介绍TARS——一个用Go编写的本地优先AI项目管理工具，它能够在单一代码库中自主管理长期运行的项目，协调工具和代理完成待办事项，仅在需要审批或遇到阻塞时才请求人工介入。

TARS：本地优先的AI项目自动驾驶仪\n\n## 从对话式助手到项目级自动驾驶\n\n当前主流的AI编程助手如Claude Code、Aider或Cursor，大多在文件和对话层面运作——你提出需求，AI修改代码，对话结束。这种模式适合快速原型和单次任务，但对于需要数周甚至数月才能完成的复杂项目，人类开发者往往陷入"需求-实现-调试-重构"的无限循环中。\n\nTARS（Totally Autonomous Resource Scheduler）的出现，标志着AI辅助开发从"对话式"向"项目级"的跃迁。它是一个本地优先的AI项目自动驾驶系统，以单个Go二进制文件运行在用户机器上，能够自主管理长期项目的完整生命周期。\n\n## 核心设计理念：人在回路，但不在琐事中\n\nTARS的设计哲学可以概括为：人类负责决策，AI负责执行。与需要频繁人工确认的交互式工具不同，TARS采用"人在回路"（Human-in-the-Loop）架构——它会在阶段审批和真正的阻塞点升级请求人工介入，而不是在每个常规重试时都打扰用户。\n\n这种设计让开发者从繁琐的执行细节中解放出来，专注于架构设计和关键决策。正如项目文档所言："描述你想要构建的内容，其余交给TARS处理。"\n\n## 项目生命周期管理：规划-执行-评估的闭环\n\n### 1. 规划阶段（Plan）\n\nTARS通过简短的访谈收集需求，将其转化为结构化的阶段计划（Phase Plan）。这个过程不是简单的任务列表生成，而是包含依赖分析、风险识别和资源估算的项目级规划。\n\n### 2. 阶段循环（Phase Loop）\n\n每个阶段内部，TARS构建待办事项（Backlog），选择下一个任务，执行它，评估结果，并在需要时重新规划。这个循环持续运行，直到阶段目标达成或遇到无法自动解决的阻塞。\n\n### 3. 能力编排（Capabilities）\n\nTARS将内置工具、技能（Skills）、MCP服务器、网络研究和工作者代理统一在一个运行时中协调。这种编排能力使其能够处理从代码生成到测试、从文档编写到部署的端到端工作流。\n\n## 技术架构：模块化与可扩展性\n\n### 单二进制部署\n\nTARS以单个Go二进制文件分发，包含：\n\n- 基于浏览器的操作控制台 + 本地HTTP API（tars serve）\n- 会话生命周期管理、转录存储和结构化上下文压缩\n- 内置文件、进程、调度、内存和操作工具\n- 内置文件工具支持2000行分页读取、续读提示和安全原子写入\n\n### 会话管理与上下文压缩\n\n长期运行的项目会产生大量上下文。TARS实现了结构化会话压缩：\n\n- 保留标识符的摘要生成\n- 安全的最近尾部保留策略\n- 手动 /compact [instructions] 命令\n\n这使得TARS能够处理跨越数千次交互的长期项目，而不会因上下文窗口限制而丢失重要信息。\n\n### MCP与技能生态系统\n\nTARS支持模型上下文协议（MCP）：\n\n- 本地stdio服务器和远程HTTP/WebSocket端点\n- 远程服务器的Bearer或OAuth认证\n- 通过tars skill search、tars plugin install和tars mcp install访问vetted注册表\n\n技能（Skills）是LLM指令文件（SKILL.md），可附带配套脚本，支持按插件、二进制文件、环境变量和平台要求进行运行时门控。\n\n### 并行探索子代理\n\n对于代码库研究等读取密集型任务，TARS可以并行启动多个探索子代理，然后合并压缩摘要。默认运行时限制：\n\n- 最大线程数：4\n- 最大深度：1\n\n这种"分而治之"的策略显著提升了大型代码库分析的效率。\n\n## 使用体验：从初始化到项目交付\n\n### 快速开始\n\nbash\n# Homebrew安装\nbrew tap devlikebear/tap\nbrew install devlikebear/tars\n\n# 2\nboard looking at exam results teenage boy standing alone in the background, down, other students whispering, fluorescent overhead lights casting harsh shadows, cel shadows, tension palpable", tension palpable", tense emotional atmosphere, shame and anxiety in the air\n\n\n### 项目工作流\n\nTARS推荐的工作流是"先规划，再分阶段推进"：\n\nbash\n# 查看项目活动\ntars project activity <project-id> 20\n\n# 启动项目自动驾驶\ntars project autopilot start <project-id>\n\n# 推进一个同步步骤（推荐用于检查审批和阻塞）\ntars project autopilot advance <project-id>\n\n# 查看当前状态\ntars project autopilot status <project-id>\n\n\nadvance命令运行一个同步的自动驾驶步骤，允许用户显式检查审批、阻塞和重新规划，而status则显示当前阶段、运行状态和下一步操作，无需切换到Web控制台。\n\n## 与其他工具的对比\n\n| 特性 | Claude Code | Aider | Cursor | TARS |\n|------|-------------|-------|--------|------|\n| 运行模式 | 对话式 | 对话式 | IDE集成 | 自主项目级 |\n| 上下文管理 | 会话级 | 会话级 | 文件级 | 结构化压缩 |\n| 人工介入频率 | 高 | 高 | 中 | 仅在关键节点 |\n| 部署方式 | CLI工具 | CLI工具 | 桌面应用 | 单二进制+Web控制台 |\n| 长期项目支持 | 有限 | 有限 | 有限 | 原生支持 |\n\nTARS的独特之处在于它将项目管理与代码生成相结合，不仅仅是"帮我写这段代码"，而是"帮我完成这个项目"。\n\n## 适用场景与局限性\n\n### 最佳适用场景\n\n- 长期维护的项目：需要持续迭代和演进的代码库\n- 多阶段交付：具有明确里程碑和依赖关系的复杂项目\n- 重复性工作流：定期执行的运维任务、报告生成等\n\n### 当前局限性\n\n- 仍处于Pre-1.0阶段，API可能变动\n- 需要Go 1.25.6+环境进行源码构建\n- 语义记忆功能需要可选的Gemini API密钥\n- Playwright浏览器自动化需要可选的Node.js环境\n\n## 结语：AI项目管理的未来范式\n\nTARS代表了AI辅助开发工具的演进方向——从单次对话到项目级编排，从被动响应到主动规划，从人工驱动到人机协作。它并不试图取代开发者的创造力，而是将重复性、机械性的项目管理任务自动化，让人类专注于真正需要智慧和判断的工作。\n\n对于厌倦了在多个AI对话间切换、手动跟踪项目进度的开发者来说，TARS提供了一个值得探索的新范式：设定目标，然后让AI驾驶。\n\n---\n\n项目信息\n- GitHub: https://github.com/devlikebear/tars\n- 许可证: 未明确标注（Pre-1.0阶段）\n- 模块路径: github.com/devlikebear/tars\n- 相关资源: TARS Skills Hub (github.com/devlikebear/tars-skills)\n

TARS：本地优先的AI项目自动驾驶仪\n\n从对话式助手到项目级自动驾驶\n\n当前主流的AI编程助手如Claude Code、Aider或Cursor，大多在文件和对话层面运作——你提出需求，AI修改代码，对话结束。这种模式适合快速原型和单次任务，但对于需要数周甚至数月才能完成的复杂项目，人类开发者往往陷入"需求-实现-调试-重构"的无限循环中。\n\nTARS（Totally Autonomous Resource Scheduler）的出现，标志着AI辅助开发从"对话式"向"项目级"的跃迁。它是一个本地优先的AI项目自动驾驶系统，以单个Go二进制文件运行在用户机器上，能够自主管理长期项目的完整生命周期。\n\n核心设计理念：人在回路，但不在琐事中\n\nTARS的设计哲学可以概括为：人类负责决策，AI负责执行。与需要频繁人工确认的交互式工具不同，TARS采用"人在回路"（Human-in-the-Loop）架构——它会在阶段审批和真正的阻塞点升级请求人工介入，而不是在每个常规重试时都打扰用户。\n\n这种设计让开发者从繁琐的执行细节中解放出来，专注于架构设计和关键决策。正如项目文档所言："描述你想要构建的内容，其余交给TARS处理。"\n\n项目生命周期管理：规划-执行-评估的闭环\n\n1. 规划阶段（Plan）\n\nTARS通过简短的访谈收集需求，将其转化为结构化的阶段计划（Phase Plan）。这个过程不是简单的任务列表生成，而是包含依赖分析、风险识别和资源估算的项目级规划。\n\n2. 阶段循环（Phase Loop）\n\n每个阶段内部，TARS构建待办事项（Backlog），选择下一个任务，执行它，评估结果，并在需要时重新规划。这个循环持续运行，直到阶段目标达成或遇到无法自动解决的阻塞。\n\n3. 能力编排（Capabilities）\n\nTARS将内置工具、技能（Skills）、MCP服务器、网络研究和工作者代理统一在一个运行时中协调。这种编排能力使其能够处理从代码生成到测试、从文档编写到部署的端到端工作流。\n\n技术架构：模块化与可扩展性\n\n单二进制部署\n\nTARS以单个Go二进制文件分发，包含：\n\n- 基于浏览器的操作控制台 + 本地HTTP API（tars serve）\n- 会话生命周期管理、转录存储和结构化上下文压缩\n- 内置文件、进程、调度、内存和操作工具\n- 内置文件工具支持2000行分页读取、续读提示和安全原子写入\n\n会话管理与上下文压缩\n\n长期运行的项目会产生大量上下文。TARS实现了结构化会话压缩：\n\n- 保留标识符的摘要生成\n- 安全的最近尾部保留策略\n- 手动 /compact [instructions] 命令\n\n这使得TARS能够处理跨越数千次交互的长期项目，而不会因上下文窗口限制而丢失重要信息。\n\nMCP与技能生态系统\n\nTARS支持模型上下文协议（MCP）：\n\n- 本地stdio服务器和远程HTTP/WebSocket端点\n- 远程服务器的Bearer或OAuth认证\n- 通过tars skill search、tars plugin install和tars mcp install访问vetted注册表\n\n技能（Skills）是LLM指令文件（SKILL.md），可附带配套脚本，支持按插件、二进制文件、环境变量和平台要求进行运行时门控。\n\n并行探索子代理\n\n对于代码库研究等读取密集型任务，TARS可以并行启动多个探索子代理，然后合并压缩摘要。默认运行时限制：\n\n- 最大线程数：4\n- 最大深度：1\n\n这种"分而治之"的策略显著提升了大型代码库分析的效率。\n\n使用体验：从初始化到项目交付\n\n快速开始\n\nbash\nHomebrew安装\nbrew tap devlikebear/tap\nbrew install devlikebear/tars\n\n2\nboard looking at exam results teenage boy standing alone in the background, down, other students whispering, fluorescent overhead lights casting harsh shadows, cel shadows, tension palpable", tension palpable", tense emotional atmosphere, shame and anxiety in the air\n\n\n项目工作流\n\nTARS推荐的工作流是"先规划，再分阶段推进"：\n\nbash\n查看项目活动\ntars project activity <project-id> 20\n\n启动项目自动驾驶\ntars project autopilot start <project-id>\n\n推进一个同步步骤（推荐用于检查审批和阻塞）\ntars project autopilot advance <project-id>\n\n查看当前状态\ntars project autopilot status <project-id>\n\n\nadvance命令运行一个同步的自动驾驶步骤，允许用户显式检查审批、阻塞和重新规划，而status则显示当前阶段、运行状态和下一步操作，无需切换到Web控制台。\n\n与其他工具的对比\n\n| 特性 | Claude Code | Aider | Cursor | TARS |\n|------|-------------|-------|--------|------|\n| 运行模式 | 对话式 | 对话式 | IDE集成 | 自主项目级 |\n| 上下文管理 | 会话级 | 会话级 | 文件级 | 结构化压缩 |\n| 人工介入频率 | 高 | 高 | 中 | 仅在关键节点 |\n| 部署方式 | CLI工具 | CLI工具 | 桌面应用 | 单二进制+Web控制台 |\n| 长期项目支持 | 有限 | 有限 | 有限 | 原生支持 |\n\nTARS的独特之处在于它将项目管理与代码生成相结合，不仅仅是"帮我写这段代码"，而是"帮我完成这个项目"。\n\n适用场景与局限性\n\n最佳适用场景\n\n- 长期维护的项目：需要持续迭代和演进的代码库\n- 多阶段交付：具有明确里程碑和依赖关系的复杂项目\n- 重复性工作流：定期执行的运维任务、报告生成等\n\n当前局限性\n\n- 仍处于Pre-1.0阶段，API可能变动\n- 需要Go 1.25.6+环境进行源码构建\n- 语义记忆功能需要可选的Gemini API密钥\n- Playwright浏览器自动化需要可选的Node.js环境\n\n结语：AI项目管理的未来范式\n\nTARS代表了AI辅助开发工具的演进方向——从单次对话到项目级编排，从被动响应到主动规划，从人工驱动到人机协作。它并不试图取代开发者的创造力，而是将重复性、机械性的项目管理任务自动化，让人类专注于真正需要智慧和判断的工作。\n\n对于厌倦了在多个AI对话间切换、手动跟踪项目进度的开发者来说，TARS提供了一个值得探索的新范式：设定目标，然后让AI驾驶。\n\n---\n\n项目信息\n- GitHub: https://github.com/devlikebear/tars\n- 许可证: 未明确标注（Pre-1.0阶段）\n- 模块路径: github.com/devlikebear/tars\n- 相关资源: TARS Skills Hub (github.com/devlikebear/tars-skills)\n