Routa：以工作区为核心的多智能体协同平台

Routa 是由国内知名技术作者 Phodal（黄峰达） 开源的多智能体协同平台，定位为「面向软件交付流程的 AI 多智能体编排系统」。它不走主流的「一个 Chat 聊一切」路线，而是把目标（Goals）、任务（Tasks）、会话（Sessions）、追踪（Traces）、证据（Artifacts）和评审（Reviews）全部搬回看板（Kanban），让 AI 协作过程可追溯、可管理。

▲ 图1：Routa 项目 Logo — 为 AI 编程时代打造的工作流编排工具

背景故事：为什么需要 Routa？

当下的 AI 编程工具（Claude Code、GitHub Copilot、Cursor 等）都在追求「一个对话搞定一切」的单人交互范式。然而在真实软件交付场景中，代码审查、任务分解、多角色协同、进度追踪都是真实需求。当多个 AI Agent 同时工作时，缺乏统一的协调机制会导致：任务重复、上下文丢失、结果无法审计。

Phodal 在多年深耕低代码/架构设计工具后，推出 Routa，核心思路是**「工作区（Workspace）即协调单元」**——每个项目对应一个工作区，在工作区内部署多个 Agent、编排任务流程，所有交互都在看板化的 UI 中可视化呈现。

核心功能：四层架构覆盖 AI 开发全链路

第一层：多 Agent 编排引擎

Routa 内置了 Claude Code、Codex 等主流 Agent 的集成接口，通过 ACP（Agent Communication Protocol） 和 A2A（Agent-to-Agent） 协议实现跨 Agent 通信。支持 MCP（Model Context Protocol）和 AG-UI 等开放协议，可以在同一工作区内让多个 AI 角色分工协作：比如一个 Agent 负责代码审查，另一个负责编写测试，第三个负责部署。

Routa 还内置了 .agents 配置目录，允许开发者声明式地定义团队中每个 Agent 的角色、能力和协作规则，让 AI 团队配置化管理。

第二层：看板驱动的任务管理

Routa 把 SDLC（Software Development Lifecycle）搬到了看板视图。传统的 AI 编程工具把所有信息塞进聊天窗口，而 Routa 提供了 Goals → Tasks → Sessions → Reviews 的完整链路。用户在看板上看任务流转，在会话里和 Agent 对话，在追踪页看执行记录，在评审页审核代码变更，整个交付流程不离开 Routa 界面。

第三层：多运行时双后端

Routa 的架构设计非常有意思：Web 和 Desktop 两端不是分离的产品，而是同一套语义的两种部署形态。

• Web 端：Next.js 16.2 构建，运行在 src/ 目录，支持 Vercel 等 Serverless 部署
• Desktop 端：Tauri 2 封装，后端是 crates/routa-server/ 中的 Rust Axum 服务
• 共享边界：两端都严格遵守 api-contract.yaml 定义的 workspace、session、task、trace、codebase、worktree、review 语义

这种双后端设计保证了桌面端的本地优先（local-first）特性，同时不牺牲 Web 端的可访问性。

第四层：开箱即用的 CLI 和 Desktop 客户端

Routa 提供多种接入方式，满足不同用户习惯：

接入方式	适用场景	安装方式
Desktop	大多数用户，视觉化工作流	下载 GitHub Releases
CLI	终端用户，脚本化工作流	npm install -g routa-cli 或 cargo install routa-cli
Web	自托管，浏览器访问	Docker Compose 一键部署

技术栈解析

Routa 采用了极其丰富的技术栈组合，体现了「全栈 Rust + TypeScript」的最佳工程实践：

前端层（TypeScript / Next.js 16）：Next.js 16.2 App Router + Tailwind CSS + Storybook 组件库 + CodeMirror 6 代码编辑器生态，支持 Python、JavaScript、TypeScript、YAML、JSON、CSS 等多语言语法高亮。

后端层（Rust / Axum）：核心服务由 crates/routa-server/ 中的 Rust Axum 框架实现，提供高性能的 RPC 通信（routa-rpc crate），同时 routa-core 和 routa-scanner 处理工作区状态管理。

AI 集成层：全面对接主流 LLM 提供商，通过 @ai-sdk/anthropic 集成 Claude 系列，通过 @ai-sdk/openai 集成 GPT 系列。内置 @anthropic-ai/claude-agent-sdk 和 @anthropic-ai/sdk 支持 Agent SDK 级别的调用。

数据层：Drizzle ORM + SQLite（本地开发），通过 drizzle-sqlite.config.ts 配置 ORM schema，支持 schema migration。

协议层：ACP（Agent Communication Protocol）、MCP（Model Context Protocol）、A2A（Agent-to-Agent）、AG-UI（Agent Graphical User Interface）等开放协议。

包管理：npm workspaces 管理的 Monorepo，包含 packages/ 下的多个前端包（routa-cli、office、entrix 等）和 crates/ 下的 Rust 服务包。

上手体验：5 分钟跑通第一个场景

Routa 的上手路径设计得相当友好。README 推荐三步走：

1. 选入口：Desktop（推荐新手）/ CLI（终端用户）/ Web（自托管）
2. 配 Provider：配置一个 LLM Provider（Claude / OpenAI 等）
3. 连仓库：指向一个真实的代码仓库，问第一个问题

Desktop 版本提供完整的 GUI 界面，包含看板、Session 对话、Trace 追踪、Review 评审等所有功能。CLI 版本则适合终端用户，通过 routa session 进入交互式会话。

Docker 部署也极为简单，提供了完整的多阶段 Dockerfile，Web 端可以一行 docker-compose up 启动全部服务。

当前局限与挑战

尽管 Routa 的设计理念超前，但在实际使用中仍有一些局限值得注意：

上手门槛仍然偏高：Routa 的概念模型（Goals/Tasks/Sessions/Reviews）比普通 AI 聊天工具复杂，需要一定的学习和适应成本。多 Agent 编排的配置（.agents 目录）对于非架构师用户来说不够直观。

LLM Provider 成本：目前 Routa 深度集成 Claude 系列，而 Claude API 的成本相对较高。大量任务执行可能导致可观的 token 消耗。

双后端维护成本：维护 Web（Next.js）和 Desktop（Rust Axum）两套等效实现需要额外的工程投入，crates/routa-server/ 与 src/ 之间必须保持语义严格对齐。

文档语言：目前中文文档相对英文文档较为简略，部分高级功能仅英文说明。

行业意义与未来趋势

Routa 代表了一个重要的趋势：从「AI 辅助编程」进化到「AI 协作交付」。当代码生成 AI 越来越强，如何让多个 AI Agent 在同一个项目中有序协作、产生可审计的交付物，成为下一代开发工具的核心命题。

Phodal 此前已有 CoAI（元工具）、EdgeAI 等多项目积累，Routa 集成了他的方法论大成。值得关注的是 Routa 拥抱了多个开放协议标准（MCP、A2A、AG-UI），而不是自建封闭生态——这使得它有潜力成为 AI Agent 协作生态中的通用中间件层。

▲ 图2：Routa 项目发展阶段 — 从工具链到平台生态的演进路径

总结

Routa 是一个野心勃勃的项目，它试图解决「AI 编程工具满天飞，但缺乏协作基础设施」的问题。核心价值在于：

• 工作区即协调单元：把 AI 协作从聊天窗口搬回看板
• 双后端一致性：Web + Desktop 语义完全对齐，体验无缝切换
• 开放协议生态：ACP/MCP/A2A 多协议支持，融入更大的 Agent 协作生态
• Rust + TypeScript 全栈：高性能与高产能兼得

对于追求 AI 辅助交付效率的开发团队，Routa 值得关注。推荐从 Desktop 客户端或 CLI 开始体验，感受看板驱动的 AI 协作体验。