An Anthropic-style long-running AI IDE, forked from VS Code
VS Code 内核 · Sentinel 长程 Harness · 零配置 MCP · 智谱 GLM 内置 · 端到端交付不依赖 Chat 闲聊
🚀 Quick Start · 🛡️ Sentinel · 🤖 Vibe / Spec · 🏗️ Architecture · ✍️ Author
NormCode 跑通了 长程 Agent Harness 在 vscode fork 之上的可行性（v0~v9 共 10 个版本，13+ 核心服务全部上线）。
5 个月之后我亲手砍掉了 vscode fork 这个产品形态 —— 因为它绑死了「代码-中心」的视角，而我真正想做的是 让不会编程的人通过对话做出真实可演化的应用。
这套领域逻辑（BudgetGovernor / EpisodicMemory / FailureTaxonomy / RollingPlanner …）已直迁到下一代 Web App Sentinel v2。
完整 build/kill/pivot 故事见 《做就是最好的想 —— 5 个月 build 了 3 个 AI 产品，砍了 1 个》。
本仓库保留作为开源参考实现（长程 Agent Harness 工程范例），不再积极维护。下一代 Web App 关注 →
wangshanbo/ai-native-sop。
主流 AI Chat 工具的瓶颈是 短链对话：每次从零开始、需要工程师不停喂上下文、对答 bug、纠正意图。 NormCode 押注下一代范式：长程 Agent Harness —— 你下达需求，IDE 内的 Sentinel 控制平面自动跑完规划 → 实现 → Verifier 验证 → 必要时联网与预览，力争不依赖与 Chat 的多轮闲聊完成端到端交付。
This is not yet another GPT wrapper. It's an attempt to ship the long-running agent paradigm Anthropic engineering has been describing — as a real, runnable IDE.
基于 VS Code 深度定制的 AI 原生集成开发环境，内置智谱 AI GLM 大模型；当前版本以 Sentinel 长程自动执行为主路径，在单应用内完成从需求到交付的闭环。
说明：对外产品名为 NormCode；本仓库根目录 package.json 中 npm 包名仍为 code-oss-dev（与上游 VS Code 工程惯例一致）。
- 定位：Vibe / Spec（AI Chat 双模式）已分层就绪，作为探索、对齐口径与规格文档化的辅助能力；Sentinel 为需求交付的主路径。
- 目标体验：用户在工作区启用 Harness 后，于 Sentinel 控制平面下达需求，由 意图图 / 执行图 / Verifier 工具环 在 IDE 内 长程跑完（规划、实现、验证、必要时自动 MCP 与预览），力争不依赖与 Chat 的多轮闲聊即可完成闭环。需要人审时可通过
harness.json（如humanGateAfterAnalysis）显式打开「分析后暂停」，见docs/sentinel/product-principles.md。
面向 Anthropic 式长程开发范式（功能注册表、Verifier 工具环、行为 E2E），工作区启用 .sentinel/harness.json 后：
enabled: true且anthropicHarnessParity: true（或显式开启 Verifier 工具环 /behavioralE2E）时，在 规划意图（planIntent） 阶段会 自动：- 若
.sentinel/mcp_allowlist.json不存在或白名单为空：写入默认条目（默认可用cursor-ide-browser与 IDE 内置 MCP 对齐），无需用户了解 MCP 概念； - 通过 Sentinel MCP Bridge 将白名单中的
definitions合并到.vscode/mcp.json，并在适当时提升工作区chat.mcp.access，便于 Chat / Agent 侧发现工具。
- 若
- 若需 自建 stdio 类 MCP（如 Playwright 独立进程），可在白名单的
definitions中补充与官方文档一致的启动配置，或由 Agent 在工具环内联网检索后写入。 - 设计对照与验收清单见：
docs/sentinel/anthropic-harness-alignment.md。 anthropicHarnessParity下默认启用 设计对撞：在末轮实现后自动插入 审查 → 再实现收敛 两节点，并强化 Verifier 对外链/配图做可执行探测（如curl -sI），减少第三方资源 404 却「假通过」的情况。可在harness.json设"designCollisionPass": false关闭。
内置 AI Chat 面板，支持两种工作模式（与 Sentinel 并行，适合快速对话与 Spec 文档化；长程交付以 Sentinel 为准）：
-
⚡ Vibe 模式 - 边聊边做，快速迭代
- 快速响应，直接给出解决方案
- 适合探索性开发和快速原型
- 代码优先，解释辅助
-
📋 Spec 模式 - 先规划后执行
- 需求理解 → 用户故事 → 技术设计 → 任务分解 → 执行
- 适合复杂功能开发
- 结构化输出，便于追踪
- New Chat 进入统一
Let's build单页入口（Vibe / Spec 同页切换） - 顶部交互收敛为单一
+新建入口 + 设置入口，减少重复按钮 - 入口页提供底部快捷操作动线：
vibe/spec/继续/执行所有/检查完成 - SPECS 面板支持 Requirements / Design / Tasks 标签切换
- 任务卡片支持 Start / Retry 与执行中状态展示
- 打开
.specs/<session>/tasks.md时，任务上方提供 Kiro 风格操作按钮（CodeLens）Start task/Retry/Task completedView changes（自动解析并打开改动文件）View execution（打开任务执行详情文档）
AI 可以直接操作您的工作区：
| 工具 | 功能 |
|---|---|
read_file |
读取文件内容 |
list_dir |
查看目录结构 |
grep_search |
代码搜索 |
search_files |
文件名搜索 |
write_file |
创建/修改文件 |
run_command |
执行终端命令 |
get_diagnostics |
获取代码诊断 |
browse_url |
访问网页 |
web_search_deep |
深度搜索 |
mcp_call |
调用工作区白名单内的 MCP 工具（如浏览器自动化）；白名单可由 Sentinel 自动脚手架 |
每次用户提问前，系统仍会使用 GLM-5.1 做前置任务分析，并分配子代理；当前产品默认将文本侧实际调用模型统一为 glm-5.1（含 Chat 自动路由各档位、Sentinel Worker、ModelRouterService.getModelByTier、Red-Team 等），避免弱模型拉低质量。子代理与复杂度标签仍保留，便于后续恢复分层降本。
- 复杂度分级（分析用）：
simple/medium/hard - 子代理分配：
quick_responder/implementation_agent/planning_agent - 默认文本模型：
aiCore.glmModel与aiCore.routingModelSimple|Medium|Hard默认均为glm-5.1（仅支持glm-5/glm-5.1）
当用户附加图片/视频/文档，或提问包含视觉理解意图时，自动路由到 GLM-5 / GLM-5.1（仅保留这两款，不再使用 4.x 视觉模型）：
simple visual→ 默认glm-5medium visual/hard visual→ 默认glm-5.1
支持场景：截图解释、图像信息提取、视频片段理解、PDF/文档内容分析等。
参考 Cursor Agent Skills 规范，系统在聊天时会自动检查项目级 Skills：
- 新项目：根据用户需求、任务目标与架构选择自动生成分层技能
- 旧项目（无项目级 skills）：先进行深度结构扫描，再生成分层技能
默认生成位置：
- 首选
.agents/skills/（更通用，不绑定 Cursor） - 兼容复用已存在的
.cursor/skills/（历史项目）
按项目名自动生成目录（示例）：
.agents/skills/my-project-architecture/SKILL.md.agents/skills/my-project-coding/SKILL.md.agents/skills/my-project-testing/SKILL.md- （旧项目）
.agents/skills/my-project-architecture/references/PROJECT_SCAN.md
系统已支持项目级子代理编排，默认目录为：
- 首选
.agents/agents/ - 兼容
.cursor/agents/
当项目无子代理定义时，会自动初始化 3 个默认子代理：
quick-responder（简单问题快速响应）implementation-agent（实现/修复类任务）planning-agent（架构与规划类任务）
支持能力：
- 自动委派：GLM-5.1 路由后，按复杂度自动选择子代理
- 并行执行：Autopilot 任务执行支持并行子代理 worker（默认 3，可配置 1-3，受 GLM 并发限制）
- 显式调用：输入
/quick-responder ...、/implementation-agent ... - 恢复会话：输入
resume agent <agentId> ...或/resume <agentId> ... - 任务即时回写：任务状态变化会第一时间同步到
.specs/<session>/tasks.md
- 启动容器安全降级：若启动阶段暂未拿到内置 Chat 容器（
workbench.panel.chat），系统会自动回退到AI Core面板容器，避免应用因视图注册失败崩溃。 - 旧任务文件兼容：即使历史
tasks.md没有task-id锚点，也可按任务标题回退匹配并显示任务操作按钮。 - 执行详情可追溯：每个任务的执行结果会写入
.specs/<session>/.runs/<taskId>.md，便于复盘与审查。
基于智谱 AI GLM-5.1 的深度思考能力：
- 复杂问题的多步推理
- 思考过程可视化展示
- 更准确的代码理解和生成
自动判断是否需要搜索最新信息：
- 时效性信息自动联网
- 搜索结果智能整合
- 代码问题默认离线处理
通过配置文件定义项目级 AI 规则：
{
"version": "1.0",
"rules": [
{
"id": "code-style",
"content": "使用 TypeScript 严格模式，遵循 ESLint 规范",
"enabled": true
}
],
"fileRules": {
"**/*.tsx": [
{
"id": "react-rules",
"content": "使用函数组件和 Hooks，避免 class 组件"
}
]
}
}- Node.js 22+（推荐，避免 TypeScript ESM 运行问题；
package.json未锁定engines，以本机能跑通npm run compile/gulp为准） - Python 3.8+ (可选，用于部分扩展)
- Git
# 克隆仓库
git clone https://github.com/wangshanbo/NormCode.git
cd NormCode
# 安装依赖
npm install
# 编译
npm run compile
# 启动开发模式
npm run watch在含 package.json 与 scripts/code.sh 的仓库根目录执行：
# 推荐：跳过 preLaunch（少跑内置扩展下载等），再启动 Electron 开发版
VSCODE_SKIP_PRELAUNCH=1 bash ./scripts/code.shscripts/code.sh 不支持 --skip-builtin；若需与内置扩展相关的特殊入口，请查看该脚本内注释（如 --builtin）。
src/vs/workbench/
├── contrib/aiCore/ # AI 功能贡献点
│ ├── browser/
│ │ ├── chatWebview/ # React Chat UI
│ │ │ ├── media/ # React 入口与组件
│ │ │ │ ├── main.tsx # 入口
│ │ │ │ ├── components/ # UI 组件
│ │ │ │ ├── useChat.ts # 状态管理
│ │ │ │ └── types.ts # 类型定义
│ │ │ ├── chatWebviewPane.ts
│ │ │ ├── protocol.ts # 消息协议
│ │ │ └── chatWebview.contribution.ts
│ │ ├── specEditor/ # Spec 编辑器
│ │ └── specsPane.ts # Specs 面板
│
└── services/aiCore/ # AI 核心服务
├── browser/
│ ├── glmChatService.ts # GLM 聊天服务（含 GLM-5.1 路由与视觉路由 glm-5 / glm-5.1）
│ ├── subagentOrchestratorService.ts # 子代理编排（自动委派/显式调用/恢复）
│ ├── agentToolService.ts # Agent 工具服务
│ ├── chatModeService.ts # 模式管理服务
│ ├── specModeService.ts # Spec 生命周期与任务状态管理
│ ├── codeIndexService.ts # 代码索引服务
│ └── contextProvidersService.ts
└── common/
├── aiCoreService.ts # AI 核心服务
├── specService.ts # 规范服务
├── embeddingService.ts # 向量嵌入服务
├── codeChunker.ts # 代码分块器
└── llmService.ts # LLM 服务
在 VS Code 设置中配置 AI 功能：
{
// GLM API 配置
"aiCore.glmApiKey": "your-api-key",
"aiCore.glmModel": "glm-5.1",
// 自动模型路由（当前默认三档均为 glm-5.1）
"aiCore.enableAutoModelRouting": true,
"aiCore.routingModelSimple": "glm-5.1",
"aiCore.routingModelMedium": "glm-5.1",
"aiCore.routingModelHard": "glm-5.1",
// 视觉路由（新增）
"aiCore.enableVisionRouting": true,
"aiCore.routingVisionModelSimple": "glm-5",
"aiCore.routingVisionModelMedium": "glm-5.1",
"aiCore.routingVisionModelHard": "glm-5.1",
// 功能开关
"aiCore.enableThinking": true,
"aiCore.enableWebSearch": true,
"aiCore.agentMode": true,
// 默认模式
"aiCore.defaultChatMode": "vibe",
// 搜索引擎
"aiCore.searchEngine": "search_pro"
}Chat UI 使用 React 构建，支持热更新：
# 单独构建 Chat Webview
npm run compile-chat-webview
# Watch 模式（集成在主 watch 中）
npm run watchChatApp
├── ChatHeader # 头部（模式切换）
├── MessageList # 消息列表
│ └── Message # 单条消息
│ ├── ThinkingIndicator # 思考动画
│ ├── ToolCallCard # 工具调用卡片
│ ├── MarkdownContent # Markdown 渲染
│ └── CodeBlock # 代码块
└── ChatInput # 输入框
AI Code IDE 完全兼容 VS Code 扩展生态，同时提供额外的 AI 能力 API：
// 访问 AI 核心服务
import { IAICoreService } from 'vs/workbench/services/aiCore/common/aiCoreService';
// 发送 AI 请求
const response = await aiCoreService.sendRequest({
sessionId: 'my-session',
message: '帮我优化这段代码',
mode: 'agent'
});| 命令 | 说明 |
|---|---|
npm run watch |
开发模式（包含 Chat Webview） |
npm run compile |
完整编译 |
npm run test |
运行测试 |
npm run electron |
启动 Electron |
npm run compile-chat-webview |
单独编译 Chat UI |
欢迎贡献代码！请遵循以下流程：
- Fork 本仓库
- 创建特性分支 (
git checkout -b feature/amazing-feature) - 提交更改 (
git commit -m 'Add amazing feature') - 推送分支 (
git push origin feature/amazing-feature) - 创建 Pull Request
- 使用 TypeScript 严格模式
- 遵循 ESLint 规则
- 编写单元测试
- 保持代码注释完整
本项目基于 MIT 许可证 开源。
- Visual Studio Code - 基础 IDE 框架
- 智谱 AI - GLM 大语言模型
- 所有贡献者和社区成员
王善波 / Wang Shanbo——在杭州的台满满科技做研发主管和硬件采购，业余时间维护 NormCode。完整介绍在 github.com/wangshanbo。
主流 AI IDE 押注的是「对话即编程」——你聊得越多，产出越多。但月烧 $2,000 token 的实战让我相信另一个判断：对话越多，意图越散，质量越降。NormCode 的赌注是 Anthropic 式的长程 Agent Harness，让控制平面跑完规划、实现、Verifier 验证、必要时联网与预览，尽量不依赖多轮 chat。
5 个月 ship 完 v0 到 v9 之后我得出一个结论：这个范式本身可行，但 vscode fork 不是对的形态。vscode 的 ViewPane / Webview / contribution 心智绑死了「代码中心」视角，而我真正想做的是「不会编程的人也能持续演化一个真实应用」。这两件事在桌面 IDE 形态下永远拧巴，于是 NormCode 归档，留作长程 Agent Harness 在 vscode 之上能跑到什么程度的开源参考。下一代产品重写为 Web App，叫 Sentinel。配套还有 Guard（Rust 策略层）和 ai-native-sop（中文方法论连载）。