过去一段时间，我一直在思考一个问题：
AI 已经越来越擅长写代码，但我们应该怎样更好地理解、管理和控制 AI 的工作过程？
现在的 Coding Agent 已经能够阅读项目、修改代码、调用工具、运行测试，甚至独立完成一些比较复杂的开发任务。
但在实际使用过程中，我也遇到了一些问题。
比如，Agent 在一次任务中发现了某个文件与需求的关系，下一次执行时却可能重新搜索；某个设计被修改后，之前的测试结果是否仍然有效，需要再次判断；执行中途失败，怎样保留已经获得的理解和修改现场，而不是重新开始？
对于持续迭代的软件项目，这些问题会越来越重要。
基于这样的想法，我开发了 ReqInt，一个尝试将工程理解与 Agent 执行结合起来的 AI 编程工作区。
ReqInt 能做什么？
目前的使用方式很直接：
打开项目，在对话框中告诉 Agent 你希望完成什么任务。
例如：
“给这个接口增加参数校验。”
“帮我排查为什么这个测试没有通过。”
“修改登录逻辑，并检查是否影响已有功能。”
Agent 可以搜索和读取项目代码、实施修改，并通过支持的测试或构建工具进行验证。
与此同时，ReqInt 会在后台逐步积累工程状态，包括当前任务、相关文件、执行观察、代码变更和验证证据。
这些信息不仅用于展示，也可以帮助后续执行继续利用已经获得的工程理解。
和普通 AI 编程助手有什么不同？
ReqInt 尝试解决的并不只是“让 AI 写出代码”，而是让 AI 的开发过程更连续、更透明、更容易控制。
目前重点实现了几个方向：
1. 工程理解逐步积累
用户不需要提前建立完整的需求图或设计文档。ReqInt 会在实际工作过程中记录相关工程对象和文件关联，形成可供后续使用的结构化状态。
2. 理解与执行相互修正
Agent 的理解不一定正确。实际搜索、文件读取和测试可能发现新的事实，系统需要根据这些观察修正原有判断，而不是始终相信最初的推测。
3. 失败后继续工作
任务中断或执行失败后，可以保留当前任务状态、已有改动和失败步骤，再尝试继续处理。
4. 改动和验证结果可追踪
可以查看代码 Diff、执行结果及相关验证信息，并在支持的条件下撤回修改。
5. 工程图不是使用门槛
工程结构会逐步积累，但日常编程仍以自然语言对话和 Agent 执行为主，不要求用户先学习复杂的图编辑流程。
目前处于什么阶段？
ReqInt 目前仍是早期 Windows Preview，并不是已经成熟的 Codex 或 Claude Code 替代品。
基础工作流程已经完成本地开发验证，但复杂项目、大规模重构、部分命令执行能力以及不同环境下的稳定性，仍然需要更多真实用户测试。
我不希望只用演示项目来证明它好用，更希望了解它在实际工程中能解决什么问题，还有哪些地方做得不够好。
邀请开发者参与内测
如果你平时使用 AI 辅助编程，或者正在维护一个需要持续迭代的项目，欢迎拿一个小型、真实、可备份的代码项目体验 ReqInt。
不一定需要完成复杂任务。哪怕只是修改一个功能、修复一个 Bug、运行一次测试，都能帮助我了解产品的真实表现。
尤其欢迎反馈：
- 哪些操作符合预期，哪些不符合？
- Agent 是否准确理解了你的需求？
- 是否出现重复搜索、错误修改或中断？
- 工程状态、Diff 和验证信息是否真正有帮助？
我希望 ReqInt 最终带来的，不只是更快的代码生成，而是一种让人与 AI 更容易协作、共同探索和持续改进软件的开发体验。
项目地址：
https://reqint.mailsmart.email
欢迎试用，也欢迎提出批评和建议。
