嘿,大家好,我是桃花键神。
最近我在想,大家觉得现在用 AI 办事,最费时间的环节是什么?
我猜啊,不是让 AI 干活,而是检查 AI 干出来的东西。
是不是碰到过这样的情况?AI 十秒钟生成一个脚本,你却要花二十分钟逐字逐句地审查;上个月那次让 AI 整理得特别漂亮的内容,这个月想再来一遍,却在聊天记录里翻了半天找不到;还有就是,开了四五个工具,哪个模型做什么活,全靠记忆。这种事情真的让人很头疼。
随着 AI 产出的速度越来越快,我们对结果的信任却在逐渐下降。省下来的时间,基本上都得用来“检查”那些结果。
最近我试了一个专门解决这个问题的开源项目——SoduWork。它 README 里的那句话,我觉得一下子就说明了这个产品的野心:
A chat ends with an answer. A SoduWork request ends when the person who asked signs off.
聊天止于答案,而 SoduWork 的请求,止于发起人签字确认。
乍一听还挺让人期待的?我也是这么想的。所以这篇文章,我就想验证一下:这句话到底靠谱吗?
先说说我的测试环境:我用的是 Mac(Apple Silicon),所有截图都是我本机操作的,版本号我都会标注。

一、SoduWork 概述:三句话 + 两个概念
简单来说,这里有三句话可以帮助你快速理解 SoduWork:
- 一个自托管的开源工作台(MIT 协议,所有代码在你自己的机器上运行,数据不出你的边界)
- 一个 harness 干活,另一个用不同模型的 harness 来进行审查,审查不过就打回重做
- 做对的一次,可以存成插件,审核发布之后团队成员直接复用
这里有两个概念你得先了解一下,否则后面的内容可能会看得糊涂。我觉得 CSDN 的读者应该会喜欢这个分法,它区分得相当清晰:
① harness 并不等于模型。 harness 是 agent 的运行方式——像 Pi、OpenCode、Claude Code、Qwen Code、Codex 这些;而模型是另外一回事,你可以根据需求进行配置。打个比方,harness 就像施工队,而模型是施工队里的工人。你可以让 A 施工队用便宜工人搬砖,但关键环节换成老师傅。SoduWork 目前支持 9 个 harness,Pi 是内置的,其他的可以按需安装。
② request = spec。 每个请求在开工之前,首先要写明验收标准——依据是什么,做成什么样算完。一个 harness 执行任务,另一个 harness 拿着标准来审查,最后由人来签字。所谓的“完成”,并不是 AI 说的算,而是发起人签了字。
这两个概念一结合,就能看出它和“又一个 AI 聊天工具”的本质区别:聊天工具的结果止于文本框,而 SoduWork 的结果止于一次“有凭证的验收”。
二、安装实测:从 clone 到顺利运行
明确一下:官网下载和源码部署是两条不同的路
很多人第一反应会是“去官网下个安装包就行了”。对,但只对一半——SoduWork 是 client-server 架构,官网上那个显眼的“立即下载”按钮(v1.12.86,支持 Win/macOS/Linux)下载的是客户端,而客户端只是个外壳:首次启动要在 Connection 中填一个 Hub 地址才能登录。Hub 才是真正的引擎(服务端 + 管理台 + 模型配置都在这里)。
所以实际有两条路可以走:
| 路线 | 怎么装 | 数据在哪 | 适合谁 |
| A. 官网客户端 + 官方 demo | 官网下载安装包,Connection 填 SoduWork · 让 AI 的能力成为企业的生产力 | 官方服务器 | 只想先尝一口的(官方明确警示:别放真实业务数据) |
| B. 源码部署(自托管) | clone 仓库 → | 你自己机器上 | 本文主线。这项目的头号卖点 Self-hosted,走 A 等于没测 |
这两条路还有个组合玩法:自己源码部署 Hub,客户端用官网下载的,Connection 填你本机地址——这样也可以达到跟 B 一样的效果,少一步编译客户端的时间。
本文我全程按 B 路线走,理由很简单:测试的就是“自托管”,数据在我自己的机器上,这才能截图证明“整个引擎跑在我本机”。
环境要求(B 路线)
README 写得很清楚:Python 3.12+、Node.js 22.19+、Git。我本机的配置是:

安装流程
git clone https://github.com/mdiri-ai/SoduWork
cd SoduWork
sh start.sh --desktop
macOS/Linux 用 sh start.sh --desktop,Windows 对应 .\start.cmd --desktop。
第一次运行会自动安装依赖,然后一口气启动三样东西:Hub(服务端)、管理台、桌面客户端。过程中会让你为 admin 账号设置一个密码(要求 12–128 字符)。

配置模型
启动后进入管理台的 Model catalog,把你的模型提供者配置进去(API key 填入你自己的)。Pi 是内置的 harness,理论上配置完模型就能开始工作。

至于路线 A(官网客户端连 demo),前面表格里已经交代过它的定位:快速体验可以,但<强>真实业务数据别放上去——这句警示是官方在 README 里写的,自知之明很重要,我觉得这点值得点赞。
三、第一个任务:给 Agent 设置小目标
把我攒了两年的 8 篇 Markdown 笔记做一次规范化整理,再生成一份索引。
为什么选这个任务?因为这类工作有三个特点,正好是 AI 最容易出错的地方:
- 要求“只改格式、不改内容”——AI 最容易犯的错误就是顺手“优化”几句,而笔记的语气是最不能丢失的。
- 有明确的对错——标题层级对不对、链接通不通、前端信息齐不齐,都是可以机器检测的。
- 是我平时确实会拖着的活——人工整理 8 个文件,一下午就没了,但又不得不做。
这 8 篇笔记我提前埋了坑,常见的格式问题基本都有:有的缺少元信息、有的标题从 h1 跳到 h4、有的内部链接指向根本不存在的文件,还有一篇有两个一级标题,甚至有一篇完全是流水账连标题都没有。文件放在工作目录的 notes-audit/raw/ 下。

流程按照产品设计的那套走,也是它的核心主张——人定标准 → AI 执行 → AI 交叉审查 → 人签字。
第一步,人定标准。
创建需求时,验收标准一定要逐条写清楚。注意,这一步可不是走过场——我写的 8 条标准,每一条都对应具体的判断依据:
元信息完整:8 个文件全部有合法 YAML front-matter,含 title/date/tags,tags 为数组
标题唯一且一致:每篇恰好一个一级标题,且与 title 完全相同
层级不跳级:不出现 # 直接跟 #### 这种跨越
无死链:内部链接指向的文件都真实存在,补不上的改为纯文本
格式干净:无行尾空格、无连续空行、代码块有语言标注
内容未改写:与原始文件相比,正文文字保留率不低于 95%
索引可用:INDEX.md 按 tags 分组,含全部 8 篇的标题与有效链接
原文件未动:raw/ 下 8 个原始文件完整保留
第 6 条和第 8 条是我特意埋的——这两条最容易被 AI 违反:让它“整理格式”,它很可能顺手把正文也“润色”了;让它把结果输出到 output/,它很可能直接改原文件。标准里写得清楚,最后就不需要一个个去比对,那还不如不使用 AI。

第二步,AI 拆解执行。
在“安排执行”里选好 Agent 和模型(我用的是内置的 Pi),它会先把任务拆解,再一个文件一个文件处理。执行过程是可见的,不会是那种“转圈等半天突然给你一堆结果”的黑箱。

第三步,交叉审查。
这一环节是整个流程的亮点。审查 Agent 的依据可不是“感觉不错”,而是我刚才写的那 8 条标准,逐条核对。标准写得清楚,审查才有根据;没通过的,带理由打回重做。
我还在素材里放了一个自己写的 check.py,专门用来做这件事——8 项标准逐条通过/失败。这脚本原本是我给自己准备的验收工具,结果正好用来交叉验证审查 Agent 的判断:
python3 check.py --output output

第四步,人工签字。
我自己再抽查两篇,确认内容和原文一致、索引能点开,才会签字。这样,这个需求才算完成。

整个过程下来,感觉就像是主语换了。以前用 AI 是“它说了算,我来擦屁股”;现在是“标准说了算,标准是我写的,它只负责执行和自审”。同样是让 AI 干活,"我说了算"和"它说了算"的感觉完全不同。
有人可能会问:这么复杂,不比直接开聊天窗口费劲吗?
好问题,下一节我就来专门测这个。
四、横向对比:同一任务,我重复做了两遍
为了更直观,我拿同一个任务做了两遍,全程计时。
第一遍,我平时的做法: 开聊天窗口,把需求发进去 → AI 回了一版 → 不满意,改 prompt → 再来一轮 → 又改一个地方,再改 → 前后 N 轮 → 自己逐行核对 → 收工。聊天记录一关,下次遇到同样的事,从零开始。
第二遍,用 SoduWork: 写验收标准 → 执行 → 交叉审查 → 我签字 → 存成插件(下一节会讲这个)。
两遍的实测数据:
| 维度 | 平时做法(聊天窗口) | SoduWork |
| 总耗时 | 1 小时 42 分 | 43 分钟 |
| 人工核对/介入耗时 | 68 分钟 | 14 分钟 |
| 返工轮数 | 5 轮 | 1 轮 |
| 产物可复现性 | 聊天记录里翻 | 插件一键重跑 |
| 验收凭证 | 无,靠肉眼 | 有:标准 + 审查记录 |
诚实地说: SoduWork 其实在某些方面是更麻烦的——写验收标准这一步,聊天工具根本没有,你得多花几分钟。如果只是想问个问题得到答案的场景,它确实不如直接开聊天窗口来得快速。我建议大家在决定要不要装之前,先认真考虑这一点。
打个比方来总结这组对比:平时的做法就像每次都从零开始,而用 SoduWork 则是建立起了一套标准化的流程,省下了不少时间和精力。
