我问了AI了，结论是deepseek v4 flash一百点积分就能做出来，不知道有没有大佬想试试。
我就不试了，这个报告花了二十多分。
报告如下：
branch-chat-agent.html.zip (1.0 MB)
分支对话 + Git 可视化AI Coding Agent 插件
面向 Trae IDE 和 VSCode 的开源 AI 编码助手插件，实现对话分支与 Git 分支的深度同步，以及可视化项目管理
2026 年 8 月集成积分估算基于 DeepSeek V4 Flash
目录
1. 执行摘要
本报告围绕"实现一个支持分支对话 + Git 可视化项目管理的 AI Coding Agent 插件"这一目标，完成了系统性的技术调研。核心发现如下：
0
现有项目同时具备
分支对话 + Git 同步 + AI Agent
63k+
Cline — 最成熟的开源
AI Coding Agent
2,500+
VSCode Git Graph —
图谱可视化标杆
~0.02 元
单次中等编码对话
DeepSeek V4 Flash 成本
调研表明，当前市场上不存在同时具备"分支对话 + Git 同步 + AI Agent"三者能力的开源项目，这构成了明确的产品空白。最可行的实现路径是：以 Cline 的 AI Agent 能力为基础，融合 ChatTree / ForkChat 的分支对话 UI 模型，引入 VSCode Git Graph 的图谱渲染，实现"对话即分支、提交即节点"的核心体验。[1][2][3]
在积分消耗方面，以 DeepSeek V4 Flash 为计算模型，单次中等复杂度编码对话（约 15,000 tokens）的估算成本仅为 ~0.02 元人民币，远低于 GPT-4o 等同类模型，具有极高的经济可行性。[4]
2. 项目背景与需求分析
2.1 核心需求
项目旨在为 Trae IDE 和 VSCode 开发一款 AI Coding Agent 插件，核心需求包括：
- 分支对话：Agent 对话历史以树形结构（DAG）组织，每个对话节点可衍生分支，分支对话与 Git 分支几乎完全同步
- 自动提交：每次对话中若涉及项目文件改动，自动执行 Git commit，形成可追溯的提交历史
- 可视化图谱：在插件界面中嵌入 Git 图谱视图，直观展示分支/提交/合并关系
- 分支联动：选择对话节点时自动切换对应 Git 分支；多个对话分支可配合 Git merge 合并为一个对话
- AI 编码能力：参考 OpenAI Codex 和 Trae Work Code 模式，具备对话式编码、文件编辑、终端执行等能力
2.2 需求映射关系
| 需求维度 | 具体描述 | 对应模块 |
|---|---|---|
| 对话管理 | 树形对话结构，支持节点分叉、合并、回滚 | 对话引擎 + 持久化存储 |
| Git 同步 | 对话分支 ↔ Git 分支映射，自动 commit，分支切换联动 | Git 集成层 + 状态同步 |
| 图谱可视化 | Git 分支/提交关系的图形化展示，交互式操作 | 图谱渲染组件 |
| AI 编码 | 对话式编码、文件编辑、终端命令、代码审查 | Agent 引擎 + 工具系统 |
| 积分消耗 | 以 DeepSeek V4 Flash 为基准的估算模型 | 计费统计模块 |
3. 开源项目调研
调研覆盖了三个技术方向：分支对话（树形对话）、Git 可视化、AI Coding Agent。共评估 10+ 个代表性开源项目。
3.1 分支对话（树形对话）
| 项目 | Stars | 核心能力 | 技术栈 | 契合度 |
|---|---|---|---|---|
| ForkChat | ~50 | 全栈树形对话，内置 Tool Calling 机制，PostgreSQL 持久化，多协议支持 | React + Rust + PostgreSQL | 高 — 最接近目标架构 |
| ChatTree | <100 | 树形 LLM 对话客户端，支持分叉/合并、Artifact、编辑传播 | Next.js + ReactFlow | 高 — 前端 UI 可参考 |
| TreeGPT | ~200 | DAG 可视化对话，多模型路由，Token 用量追踪 | Next.js + React Flow | 中 — 无后端，无 Git 集成 |
| tldraw branching-chat | ~12 | tldraw 分支对话模板，无限画布，AI 流式响应 | tldraw + Vite | 中低 — 演示性质 |
ForkChat 的全栈架构（Rust 后端 + PostgreSQL + 内置 Tool Calling）与"分支对话+Git同步"的契合度最高，其对话树数据结构天然适合与 Git 分支模型对应。ChatTree 的前端交互（ReactFlow 渲染、编辑传播、节点预览）是 UI 层的优秀参考。[1][2 ]
3.2 Git 可视化
| 项目 | Stars | 核心能力 | 契合度 |
|---|---|---|---|
| VSCode Git Graph | ~2,500 | VSCode 最流行的 Git 图谱扩展，支持分支/标签/提交可视化，右键操作 | 高 — 图谱渲染标杆，但已停止维护 |
| GitUp | ~12,000 | macOS 原生 Git GUI，拖拽排序，Time Machine 快照 | 中 — 仅 macOS 平台 |
| Ungit | ~10,600 | 跨平台 Web Git GUI，插件系统 | 中 — 非 VSCode 扩展 |
| GitGraph.js | ~1,800 | JS 库，浏览器中绘制 Git 图谱 | 中低 — 已归档 |
VSCode Git Graph 的图谱渲染算法和交互模式最为成熟，可直接参考其实现方式。社区活跃的 Fork 版本（an-vscode-git-graph）可替代原项目。[ 3]
3.3 AI Coding Agent
| 项目 | Stars | 核心能力 | 契合度 |
|---|---|---|---|
| Cline | ~63,600 | Plan/Act 双模式，MCP 扩展，多模型，多 Agent 协作，SDK | 高 — 最成熟的 AI Agent 开源项目 |
| Aider | ~47,000 | Git 原生集成，自动 commit，代码库地图，语音编程 | 中高 — Git 自动提交思路值得借鉴 |
| Continue | ~35,000 | Chat / Autocomplete / Edit / Agent 四种模式，多模型 | 中 — 已被收购，仓库只读 |
| Claude Code | ~140,000 | Anthropic 官方终端 Agent，Git 工作流，PR 评论 | 中 — 非 VSCode 扩展 |
Cline 是目前最成熟的 AI Coding Agent 开源项目，其层次化架构（Extension → Webview → Controller → Task → Tool Execution → API Provider → Context Management → Storage）和Plan/Act 双模式是架构设计的核心参考。Aider 的"每次修改自动 commit"机制是实现"对话即提交"的直接思路。[5] [6]
3.4 综合契合度矩阵
| 项目 | 分支对话 | Git 图谱 | AI Agent | 可扩展性 | 综合 |
|---|---|---|---|---|---|
| ForkChat | ★★★★★ | ★☆☆☆☆ | ★★★☆☆ | ★★★★☆ | 高 |
| ChatTree | ★★★★★ | ★☆☆☆☆ | ★★☆☆☆ | ★★★☆☆ | 中高 |
| Cline | ★☆☆☆☆ | ★☆☆☆☆ | ★★★★★ | ★★★★★ | 高 |
| Aider | ★☆☆☆☆ | ★☆☆☆☆ | ★★★★☆ | ★★★☆☆ | 中高 |
| VSCode Git Graph | ★☆☆☆☆ | ★★★★★ | ★☆☆☆☆ | ★★☆☆☆ | 中 |
关键发现：当前没有项目同时具备"分支对话 + Git 同步 + AI Agent"三者能力。最可行的路径是：以 Cline 的 Agent 能力为基础，融合 ForkChat/ChatTree 的分支对话，引入 VSCode Git Graph 的图谱可视化。
4. 参考产品功能分析
以下分析 OpenAI Codex CLI 和 Trae Work Code Mode 的功能特性，作为 AI 编码能力的参考基准。
参考 A
OpenAI Codex CLI
- 对话式编码（多轮自然语言交互）
apply_patch精确文件编辑 + diff 预览- 终端命令执行与结果分析
- 多模态输入（截图/设计稿）
- MCP 客户端集成
- 子代理协作与任务分发
- 沙箱安全机制（Seatbelt/Landlock）
- 会话压缩（长上下文优化）
- GitHub PR 自动审查
参考 B
Trae Work Code Mode
- 对话式编码（自然语言定义任务）
- 文件读写编辑 + diff 高亮预览
- 命令生成与执行 + 自动诊断
- 自动 Git Commit Message
- 版本回滚（最近 10 轮）
- 代码审查（摘要 + 流程图 + diff）
- MCP 协议支持
- 自定义智能体（提示词 + MCP）
- 隐私模式 + 沙箱运行
本项目的目标
分支对话 Agent
- 分支对话（树形结构 + DAG）
- Git 分支同步（自动 commit + 分支切换）
- Git 图谱可视化
- 对话式编码 + 文件编辑
- 多分支合并对话
- MCP 工具扩展
- 版本回滚（按对话节点）
- 多模型支持（含 DeepSeek）
- 积分消耗统计
4.1 VSCode AI 扩展架构模式
VSCode 从 1.99 版本开始构建了统一的 AI Extensibility 框架，提供四种扩展入口： [7]
| 扩展方式 | 用途 | 访问 VSCode API |
|---|---|---|
| Language Model Tool | 扩展 Agent Mode 的领域特定能力 | 是 |
| MCP Tool | 通过标准化协议集成外部服务 | 否 |
| Chat Participant | 专用聊天助手，处理完整交互流程 | 是 |
| Language Model API | 直接编程访问 AI 模型 | 是 |
推荐的架构采用 Cline 的层次化模型 ：[5]
- Extension Layer — 扩展生命周期管理、命令注册
- Webview Layer — React 渲染、分支对话 UI、图谱视图
- Controller Layer — 中央状态管理、对话树 ↔ Git 状态同步
- Task Layer — Agent 循环、LLM 交互、对话流管理
- Tool Execution Layer — 工具发现与执行（文件编辑、终端、Git）
- Context Management Layer — 上下文窗口优化、Token 控制
- Storage Layer — 对话树持久化、状态、配置
5. 技术架构方案设计
5.1 整体架构
图 1：整体系统架构
5.2 核心模块设计
对话树模块
对话历史以 DAG（有向无环图）结构组织，每个对话节点记录：
node_id— 唯一标识parent_id— 父节点（根节点为 null）branch_name— 关联的 Git 分支名commit_hash— 关联的 Git 提交哈希messages— 对话消息列表file_changes— 本次对话涉及的文件变更摘要timestamp— 创建时间
Git 同步引擎
核心同步逻辑：
| 操作 | 触发条件 | 执行动作 |
|---|---|---|
| 自动 commit | 对话涉及文件改动后 | 自动生成 commit message，执行 git commit |
| 分支创建 | 用户选择"从该节点开启分支" | 创建 Git 分支 + 创建对话子节点 |
| 分支切换 | 用户点击对话树中的节点 | git checkout 到对应分支，加载对话历史 |
| 分支合并 | 用户执行"合并分支对话" | git merge + 合并对话树节点 |
Agent 编码引擎
参考 Cline 的 Agent 循环和 Codex 的 function_call 机制，核心流程：
- 用户输入任务描述 → 系统组装上下文（对话历史 + 当前文件 + 代码库地图）
- LLM 生成响应 → 可能包含工具调用请求（文件编辑、终端命令等）
- 执行工具 → 将结果反馈给 LLM → 继续循环直到完成
- 涉及文件改动 → 触发自动 commit
- 对话节点生成 → 写入对话树数据库
5.3 技术选型建议
| 模块 | 推荐方案 | 备选方案 | 理由 |
|---|---|---|---|
| 前端框架 | React 18+ / TypeScript | Vue 3 | VSCode Webview 生态最成熟 |
| 对话树渲染 | ReactFlow (xyflow) | 自定义 SVG | ForkChat/ChatTree 均使用，成熟稳定 |
| Git 图谱 | 参考 VSCode Git Graph 算法 | GitGraph.js | VSCode 原生扩展，渲染性能最优 |
| Agent 引擎 | 基于 Cline 架构改造 | 自研 | Cline 架构成熟，MIT 许可 |
| LLM 集成 | OpenAI SDK + LiteLLM | 直接 API 调用 | 多模型兼容，易扩展 |
| 本地存储 | SQLite via better-sqlite3 | IndexedDB | VSCode 扩展可用 native 模块 |
| 状态管理 | Zustand | Redux / MobX | 轻量，适合扩展 |
| 构建工具 | Vite + esbuild | Webpack | 快速，适合 VSCode 扩展 |
6. 积分消耗估算
以下估算基于 DeepSeek V4 Flash 模型的官方定价，以人民币（元）为单位。高峰时段（9:00-12:00, 14:00-18:00 北京时间）价格为平时 2 倍，此处按非高峰时段计 算。[4]
6.1 DeepSeek V4 Flash 官方定价
| 计费项 | 价格（每百万 tokens） | 说明 |
|---|---|---|
| 输入（缓存命中） | 0.02 元 | 长期对话大量复用上下文场景 |
| 输入（缓存未命中） | 1 元 | 首次请求或新上下文 |
| 输出 | 2 元 | 代码生成输出 |
上下文窗口为 1,000,000 tokens，最大输出 384,000 tokens。与 GPT-4o（$2.50/$10.00 每百万 tokens）相比，输入价格便宜约 18 倍，输出便宜约 36 倍。[4]
6.2 典型编码场景 Token 消耗
| 编码场景 | 输入 Tokens | 输出 Tokens | 合计 | 估算成本 |
|---|---|---|---|---|
| 简单问答（如"解释 async 关键字"） | ~500 | ~300 | ~800 | ~0.001 元 |
| 简单函数生成（如"写一个 email 验证函数"） | ~800 | ~600 | ~1,400 | ~0.002 元 |
| 中等模块生成（含 3 个上下文文件） | ~8,000 | ~4,000 | ~12,000 | ~0.016 元 |
| 多文件重构（Agent 模式，12 个文件） | ~50,000 | ~25,000 | ~105,000 | ~0.10 元 |
| 完整功能实现（Agent 长会话，多轮互动） | ~200,000 | ~80,000 | ~380,000 | ~0.36 元 |
| 大型 PR 代码审查（500 行变更，8 文件） | ~15,000 | ~3,000 | ~18,000 | ~0.021 元 |
6.3 分支对话场景下的成本增长模型
分支对话模型的 Token 消耗具有特殊增长模式：
| 场景 | 消耗估算 | 说明 |
|---|---|---|
| 线性对话（5 轮） | ~15,000 tokens → ~0.02 元 | 累积上下文，每轮约 3,000 新增 |
| 分支对话（3 分支，每分支 3 轮） | ~30,000 tokens → ~0.04 元 | 分支节点需加载父节点上下文 |
| 分支合并（2 分支合并 + 继续对话） | ~50,000 tokens → ~0.06 元 | 合并时需加载两个分支的上下文摘要 |
| 深度分支（5 层嵌套，每层 2 轮） | ~80,000 tokens → ~0.10 元 | 深层路径需加载完整祖先链上下文 |
| 大型项目日常使用（全天约 20 次交互） | ~400,000 tokens → ~0.50 元 | 含缓存命中，实际成本更低 |
成本优化策略：① 利用 DeepSeek 的缓存命中机制（系统提示词和项目上下文可复用），输入成本降低 98%；② 分支切换时可重用已缓存的父节点上下文；③ 长对话后建议启动新分支，避免上下文无限膨胀。
6.4 月度成本估算
~15 元
个人开发者
月均消耗（缓存命中）
~50 元
个人开发者
月均消耗（缓存未命中）
~200 元
小型团队（5 人）
月均总消耗
~0.5 元
GPT-4o 等价的
单次场景成本
假设个人开发者日均进行 20 次对话交互，其中 10 次简单任务（~0.001 元/次）、6 次中等任务（~0.016 元/次）、4 次复杂任务（~0.10 元/次），日均成本约 0.5 元，月均（30 天）约 15 元。若使用缓存命中场景，实际成本可进一步降低 50% 以上。[4 ]
6.5 使用 Trae Work 开发本项目的积分消耗估算
以下估算的是：使用 Trae Work（DeepSeek V4 Flash 模型）作为开发工具，从零开始实现本项目所需的积分消耗。Trae 中国版于 2026 年 7 月升级为积分制，按实际 Token 用量 × 模型刊例价换 算积分。[1 6]
1 积分
≈ 0.025 元
（Pro 套餐折算）
1 元
≈ 40 积分
（DeepSeek V4 Flash 刊例价）
~0.06x
DeepSeek V4 Flash
模型积分系数
99 元/月
Pro 套餐
含 4,000 积分
Trae 积分体系的关键换算关系：1 积分 ≈ 0.025 元（Pro 套餐 99 元 / 4,000 积分）。DeepSeek V4 Flash 的刊例价为输入 1 元/百万 tokens、输出 2 元/百万 tokens，单次简单对话（如"hello"）消耗约 1.02 积分。 [17][ 18]
项目开发各阶段积分估算：
| 开发阶段 | 预估交互次数 | 单次平均消耗 | 小计积分 | 说明 |
|---|---|---|---|---|
| P0 基础架构搭建 | 5 次 | ~0.5 积分 | ~2.5 | Fork Cline、配置项目、集成 API |
| P1 对话树引擎 | 8 次 | ~1.2 积分 | ~9.6 | DAG 数据结构、SQLite、ReactFlow 渲染 |
| P2 Git 同步引擎 | 6 次 | ~1.0 积分 | ~6.0 | Git 命令封装、自动 commit、分支映射 |
| P3 图谱可视化 | 5 次 | ~1.4 积分 | ~7.0 | 图谱渲染算法、交互操作 |
| P4 Agent 引擎改造 | 5 次 | ~1.7 积分 | ~8.5 | Agent 循环改造、对话树联动 |
| P5 分支合并 | 3 次 | ~1.0 积分 | ~3.0 | 对话树合并、git merge 联动 |
| P6 积分统计模块 | 2 次 | ~0.5 积分 | ~1.0 | Token 追踪、ECharts 报表 |
| 测试与调试 | 8 次 | ~0.6 积分 | ~4.8 | 单元测试、集成测试、Bug 修复 |
| 文档与发布 | 3 次 | ~0.4 积分 | ~1.2 | README、发布配置、Marketplace 上架 |
| 合计 | ~45 次 | — | ~44 积分 | 约 1.1 元（折合人民币） |
|---|
实际消耗上浮估算：考虑到开发过程中可能出现的重试、调试、代码审查、上下文累积等额外开销，建议按 1.5-2 倍系数估算，实际积分消耗约为 60-90 积分，折合人民币约 1.5-2.3 元。
以 Trae 中国版 Pro 套餐（99 元/月，含 4,000 积分）计算，完成本项目开发仅消耗套餐额度的 1.5% - 2.3%。即使使用免费用户的每日签到积分（200 积分/天），也仅需 不到半天 的签到即可覆盖。若使用 Lite 套餐（9.9 元/月，含 2,000 积分），占比约 3% - 4.5%。 [16]
~44 积分
基准估算
（理想情况）
~60-90 积分
实际估算
（含重试/调试）
~1.5-2.3 元
折合人民币
1.5% - 2.3%
Pro 套餐月额度占比
对比参考：如果使用更昂贵的模型（如 GLM-5.2，积分系数 1.06x，是 DeepSeek V4 Flash 的约 17 倍），则完成本项目的积分消耗将上升至 ~700-1,500 积分，约 17-38 元。因此选择 DeepSeek V4 Flash 作为开发模型对成本 控制非常有利。 [18]
7. 实施路线与建议
7.1 开发阶段划分
| 阶段 | 核心任务 | 技术要点 | 预估工作量 |
|---|---|---|---|
| P0 基础架构 | Fork Cline 仓库，搭建 VSCode 扩展骨架，集成 DeepSeek API | Cline 架构改造，API Provider 层扩展 | 2-3 周 |
| P1 对话树引擎 | 实现 DAG 对话数据结构，持久化存储，对话节点管理 | ReactFlow 集成，SQLite 存储 | 3-4 周 |
| P2 Git 同步 | 自动 commit / 分支创建切换 / 节点 ↔ 分支映射 | Git 命令封装，nodegit / isomorphic-git | 3-4 周 |
| P3 图谱可视化 | Git 图谱渲染，分支状态指示，交互操作 | 参考 VSCode Git Graph 算法 | 2-3 周 |
| P4 分支合并 | 多分支对话合并，git merge 联动，冲突处理UI | 对话树合并算法 | 2-3 周 |
| P5 积分统计 | Token 用量追踪，历史消耗统计，可视化报表 | ECharts 集成 | 1-2 周 |
7.2 关键开源资产索引
| 用途 | 开源项目 | 许可协议 | 使用方式 |
|---|---|---|---|
| AI Agent 基础框架 | Cline | Apache 2.0 | Fork + 改造 |
| 对话树 UI 参考 | ChatTree | MIT | 参考 UI 交互 |
| 对话树全栈参考 | ForkChat | MIT | 参考架构设计 |
| Git 图谱可视化 | VSCode Git Graph | MIT | 参考渲染算法 |
| Git 自动提交 | Aider | Apache 2.0 | 参考 commit 策略 |
| 树形图渲染库 | xyflow (ReactFlow) | MIT | 直接依赖 |
7.3 风险与建议
- 对话树与 Git 分支的同步一致性：建议采用"对话树为主、Git 为辅"的同步策略，对话树记录完整的分支拓扑，Git 分支仅作为文件变更的载体。对话树节点通过
branch_name + commit_hash与 Git 分支建立映射。 - 上下文窗口管理：分支切换时，仅加载当前分支的对话历史作为 LLM 上下文；分支合并时，需要摘要化合并两个分支的上下文，避免超出上下文窗口。
- VSCode 扩展性能：Tree-structured 对话数据量可能较大，建议使用虚拟化列表（react-window）和懒加载策略。
- Trae IDE 兼容性：Trae IDE 基于 VSCode 生态，理论上大部分 VSCode 扩展 API 兼容，但需验证 Webview、Language Model API 等特性。
参考来源
- arichyx/fork-chat — 全栈树形对话应用GitHub - arichyx/fork-chat: Tree-based AI chat: fork any turn, each path is its own LLM context. React + Axum + PostgreSQL. · GitHub
- bhc6/ChatTree — 树形 LLM 对话客户端GitHub - bhc6/ChatTree: 🌳 非线性树形 LLM 对话客户端。支持分叉、合并、多模态及本地存储 | A non-linear tree-based chat interface for any LLM. Branch off and merge conversation paths. · GitHub
- mhutchie/vscode-git-graph — VSCode Git 图谱可视化扩展https://github.com/mhutchie/vscode-git-graph
- DeepSeek 官方 API 定价页模型 & 价格 | DeepSeek API Docs
- cline/cline — 开源 AI 编码 Agenthttps://github.com/cline/cline
- Aider-AI/aider — Git 原生 AI 结对编程工具GitHub - Aider-AI/aider: aider is AI pair programming in your terminal · GitHub
- VSCode AI Extensibility Overview — 官方文档https://code.visualstudio.com/api/extension-guides/ai/ai-extensibility-overview
- OpenAI Codex — 产品升级公告https://www.openai.com/index/introducing-upgrades-to-codex/
- Trae IDE 官方文档 — 产品介绍什么是 TRAE IDE？ - 文档 - TRAE
- Trae Work 产品升级公告https://www.trae.ai/blog/trae_work_0609
- Codex CLI GitHub 仓库https://github.com/openai/codex
- VSCode Unified Agent Experience 博客https://code.visualstudio.com/blogs/2025/11/03/unified-agent-experience
- DeepSeek V4 预览版发布公告DeepSeek-V4 预览版：迈入百万上下文普惠时代 | DeepSeek API Docs
- InsiderLLM — DeepSeek V4 Flash vs Pro 对比https://insiderllm.com/pdfs/deepseek-v4-flash-vs-pro-guide.pdf
- 阿里云模型服务 — DeepSeek V4 Flash 信息deepseek-v4-flash Model Info-Alibaba Cloud Model Studio(Model Studio)-阿里云帮助中心
- TRAE 官方公告 — 中国版订阅模式升级说明（积分制） 官方公告｜关于 TRAE 中国版订阅模式升级的说明（文末有福利）
- TRAE 社区用户实测 — 单次对话积分消耗数据算笔糊涂账！
- TRAE CN 企业版 — 模型刊例价与积分系数计费项