Reasonix Vs HagiCode

主要功能

Reasonix CLI 的優勢，集中在“可控推理”和“可检查執行”上：

推理 effort 可调：Reasonix 暴露了 effort 设置，你可以根据任務类型决定要不要给它更多推理深度。快速實现和複雜架構分析，顯然不该用同一檔思考强度。

预算與執行激進度护栏：Reasonix 支持 budgetUsd 和 enableYolo 之类的運行控制項，讓你可以根据任務場景在成本约束、執行保守度和探索性之间做明确权衡。

transcript 友好：Reasonix 可以把 transcript 輸出到指定路径。這意味着一次编程任務不只是得到結果，還能保留过程，方便後续複盘、審查和审計。

技术架構

Reasonix 在架構層面有几個值得注意的特點：

基于 ACP 的传輸方式：在 HagiCode Core 中，Reasonix 通过共享 ACP runtime 接入，因此天然具備流式輸出、工具调用和 system messages 支持，能更稳定地融入标准化 agent 生態。

跨请求會話绑定：当路由上下文匹配時，Reasonix 可以把後续请求绑定回已有 provider session。對長周期任務来说，這比每轮都从零開始要高效得多。

運行時调優表面清晰：startupTimeoutMs 和额外 arguments 提供了直接、明确的调優入口，方便團隊在不同運行環境里做稳定性和启動行為控制。

工作流與集成模型

Reasonix 的生態价值，不在于花哨功能，而在于纪律性：

推理優先的工作流适配：Reasonix 特别适合那些重視計划、複核、约束和可解释性的團隊，而不是无条件追求最快生成速度。

transcript 與审計支持：因為 transcript 本身就是運行時表面的一部分，Reasonix 很适合那些除了“答案”，也同樣关心“答案是怎么来的”的工作流。

模型與路由不被锁死：Reasonix 保留了模型選擇的可配置性，不會把整個工作流永远锁进某一条 provider 路径里。

多線程並行：讓多条 Reasonix 推理線程同時推进

Reasonix 在单個會話里已經能做很多事，但真實開發几乎从来不是一次只推进一個任務。

HagiCode 允许你把多個 Reasonix 會話並行跑起来，每個會話都有独立上下文、明确职责和各自的推进节奏。

這樣 Reasonix 就不再只是一個“慎重思考的单通道 CLI”，而是一個能同時推进多条推理轨道的工程工作面。

• 線程 A 在完善後端 API 接口；
• 線程 B 在重構前端元件；
• 線程 C 在编寫单元测试；
• 線程 D 在審查代碼安全漏洞。

OpenSpec 提案會話：把 effort 與预算選擇沉淀成文檔化決策

在日常開發中，最容易出现的混乱不是代碼寫不出来，而是改了一堆东西之後，忘了為什么這么改、改了哪些、以及這些改動之间有什么關係。

HagiCode 内置的 OpenSpec 提案工作流从根本上解决了這個问題。每次開發任務都會以“提案”的形式启動：

對 Reasonix 来说，這种結構尤其重要，因為它不仅能记录最終方案，還能记录為什么当時选了某個 effort 檔位、预算上限或者執行风格。

• 先寫清楚這次要解决什么问題，為什么這樣做是合理的；
• 在提案框架下與 Reasonix 深入讨论技术方案，所有對話和決策都记录在提案上下文里；
• 方案确定後，Reasonix 在提案的约束范圍内进行代碼實现；
• 最終提案文檔、讨论记录和代碼變更形成一条完整的追溯链。

AI 提交：把 Reasonix 的輸出變成干净的提交歷史

寫完代碼之後還要寫 commit message，這件事對很多開發者来说是一种精神内耗。寫得太随意回头找不到关键提交，寫得太正式又觉得浪费時间。

HagiCode 的 AI 提交功能把這件事整個人交给了 Reasonix：它會分析你的代碼變更、理解改動的意圖和影响范圍，然後自動生成結構清晰、语义准确的 commit message。更关键的是，在 AI 提交的过程中，HagiCode 會自動锁定仓庫，防止並發操作导致的状態冲突，确保提交安全可靠。

你把注意力留给创造，commit message 這种流水账交给 Reasonix 就好。

Code Server 瀏覽器编辑：从推理 transcript 直接进入精准修改

Reasonix 分析完代碼、定位到问題文件和具體行号之後，常见的尴尬發生了：你需要离開 AI 對話窗口，回到自己的 IDE 里重新找到那個文件，再手動跳到對應的位置。這個“分析→编辑”的上下文斷點，不仅打斷思路，也讓 AI 的价值只停留在“告诉你问題在哪”，走不到“直接帮你进入修改状態”。

HagiCode 内置了基于 code-server 的瀏覽器编辑器，专門解决這個斷點：

Code Server 集成讓 HagiCode 不是一個“會分析代碼的前台頁面”，而是一個真正能讓 Reasonix 的分析結论直接落地為编辑動作的完整工作站。它把“AI 分析”和“動手修改”之间的切换成本降到了最低。

• 一键从分析进入编辑：Reasonix 在提案中定位到需要修改的文件後，HagiCode 可以直接在工作台内打開该文件进入编辑状態。
• 本地、容器、遠端全覆盖：无论項目運行在何處，推理和编辑都可以尽量保持在同一個工作台里。
• Vault 直連编辑：Reasonix 在複核或規划時引用到的资料和樣例，也可以被直接打開查看。

Preset Task：把重複出现的 Reasonix 评审與規划流程模板化

Reasonix 很适合做评审、規划、审計类工作，但如果每次都要重新拼 effort 设置、约束条件和操作說明，本身就是重複劳動。

HagiCode 的 Preset Task 机制，就是把這些重複出现的工作流整理成可複用模板。它做的不只是“快捷指令”，更是一個可扩展的 Skills 集成平台：

Preset Task 讓你和 Reasonix 的协作从“每次都从头描述流程”升級為“直接启動准備好的流程，把注意力放在結果上”。

• 社区 Skills 即装即用：直接複用现成的審查、文檔、重構和交付模板。
• 可扩展的 Skills 體系：把團隊自己的审計要求、检查清单和推理預設值叠加进去。
• 可視化操作，而不是終端重複劳動：選擇流程、調整参数、启動執行，都可以在专門界面完成。

游戏化界面：讓 effort、预算和推进状態一目了然

编程本身可以是枯燥的，但也可以是好玩的。HagiCode 的游戏化界面设計，打破了命令行工具冷冰冰的體验：

Reasonix 提供纪律化推理，HagiCode 提供體验層——两者結合，才能讓一個嚴格的終端工作流變成可感知、可管理的工作空间。

• 視觉反馈清晰：什么在運行、什么在等待、什么已完成，不必再从終端原始文本里自己提炼。
• 成就與進度可視化：提案、提交和交付节點都變成了可见里程碑。
• 降低认知负担：当 effort 设置和長链推理过程被放到更友好的界面里時，整個工作流會更容易驾驭。

Agents 多代理管理：把多個 Reasonix 工作者變成可编排 Agent 编队

並行會話本身很有价值，但当你同時開着多個會話時，真正的新瓶颈會變成“怎么調度和管理它們”。

HagiCode 的 Agents 管理層會把每個 Reasonix 工作单元抽象成一個有名字、可調度、状態可见的 Agent。

你面對的不再是一堆打開的終端窗口，而是一支可以被統一协调的小型 AI 開發队伍。

• Agent 身份與状態可視化：谁在運行、谁在等待、谁卡住、谁可归檔，一眼就能看清。
• 任務與 Agent 绑定：提案、審查、重構、测试等任務都可以分配给专属 Agent。
• Agent 配置独立可控：不同 Agent 可以挂不同的 effort、模型路由、Skills 和上下文范圍，彼此互不干扰。

Monospecs 多仓庫管理：讓 Reasonix 真正跨仓庫推理

實际項目中，代碼往往不在一個仓庫里。前端、後端、文檔、共享庫分散在不同仓庫，而一個功能變更可能要同時修改好几個仓庫。對 Reasonix 来说，单仓庫模式夠用，但它无法天然理解跨仓庫的關係——你得在每一次對話里手動告诉它“這個改動還要同步到另外两個仓庫”，這顯然是低效的。

HagiCode 的 Monospecs 机制就是為多仓庫場景而设計的結構化方案。它通过 .hagicode/monospecs.yaml 配置文件声明項目群中所有子仓庫的地址、名称和關係，讓 Reasonix 在启動提案時就能自動获得完整的跨仓庫地圖：

對于 Reasonix 這种强调推理質量的工具来说，只有先看清全局變更面，它的慎重思考才真正有工程价值。

• 自動感知仓庫關係：Reasonix 可以直接从 Monospecs 中讀取 repo 圖谱，而不是依赖人工重複 briefing。
• 跨仓庫變更追踪：specs 保持集中，代碼修改留在對應仓庫，決策链条更清楚。
• AI 提交精准识庫：HagiCode 會結合 repo 地圖自動判斷提交归属。
• 每庫可配 AGENTS.md：Reasonix 在跨仓庫操作時自動讀取相應規范。

Vault 跨項目知識庫：把 Reasonix 不该重複学习的背景沉淀下来

Reasonix 的强項是深度推理，但再强的推理也不该每次都重新摸索你的項目歷史、参考资料和既有結论。

Vault 是 HagiCode 提供的跨項目持久化知識存储層，它的核心设計理念是“一次注册，處處複用”：

如果说 Monospecs 是讓 Reasonix 看清項目地圖，那 Vault 就是讓 Reasonix 记住團隊已經知道什么。受控推理只有叠加知識累积，才會變成真正的工程杠杆。

• 多类型知識容器：把文件夹、代碼参考庫、Obsidian 笔记和系統托管资產統一纳入共享记忆層。
• AI 上下文自動注入：新提案一启動，Reasonix 就能拿到合适背景材料。
• 访问權限精细化控制：区分只讀参考庫和可编辑工作区，讓 AI 看得廣、改得稳。
• 跨項目知識複用：一次沉淀的結论和参考资料，可以在後续提案里持續複用。

OmniRoute 模型路由：讓 Reasonix 的工作流保持稳定，模型路線保持灵活

團隊應该能保留自己信任的推理工作流，而不是把整個工作流永久绑定在某一条 provider 路径或订阅選擇上。

OmniRoute 把交互層和模型路由層拆開，讓 HagiCode 可以继续把 Reasonix 放在工作流里，同時在底層灵活切换模型来源。

這樣你就能同時获得更好的成本控制、更合适的任務匹配，以及模型供應變化時更低的迁移摩擦。

• 保留你已經习惯的 CLI 或交互方式，只替换底層模型路由。
• 一套路由策略可以被多個 Agent 和多個接入 HagiCode 的 AI 工具共享。
• 针對快速實现、深度審查、架構規划等不同任務配置不同模型路線。
• 在路由層一次調整成本與能力配置，而不是逐個工作流重複折腾。