worktrunk
Worktrunk 是一款专为并行 AI 代理工作流设计的命令行工具,旨在简化 Git Worktree(多工作树)的管理。随着 Claude Code、Codex 等 AI 编程助手能够独立处理长时间任务,开发者往往需要同时运行多个代理。Git 原生的 Worktree 功能虽能为每个代理提供独立的工作目录以避免冲突,但其操作命令繁琐、路径管理复杂,极大地影响了使用体验。
Worktrunk 的核心价值在于让管理 Worktree 像切换普通分支一样简单。它通过直观的指令(如 wt switch)替代了冗长的原生 Git 命令,自动处理目录创建、跳转及清理工作。其独特亮点包括支持基于分支名的快捷寻址、可配置的路径模板,以及强大的自动化钩子(Hooks),能够在创建或合并时自动触发预设命令。此外,它还集成了由大模型生成提交消息等实用功能,显著提升了多任务并行的效率。
这款工具非常适合需要同时调度多个 AI 代理进行开发、测试或代码重构的软件工程师与研究人员。如果你正致力于扩展 AI 辅助开发的规模,希望在不牺牲工作流整洁度的前提下高效管理数十个并行任务,Worktrunk 将是一个得力的助手。
使用场景
某全栈开发团队正在利用多个 AI 代理(如 Claude Code)并行重构一个大型微服务架构,需要同时处理数据库迁移、API 网关升级和前端组件优化。
没有 worktrunk 时
- 命令繁琐易错:每次为新的 AI 任务创建隔离环境,都需要手动输入冗长的
git worktree add命令并重复三次分支名,极易拼写错误。 - 上下文切换混乱:开发者需要在不同物理路径的文件夹间频繁
cd跳转,难以直观判断当前处于哪个任务的上下文中。 - 清理工作耗时:任务完成后,必须手动返回主目录、删除工作树文件夹再删除分支,三步操作缺一不可,稍有不慎就会残留垃圾文件。
- 状态感知缺失:原生命令仅列出路径,无法一眼看出哪些工作树正在运行、哪些已完成合并,协作效率低下。
- 自动化断层:无法在创建环境时自动触发初始化脚本或让 AI 代理直接介入,每次都要人工干预启动流程。
使用 worktrunk 后
- 指令极简高效:仅需
wt switch -c -x claude feat-db一行命令,即可自动创建分支、生成工作树并直接启动 AI 代理开始工作。 - 基于分支的导航:直接使用
wt switch feat-api即可通过分支名瞬间切换上下文,无需记忆复杂的文件系统路径。 - 一键无损清理:执行
wt remove自动安全地移除当前工作树及其关联分支,彻底杜绝残留文件风险。 - 全景状态可视:通过
wt list清晰展示所有并行任务的状态、分支名及路径,团队对进度一目了然。 - 流程自动闭环:利用 Hooks 功能,在创建工作树时自动安装依赖,或在合并前自动运行 LLM 生成规范的 Commit 信息。
worktrunk 将原本割裂且繁琐的 Git 多线操作转化为流畅的并行开发流,让管理 10+ 个并发 AI 代理变得像切换普通分支一样简单自然。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
Worktrunk
2026年3月:Worktrunk于年初发布,并迅速成为最受欢迎的 Git 工作树管理工具。它以热爱打造而成(绝不含糊!)。如果您遇到任何问题,请随时告知我;我正全力以赴让 Worktrunk 更加出色,而您反馈的问题正是对我最大的帮助。
Worktrunk 是一款用于 Git 工作树管理的命令行工具,专为并行运行 AI 代理而设计。
Worktrunk 的三个核心命令让工作树的操作如同分支一样简单。此外,Worktrunk 还提供了一系列提升开发体验的功能,以简化对多个并行更改的处理,包括用于自动化本地工作流的钩子。
这样一来,扩展 AI 代理的数量就变得轻而易举。以下是一个快速演示:

📚 完整文档请访问 worktrunk.dev 📚
背景:Git 工作树
像 Claude Code 和 Codex 这样的 AI 代理能够无需监督地处理较长的任务,因此可以同时管理 5 到 10 个甚至更多的代理。Git 原生的工作树功能为每个代理提供了独立的工作目录,从而避免了彼此之间的变更相互干扰。
然而,Git 工作树的用户体验并不友好。即使只是启动一个新的工作树这样的小任务,也需要三次输入分支名称:git worktree add -b feat ../repo.feat,然后 cd ../repo.feat。
Worktrunk 让 Git 工作树的操作如同分支一样简单
工作树通过分支名称来标识;路径则根据可配置的模板自动生成。
从核心命令开始
核心命令:
| 任务 | Worktrunk | 原生 Git |
|---|---|---|
| 切换工作树 | wt switch feat |
cd ../repo.feat |
| 创建并启动 Claude | wt switch -c -x claude feat |
git worktree add -b feat ../repo.feat && \ cd ../repo.feat && \ claude |
| 清理 | wt remove |
cd ../repo && \ git worktree remove ../repo.feat && \ git branch -d feat |
| 列出并显示状态 | wt list |
git worktree list(仅显示路径) |
根据需要扩展到更高级的命令
工作流自动化:
- 钩子 — 在创建、合并前、合并后等阶段运行命令
- LLM 提交信息 — 根据差异生成提交信息
- 合并工作流 — 可以在一条命令中完成压缩、变基、合并和清理
- 交互式选择器 — 通过实时差异和日志预览浏览工作树
- 复制构建缓存 — 通过在工作树之间共享
target/、node_modules/等内容,避免冷启动 wt list --full— 按分支显示 CI 状态 和 AI 生成的摘要- PR 检出 — 使用
wt switch pr:123直接跳转到 PR 的分支 - 每个工作树的开发服务器 — 通过
hash_port模板过滤器为每个工作树分配唯一的端口 - …以及 更多功能
下面是一个包含一些高级功能的演示:

安装
Homebrew(macOS 和 Linux):
$ brew install worktrunk && wt config shell install
启用 Shell 集成后,命令可以直接切换目录。
Cargo:
$ cargo install worktrunk && wt config shell install
Windows
在 Windows 上,wt 默认指向 Windows Terminal 的命令。Winget 还会额外安装 Worktrunk 为 git-wt,以避免冲突:
$ winget install max-sixty.worktrunk
$ git-wt config shell install
或者,您也可以禁用 Windows Terminal 的别名(设置 → 隐私与安全 → 开发人员选项 → 应用执行别名 → 关闭“Windows Terminal”),以便直接使用 wt。
Arch Linux:
$ sudo pacman -S worktrunk && wt config shell install
快速入门
为新功能创建一个工作树:
$ wt switch --create feature-auth
✓ 从 main 分支创建了 feature-auth 分支,并在 repo.feature-auth 上设置了工作树
这会创建一个新的分支和工作树,然后切换到该分支。完成工作后,使用 wt list 查看所有工作树:
$ wt list
分支 状态 HEAD± main↕ 远程⇅ 提交 年龄 信息
@ feature-auth + ↑ +27 -8 ↑1 4bc72dc9 2h 添加认证模块
^ main ^⇡ ⇡1 0e631add 1d 初始提交
○ 显示 2 个工作树,其中 1 个有更改,1 个领先,1 列已隐藏
@ 标记当前的工作树。+ 表示暂存的更改,↑1 表示比 main 分支领先 1 次提交,⇡ 表示未推送的提交。
完成后,可以选择以下两种方式之一:
PR 工作流 — 提交、推送、打开 PR、通过 GitHub/GitLab 合并,然后清理:
$ wt step commit # 提交暂存的更改
$ gh pr create # 或 glab mr create
$ wt remove # 在 PR 合并后
本地合并 — 压缩提交、变基到 main 分支、快进合并、清理:
$ wt merge main
◎ 生成提交信息并提交更改... (2 个文件,+53,无需压缩)
添加认证模块
✓ 已提交更改 @ a1b2c3d
◎ 将 1 次提交合并到 main 分支 @ a1b2c3d(无需变基)
* a1b2c3d 添加认证模块
auth.rs | 51 +++++++++++++++++++++++++++++++++++++++++++++++++++
lib.rs | 2 ++
2 个文件改变了,新增 53 行
✓ 已合并到 main 分支(1 次提交,2 个文件,+53)
◎ 在后台移除 feature-auth 工作树和分支(与 main 分支相同提交,_)
○ 已切换到 main 分支的工作树 @ repo
对于并行代理,可以创建多个工作树,并在每个工作树中启动一个代理:
$ wt switch -x claude -c feature-a -- '添加用户认证'
$ wt switch -x claude -c feature-b -- '修复分页 bug'
$ wt switch -x claude -c feature-c -- '为 API 编写测试'
-x 标志会在切换后运行命令;-- 之后的参数会传递给该命令。配置 启动后钩子 来自动化设置(安装依赖、启动开发服务器)。
下一步
- 学习核心命令:
wt switch、wt list、wt merge、wt remove - 设置 项目钩子 以实现自动化设置
- 探索 LLM 提交信息、交互式选择器、Claude Code 集成、CI 状态和 PR 链接
- 浏览 技巧与模式 获取配方:别名、开发服务器、数据库、代理交接等
- 运行
wt --help或wt <命令> --help以获取快速 CLI 参考
更多阅读
- Claude Code:代理式编码的最佳实践 — Anthropic 的官方指南,包括工作树模式
- 使用 Claude Code 和 Git 工作树更快地交付 — incident.io 的并行代理工作流程
- Git 工作树模式讨论 — Claude Code 仓库中的社区讨论
- @DevOpsToolbox 关于 Worktrunk 的视频
- git-worktree 文档 — 官方 git 参考
贡献
- ⭐ 给这个仓库加星
- 告诉朋友关于 Worktrunk 的事情
- [提交一个问题](https://github.com/max-sixty/worktrunk/issues/new?title=&body=%23%23%20Description%0A%0A%3C!--%20描述错误或功能请求 --%3E%0A%0A%23%23%20Context%0A%0A%3C!--%20任何相关背景:你的工作流程、你试图做的事情等 --%3E) — 反馈、功能请求,甚至一个小摩擦或不完美的用户提示,或者 [尚未解决的工作树痛点](https://github.com/max-sixty/worktrunk/issues/new?title=Worktree%20friction%3A%20&body=%23%23%20The%20friction%0A%0A%3C!--%20什么与工作树相关的任务仍然让人感到痛苦? --%3E%0A%0A%23%23%20Current%20workaround%0A%0A%3C!--%20你今天是如何处理这个问题的? --%3E%0A%0A%23%23%20Ideal%20solution%0A%0A%3C!--%20什么会让这件事更容易呢? --%3E)
- 分享:X · Reddit · LinkedIn
📚 完整文档请访问 worktrunk.dev 📚
星标历史
版本历史
v0.34.12026/04/04v0.34.02026/04/03v0.33.02026/03/26v0.32.02026/03/25v0.31.02026/03/23v0.30.12026/03/20v0.30.02026/03/19v0.29.42026/03/15v0.29.32026/03/14v0.29.22026/03/13v0.29.12026/03/12v0.29.02026/03/09v0.28.22026/03/03v0.28.12026/02/28v0.28.02026/02/26v0.27.02026/02/22v0.26.12026/02/19v0.26.02026/02/19v0.25.02026/02/17v0.24.12026/02/16常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。