模型，请确保所有引用的模型都已配置。

Workflow YAML 结构

Workflow 以 YAML 文件定义，核心结构如下：

apiVersion: autocoder/v1
kind: SubagentWorkflow
metadata:
  name: my-workflow
  description: "我的自定义工作流"
spec:
  globals:
    model: "volcengine/deepseek-v3-2"

  vars:
    project_type: "*"

  agents:
    - id: context
      model: "volcengine/deepseek-v3-2"
      runner: terminal
    - id: coder
      model: "volcengine/deepseek-v3-2"
      runner: terminal

  steps:
    - id: gather_context
      agent: context
      with:
        user_input: |
          ${vars.query}
          分析项目上下文，找到相关文件。
      outputs:
        attempt_raw: "${attempt_result}"

    - id: write_code
      needs: [gather_context]
      agent: coder
      with:
        user_input: |
          根据上下文实现代码。
      outputs:
        attempt_raw: "${attempt_result}"

关键概念：

• agents — 定义参与的 Agent，每个可指定不同模型和运行方式
• steps — 按 DAG（有向无环图）编排执行顺序，needs 声明依赖
• vars — 全局变量，${vars.query} 引用用户输入的需求
• outputs — 每个 step 的输出可被后续 step 引用

Workflow 查找路径

系统按以下优先级查找 workflow 文件：

1. ./.autocoderworkflow/ — 项目级（最高优先级）
2. ./.auto-coder/.autocoderworkflow/ — 项目级
3. ~/.auto-coder/.autocoderworkflow/ — 全局级

你可以在项目目录下创建 .autocoderworkflow/ 来定义项目专属的 workflow，也可以在全局目录下放置通用 workflow。

常用命令速查

下一步

• 查看项目结构了解项目组织方式
• 查看最佳实践了解高效使用技巧