Cline：不以削减成本为目标的开源编码代理

摘要

• Cline 的核心押注是：最好的 coding agent 应最大化能力，而不是最大化推理毛利率。 用户自行接入 Anthropic、OpenAI、Bedrock 或 OpenRouter，Cline 因而可以使用前沿模型和完整上下文，而不是依赖更便宜的编排方案。「这就是智能的成本」，商业逻辑也被明确说透了：「推理不是生意。」

• 产品正从 VS Code 中的 coding agent，扩展为面向 agents 的开源基础设施层。 Cline 可以操作终端、编辑器、浏览器和 MCP 服务；接下来将支持 JetBrains、Neovim 和 CLI，SDK 的目标则是支持 coding 之外的 agents。Pash 的表述是，这是一个用于构建 agents 的「全模块化系统」，可以接入 Chrome 或 Jupyter Notebooks 等环境。

• Plan/Act 是一套从用户行为中演化出来的模型控制系统，面向仍需要上下文、监督和纠偏的模型。 Plan 模式负责探索文件、补齐上下文并挖掘未明说的需求；Act 模式负责编辑文件、运行命令，并可在自动批准下继续执行。人类大部分参与发生在规划阶段，之后用户可以「翘脚休息」，同时保留足够的可见性以便介入。

• MCP 把 coding agent 变成工具生态的界面，并可能进一步成为工具的买方。 Cline 的市场已上架超过150个 MCP servers，头部项目的下载量达到数十万；其中一个工作流可以在不离开 VS Code 的情况下，从 Sentry 堆栈跟踪一路完成代码修复、操作 GitHub 并部署到 Cloudflare。正在成形的商业模式是「向 agents 卖工具」，最终通过统一的按调用付费机制，取代一团乱麻般的 API keys。

• Cline 认为，RAG 和 Fast Apply 正逐渐成为较弱模型时代留下的过时补丁。 Saoud 认为，让 agent 自主探索代码仓库，比切碎代码后检索更能保留代码关系；Pash 则表示，RAG 和 Fast Apply 在模型较弱时有用，但现在可能反而增加失败点。据称，Claude Sonnet 4 已将 Cline 内部的 diff-edit 失败率降至约4%，而 Fast Apply 刚出现时这一比例还在20%或30%以上；不过，对于文档密集型知识库，RAG 仍可能有效，对于非常小的模型，Fast Apply 也仍有价值。

• 企业机会并非来自自上而下的销售设计，而是来自失控的自下而上采用。 据称，一家 Fortune 5 公司发现已有数百名工程师在使用 Cline，并将无人管理的 API keys、支出和数据去向称为「我们必须扑灭的一场火」。企业真正需要的是治理、安全、集中式路由、发票，以及节省工时等 ROI 证据，而不是由 Cline 补贴推理成本。

• 这场讨论区分了可见性和自主性，而严肃的软件工程目前仍是混合工作流。 完全自主的 agents 可以用于搭建项目、编写测试，或并行尝试10个 bug 修复方案；但架构设计和模糊的产品工作，仍适合由受监督的 agent 从人类那里提取上下文。工作重心正从算法转向「有品位的架构决策」，再把实现交给 Cline，让它「下矿井」完成。

• 开源带来了数千个 fork 和强大竞争，但 Cline 把这种扩散视为反馈和验证。 团队提到约6,000个 forks，Cline 衍生产品占据 OpenRouter 热门应用榜前列，甚至有 fork 的 fork 融资数千万美元。Cline 的回应是继续在核心循环上保持领先，团队规模从20人扩大到年底接近100人，并且「让他们复制」。

精读

1. Cline 正从编辑器功能，变成 agent 层

• Saoud 给出的简洁定义是：Cline 是一个开源 coding agent，可以控制终端、编辑器、浏览器和 MCP 服务，成为「你完成整个工作的接触点」。

• Pash 将目标进一步扩展到 VS Code 之外：JetBrains、Neovim 和 CLI 支持即将推出，SDK 则希望让 Cline 成为一个构建 agents 的「全模块化系统」，不再局限于 coding。

• 一个具体的边界拓展案例来自用 Slidev 制作会议演示文稿：风格规则、议程和 Limitless 的语音转录，被转化为 JavaScript 幻灯片；脚本和数据分析也在同一工作流中完成。

2. Plan/Act 来自对用户行为的观察，而非抽象的 agent 理论

• Saoud 说，Plan/Act 最初源于 Discord 用户自发要求 Cline 在实现前先输出 Markdown 架构方案，之后产品将这一自然形成的工作流转化为两个可见模式。

• Plan 模式鼓励探索：读取文件、填充上下文、询问用户需要哪些页面或何种视觉主题，并暴露缺失的需求。Act 模式随后按照计划编辑文件、运行命令，也可以开启自动批准。

• 关键的行为观察是，「大部分互动发生在 plan 模式」。Act 模式变成外围监督：开发者关注是否偏离方向并进行纠偏，而不是手动驱动每一个操作。

3. Claude 3.5 打开了最初的技术窗口

• Saoud 在 Claude 3.5 发布约10天后开始做 Cline，大约是在2024年6月；此前他读到了 Anthropic 关于 agentic coding 的讨论。与当时的 Copilot、Cursor 和 Aider 等工具不同，Claude 3.5 看起来已经能够反复调用工具，并逐步完成任务。

• Claude 3.5 在200K上下文窗口已被占用90%时仍表现强劲，能够提取细粒度细节，而不是主要关注开头和结尾。Cline 正是围绕这两项改进构建：可靠地使用长上下文，以及连续执行动作。

4. 扩展保留分发优势，也避开维护编辑器的长期税负

• VS Code 扩展可以直接访问文件、操作系统和终端，同时继承前后 diff 等有用界面。它还降低了组织摩擦，因为开发者可以通过现有市场直接安装。

• 主持人提到 fork 编辑器可能带来30亿美元的结果。对方的回应很直接：「我同情任何不得不 fork VS Code 的人。」Microsoft 的快速开发、私有同步流程、市场变化、合并冲突和后端行为，使维护 fork 成为一项沉重且永久的负担。

• 保持扩展形态也让 Cline 能够与其他产品互补：它可以运行在 VS Code、Cursor 或 Windsurf 中。这些产品必须覆盖自动补全、行内编辑、问答以及完整的编辑器体验；Cline 则可以专注于「我认为编程的未来」——agentic loop。

5. 自主性在提升，但可见性决定了合适的工具

• 讨论区分了可见性和自主性。主持人将 Lovable、Replit 等面向消费者的构建工具描述为适合可能永远不会查看代码的人，而严肃的生产团队可能仍需要看到每条命令、每次工具调用和每次文件编辑。

• Claude Code 采用稀疏的高层级清单，是因为模型已经足够强，可以在不暴露每个中间步骤的情况下交付可接受的结果。但自主工具目前仍最适合搭建项目、编写测试，或针对同一个 bug 同时启动10个 agents。

• Cline 声称自己的优势在于那些需要「从你的大脑中提取上下文」的创造性或模糊任务。一位嘉宾说，对于后果重大的工作，他会批准每一次编辑；如果任务适合自动批准并去喝杯咖啡，则会切换到「完全 YOLO 模式」。

• 主持人反驳说，工程师都认为自己的工作复杂，这一追问反而划出了更清晰的界线。过去看起来困难的算法，如今可以沿着测试或规格说明执行；上下文有限、无法理解人类长期愿景，使架构和品位成为更高价值的工作。

6. MCP 将完整开发工作流压缩进一段对话

• 本期最有力的案例始于一个有 bug 的 Cloudflare Worker：Cline 通过 MCP 从 Sentry 获取堆栈跟踪，修复代码，利用 GitHub 关闭 issue，最后部署到 Cloudflare。自然语言取代了在多个产品之间来回切换的上下文切换。

• Anthropic 推出 MCP 时，连模型都不理解它。因此 Cline 早期的大量系统提示词都在解释协议以及如何构建 servers，用户可以看着 Cline 搭建集成，最终理解工具、服务和 API 之间如何「连上点」。

• Cline 大约在2月推出 MCP marketplace，通过关联的 GitHub README 实现一键安装。此后市场已上架超过150个 servers；最热门的项目覆盖文件系统、Git、浏览器自动化、文档和搜索，下载量达到数十万。

• Context7 可以查询热门库文档的索引，而本地 servers 能触达远程 API 无法到达的地方：Unity 可以创建对象，Ableton 可以制作歌曲。Pash 预计，「本地 MCP servers 和远程 MCP servers 的某种组合」将长期存在。

7. MCP 变现前景可观，但信任仍是闸门

• 主持人用 Sentry 的案例说明了平台风险：Sentry 开始对其 resolution agent 收费后，同样的数据仍可以通过免费的 MCP 抽取，再交给 coding agent。反过来，21st.dev 的 Magic MCP 通过 API key 变现，同时注入吸引人的组件示例，本质上是在「向 agents 卖工具」。

• Pash 预计，API-key 计费最终会让位于统一支付层，由 agents 按工具调用付费。Cline 已与 Stripe 讨论过这一问题，稳定币和 Coinbase 的 x402 机制也被提出过，但具体实现仍未确定。

• 安全问题并不只是理论上的：未知维护者可以修改一个此前审查过的仓库，因此 Pash fork 了 Perplexity 集成等 servers，以固定可信代码。如果 Anthropic 推出官方 registry，Saoud 预计生态会向其收敛，因为「他们的分发能力实在太强」。

8. 开源既是 Cline 的分发引擎，也是竞争压力来源

• 团队提到约6,000个 forks，VS Code 搜索结果已被 Cline 衍生产品挤满，甚至有「fork 的 fork」完成大额融资。Saoud 表示，OpenRouter 热门应用前三名中有 Cline 和两个 Cline forks，所有 forks 合计正在传输数十亿 tokens。

• 与 Roo Code 在 Twitter 上的交锋，被形容为友好的「时间线」玩笑，而不是严肃争端。团队还提到 Samsung 可能在使用一个隔离的内部 fork，这正是源代码开放能够促成的企业采用方式。

• Pash 承认其中存在不对称：Cline 出资做基准测试、发布稳健的 diff-edit 工作，而竞争对手可以在此基础上融资数千万美元。他的回答是继续执行、保持领先：「让他们复制」，同时将团队规模从20人扩大到年底接近100人。

9. 更强的前沿模型正在抹平应用层补丁

• Saoud 将 RAG 的流行追溯到2022年，当时向量数据库被包装成能让 AI 获得「无限记忆」。对于代码，切碎文件并检索孤立片段可能破坏逻辑关系、分散模型注意力；Cline 则像资深工程师一样探索文件夹、imports 和文件。

• 他仍保留一个狭窄的例外：对于大规模、可供人阅读的文档集合，RAG 可能有效，因为内部逻辑的重要性较低。他反对的是那些要求先对代码库建索引的采购清单，却不先问一句：「那为什么？」

• Fast Apply 的初衷是应对不可靠的搜索替换：让前沿模型输出模糊编辑，有时只写「这里是文件剩余部分」，再让一个小模型——可能是 Qwen 7B 级别——重建文件。这样会引入两个失败点、细微偏差和输出上限，而文件本身可能达到42K tokens，远超8K、16K、甚至可能是32K的限制。

• 据称，Cline 内部基于 Claude Sonnet 4 的 benchmark 已将 diff-edit 失败率降至约4%，低于2024年7月前后的20%或30%以上。Fast Apply 厂商坦率估计其窗口期为「可能3个月，也可能更短」，但 DeepSeek 等小型受限模型仍可能让这套方案保持合理性。

10. 拒绝补贴推理，塑造了企业商业模式

• Cline 目前允许用户直接接入 Anthropic、OpenAI、Bedrock 或 OpenRouter。开源让提示词和数据去向透明，开发者因此更容易接受每天花费10美元、20美元甚至100美元，因为他们看得到钱和数据去了哪里。

• Pash 认为，20美元/月的方案会迫使产品去检索片段、把工作转交给更弱的模型，或用另一个模型完成编辑。BYOK 则逆转了激励机制：即使单个任务成本很高，Cline 仍能通过打造最强 agent 获益。

• Cline 如何赚钱的「真正答案」是企业市场。团队在尚未完成企业产品时就发布了联系表单，随后收到一家 Fortune 5 公司的来信：公司内部已有数百名用户，却无法控制 API keys、支出或数据去向——「请直接让我们给你钱。」

• 买方需要治理、安全、集中式或自托管路由、发票，以及节省工时或写出多少代码等证据。但即使这样的 ROI 也不完整：Cline 让开发者能够尝试实验、做副项目、修复原本「根本不会费心去做」的 bug。

11. CLI 和 SDK 让后台 agents 成为另一种形态，而非终点

• 即将推出的 CLI 可以运行在云端进程或 GitHub Actions 中，启动更多 Cline 实例，也允许另一个界面接管现有的本地会话。这是完全自主和并行运行所需的形态。

• Saoud 不接受在 Cline、Codex、Devin、Cursor background agents 和看板式多-agent 系统之间做非此即彼的选择。并行 agents 可以生成5个落地页版本；而对于需要大量人类上下文的复杂计划，单个交互式 agent 可能更合适。

• 更长期的目标，是构建一个可移植到 Chrome、JetBrains、Jupyter Notebooks、智能汽车，甚至「你的冰箱」上的开源基础。Cline 希望为今天的后台和多-agent 模式之后的一切，提供底层构件。

12. 上下文更需要连续性，而非投机性的长期记忆

• 上下文管理涵盖模型加载什么，以及如何处理上下文窗口的完整生命周期。方案是向模型提供工具和信号——例如文件探索、打开的标签页和 AST 摘要——再让它从目录级符号逐步放大到完整文件。打开的标签页在内部表现尤其好，几乎就像 agent 在「读你的心」。

• 知识图谱工具可能支持跨仓库查询，例如定位并删除所有未使用的函数。但这里存在模型专业化问题：一个设计巧妙的新工具，可能在 Claude 4 身上表现不佳，因为 Claude 4 的训练方式围绕 grep 展开，应用开发者因此必须支持不同的模型家族。

• 接近上下文上限时，直接删除对话前半部分会破坏「叙事完整性」，就像从一本书的中间开始读。去重文件读取有所帮助，但让模型总结仍然重要的细节，效果要好得多。

• Saoud 认为，大多数自由形式的 coding-agent 记忆「基本没用」；稳定的约定应写入明确的规则或 guideline 文件。更有前景的是团队内部的待办 scratchpad：它通过记录已经完成的工作、剩余事项和关键文件，让 agent 在反复压缩以及持续时间约为单个上下文窗口10倍的任务中保持方向。这一做法延续了早期 Memory Bank 的理念，即在 Cline rules 中维护一份 scratchpad。