01 / Context
为什么做
在 ChatGPT 与 Codex/Claude Code 的协作中，讨论阶段和执行阶段是割裂的。ChatGPT 给出方案，但无法直接在本地代码库上操作；本地 Agent 执行能力强，但缺乏方案上下文。PatchWarden 填补了这一空隙。
原有问题
AI Agent 直接操作代码库时存在风险：工作区范围不可控、命令执行不透明、产出无法回溯。ChatGPT 讨论的方案与实际执行之间缺少桥梁，结果难以审计。
解决方案
PatchWarden 在讨论和执行之间建立受控通道：从 ChatGPT 对话中提取任务，限制 Agent 的工作区和命令范围，执行后返回统一的 Diff 和验证报告，形成完整的任务链路证据。这是受控任务通道，不是通用远程 Shell。
02 / System
核心能力
- 从 ChatGPT 对话提取任务，桥接到本地编程 Agent（Codex CLI、Claude Code、OpenCode）
- 限制工作区和命令范围，控制风险边界
- 返回结构化 Diff、验证报告与审计记录
- 支持任务链路追踪，从讨论到产出全链路可回溯
- 支持 Core 模式与可选 Direct 模式；Direct 提供独立、受限的直接编辑与验证能力
03 / Workflow
实际工作流
- 在 ChatGPT 中讨论方案并生成任务描述
- PatchWarden 提取任务，限定工作区范围
- 本地 Agent（Codex/Claude Code/OpenCode）在受控环境中执行
- 生成 Diff、验证结果与审计日志
- 人工审查产出，决定是否合并或回滚
04 / Boundaries
安全与隐私边界
PatchWarden 自身在本地执行，不存储对话内容或代码片段。代码变更在本地工作区内完成，不经过 PatchWarden 上传。PatchWarden 通过公开 API 调用 LLM 用于方案理解，所调用的 Agent/模型提供商的数据处理策略取决于各自配置和政策。高风险动作和 Direct 修改需要明确边界与确认。
当前限制
- 依赖本地 Agent 已安装并完成可用配置
- ChatGPT Tunnel 有额外前置条件
- Windows 安装包当前未代码签名
- 高风险动作和 Direct 修改需要明确边界与确认
05 / Roadmap
路线图
01
已完成
- 核心任务提取与执行流程
- 工作区限制与命令范围控制
- 基础 Diff 生成与验证
- Core 模式与 Direct 模式
02
进行中
- 审计报告格式标准化
- 支持多种编程 Agent 接入
03
探索中
- 任务依赖链与并行调度
- 与 CI/CD 集成
06 / Participate
参与方式
欢迎在 GitHub 上提交 Issue 反馈问题或建议，也可以 Fork 仓库后提交 Pull Request。项目处于活跃开发阶段，欢迎试用并提供反馈。可从 GitHub Releases 下载最新版本。
GitHub