本页是 CodeAgent CLI 的整体设计：分层架构、三种执行模式的关系与 23 期演进脉络。模块深挖见 ReAct和tool call / plan和DAG / Memory系统 / Multi-Agent / RAG代码检索 / 人工审批 / 多并发 / 联网搜索 / 接入MCP / DevTools MCP / CDP会话复用 / web-access Skill / TUI三形态 / Git快照回滚 / Prompt分层与模型接入 / 异步任务与RuntimeAPI / 微信iLink通道。

分层架构

交互层   Main/CliCommandParser → Renderer 三形态（inline TUI / Lanterna 全屏 / plain）
编排层   Agent(ReAct) · PlanExecuteAgent(DAG) · AgentOrchestrator(Multi-Agent)
能力层   ToolRegistry(16 工具+PathGuard/CommandGuard/HITL/AuditLog) · MemoryManager · SnapshotService · LspManager · SkillRegistry
接入层   LlmClient(OpenAI 兼容五实现) · McpServerManager(Stdio/StreamableHTTP) · EmbeddingClient
渠道层   终端 · RuntimeApiServer(HTTP/SSE) · 微信 iLink

架构铁律（CODEAGENT.md 明文）：三条执行路径共享 ToolRegistry / MemoryManager / SnapshotService，不为某个模式创建孤立能力——工具、记忆、快照的改进对三种模式同时生效。

23 期演进脉络（每期一个可交付增量）

阶段	期数	能力
打地基	1-2	ReAct 循环 + 基础工具；Plan-and-Execute + DAG
记忆与检索	3、5+	长期记忆/CODEAGENT.md 注入/压缩；RAG 代码检索与代码库理解
生态	10-11、13-15	MCP 核心/进阶；Chrome DevTools MCP；CDP 会话复用；Skills 系统
产品化	16-21	inline 流式 TUI；LSP 诊断注入；Git Side-History 快照回滚；Prompt 分层；异步任务+Runtime API；图片输入
渠道	22-23	JLine 交互升级；微信 iLink 通道

演进顺序本身就是设计判断：先把 ReAct 循环和工具做对，再叠记忆与检索，然后接生态（MCP/Skills），最后做产品化与多渠道。

三条执行模式的关系

• ReAct（默认）：单代理循环，适合单步或简单任务；
• Plan-and-Execute（/plan）：Planner 产 JSON 计划 → 用户确认（执行/补充重规划/取消）→ DAG 依赖分批执行，单任务内是 5 轮上限的 ReAct 子循环，进度 <0.5 失败触发 replan；
• Multi-Agent：AgentOrchestrator 固定 planner + worker 池 + reviewer，按依赖分批、单步串行保流式观感、reviewer 不通过带 issues 重试 ≤2 次。

选择逻辑：能 ReAct 就 ReAct；任务复杂且步骤可枚举时用 /plan；需要角色分工与质量审查时上 Multi-Agent。

非功能设计

• 测试策略：mvn clean package 默认跳测试优先出可验收 jar；-Pquick 快速回归、-Pphase16-smoke TUI 冒烟、CodeSearchGoldenSetTest 黄金集守护确定性搜索链路、发版跑全量——按改动范围选测试，不做形式化全量；
• 文档联动约束：改行为要同步 AGENTS.md/README/ROADMAP，改工具集要联动 ToolRegistry + 提示词 + 文档——把「文档即约束」写进 CODEAGENT.md；
• 模型无关：LlmClient 接口声明能力（maxContextWindow/promptCaching），五个 OpenAI 兼容瘦实现（GLM/DeepSeek/Step/Kimi/FreeLlm），流式解析统一在模板基类。

把模块和模块之间的依赖关系说一下

“核心模块分六个。”

“CLI 层负责终端交互——命令解析、输入输出、界面渲染，是用户直接接触的入口。”

“Agent 层是核心决策循环。接收用户输入，决定走哪条执行路径——ReAct、Plan、还是 Multi-Agent，驱动整个任务的推进。”

“LLM 层负责模型调用和 prompt 组装。分层拼接 system prompt，管理对话历史，处理流式响应。”

“Tool 层负责工具注册、执行和审批。所有工具统一注册，调用前走安全检查和审批流程，调用后记录审计日志。”

“Memory 层负责长期记忆和项目记忆的存储、检索和注入。”

“Context 层负责上下文压缩和 token 预算管理。对话历史超过窗口上限时自动压缩，保留最近几轮完整交互。”

“依赖关系是：CLI 依赖 Agent，Agent 依赖 LLM、Tool、Memory、Context 四个模块。LLM、Tool、Memory、Context 之间互不依赖，可以独立开发和测试。换模型只改 LLM 层，加工具只改 Tool 层，改记忆策略只改 Memory 层，互不影响。”

八股延伸｜介绍一下 CodeAgent CLI 这个项目和流程

介绍一下 CodeAgent CLI 这个项目和流程

“CodeAgent CLI 是一个 Java 17 写的终端 Agent 命令行工具，核心架构是 ReAct 循环。”

用户在终端输入一个任务，CodeAgent CLI 把任务发给大模型，大模型决定要不要调用工具、调哪个、参数是什么。

工具执行完后把结果返回给大模型，大模型再决定下一步动作。直到大模型认为任务完成，返回最终答案。

“CodeAgent CLI 有三种工作模式。”

默认是 ReAct 模式，适合日常的单步任务，改个文件、跑个命令这种。

执行 /plan 会进入 Plan-and-Execute 模式，先把复杂任务拆成多个步骤再逐步执行。

/team 会进入 Multi-Agent 模式，多个 Agent 分工协作。

“工具层面，内置了 16 个工具：文件读写、命令执行、代码搜索、目录浏览、web 搜索、浏览器三件套、Skill 加载、记忆保存、回合回滚等。通过 MCP 协议还可以接入外部工具，比如浏览器操作、数据库查询这些。”