Agent的行车记录仪！开源工具Mindwalk把Claude Code和Codex工作路径搬上3D地图，工作全程留痕

把一个Bug交给Claude Code或Codex，十几分钟后它回了一句“Done”和一大片Diff。

过程中它读错了什么、为什么反复改同一个文件、最后有没有重新跑测试……开发者想知道就只能去几百行日志里碰运气。

7月11日，一个名叫Mindwalk的开源项目发布了v0.1.0。

它读取Claude Code和Codex留在本地的会话记录，把Agent搜索、读取、执行命令和修改文件的过程，放到一张3D代码地图上重新播放。

说得直白些，它给Coding Agent装了一台“行车记录仪”。

Mindwalk项目Terrain视图

Agent交卷了，过程却藏进JSONL

用Agent写代码，复盘一直是件麻烦事。

Git Diff能告诉我们最终改了什么，却看不到Agent动手之前读过哪些内容。

终端日志会不断刷出“Read file”“Search”“Edit”“Bash”，任务一长，几百条记录很快就混在一起。

等结果出了问题，再从这些记录里寻找转折点，和翻黑匣子差不多。

Mindwalk先把不同Agent的日志整理成统一的Trace。

每一次搜索、读取、命令执行、编辑和验证，都变成按时间排列的文件操作事件。

随后，它再读取仓库目录，生成一张固定布局的Citymap。

同一个仓库每次都会得到相同的地图。于是，一次Agent会话不再是一串从上往下滚动的文字，而是一条可以暂停、倒退和跳转的路线。

Mindwalk读取本地会话并生成回放的过程

这个设计解决了一个工作中很实际的问题。

开发者审查Agent任务时，除了看最终代码，还能看它怎样理解了任务范围。修一个登录问题，Agent有没有突然钻进支付模块；调整一段接口，它是否读过调用方；改完代码之后，它有没有重新运行测试。这些细节在地图上比在日志里醒目。

Agent走过哪里，代码地图就亮到哪里

Mindwalk的界面很像一张夜间航拍图。

仓库里的文件和目录被铺在黑色背景上，Agent所到之处会逐渐亮起。

绿色代表它发现过这个文件，白色代表已经读取，暖黄色代表发生了修改。没有访问过的区域继续保持黑暗。一个文件被碰到的次数越多，光也会越明显。

项目提供Tree和Terrain两种视图。Tree视图适合观察Agent沿着目录结构怎样移动，Terrain视图更容易判断一次任务的覆盖范围。屏幕右侧还保留文件检查器，点中某个文件，就能查看它在整场会话中被访问过几次，分别发生在什么时间。

文件状态与时间轴标记

这里有个容易忽略的细节。

文件“亮起来”只表示Agent碰过它，并不代表Agent理解了它。Mindwalk记录的是行动，不替模型补充推理过程。

恰恰因为边界清楚，这张地图才适合用来复盘，它不会把漂亮动画伪装成代码质量评分。

上下文什么时候断片，时间轴有记号

地图负责展示空间，底部时间轴负责还原顺序。

搜索、读取和命令执行被放在偏冷的颜色里，编辑和验证使用暖色。拖动播放头时，开发者可以看到Agent先在哪里搜，随后读了哪些文件，又从哪一刻开始大规模动代码。

上下文压缩会以“◇”标记，子Agent启动使用“○”，用户追加指令则用“›”。

这些标记都能点击跳转。

按下E可以跳到下一次编辑，X会找到下一处错误，M负责在几个会话节点之间切换。

这套时间轴特别适合检查一种常见事故：Agent运行测试后继续改了代码，却没有再验证。

终端窗口里，这两次操作可能隔着几十行输出；Mindwalk会把“最后一次验证之后仍有编辑”放进HUD的检查条里。看到这项提示，开发者就知道当前结果不能直接合并。

它还会计算错误率和churned files。后者可以理解为反复修改的文件。一个Agent在同一处连续编辑、撤回、再编辑，未必真的在推进任务，也可能是一直没有找到正确做法。

一次回放，重点查这四件事

3D界面很吸睛，但Mindwalk不适合当屏保一样从头看到尾。

复盘时先找四类异常，效率会高得多。

一次Agent回放中最值得检查的四个方向

· 第一类是任务范围跑偏。

修登录Bug，Agent却读取了一串支付、订单和推荐模块，地图上的异常分支会立刻暴露出来。它可能误判了入口，也可能被某个全局搜索结果带偏。

· 第二类是重复探索。

上下文压缩之后，Agent重新读取此前看过的文件并不罕见。如果同一批文件一次又一次亮起，说明这段任务消耗了大量时间，却没有形成稳定结论。

· 第三类是验证断档。

测试通过后又改代码，或者只执行了局部测试就提交结果，时间轴能把这种顺序问题留下来。

·  第四类是模型轨迹差异。

同一个问题分别交给Claude Code和Codex，谁读的文件更集中，谁在错误目录里停留得更久，谁经历了更多返工，都可以放到同一张固定地图上比较。

项目作者Ricko Yu在Hacker News回复中提到，他最初做Mindwalk，正是想通过Agent轨迹比较不同LLM解决任务的能力。

跑分只能给出一个最终数字，轨迹则会暴露模型到底怎样把任务做完。

一条命令，打开Claude Code和Codex的历史现场

Mindwalk被打包成一个Go二进制文件。macOS和Linux用户可以直接执行官方安装脚本：

curl -fsSL https://raw.githubusercontent.com/cosmtrek/mindwalk/master/scripts/install.sh | sh
export PATH=”$HOME/.local/bin:$PATH”
mindwalk

不带参数运行时，它会扫描Claude Code和Codex默认保存会话的位置：

~/.claude/projects
~/.codex/sessions

随后，本地服务会选择一个随机端口，并在浏览器里打开会话列表。只想检查某一次任务，也可以直接指定JSONL文件：

mindwalk open <session.jsonl>

Windows用户需要前往GitHub Releases下载对应压缩包。

当前安装器会依据`checksums.txt`校验二进制文件；想从源码编译，则运行`make setup && make build`，产物位于`bin/mindwalk`。

它暂时只适配Claude Code和Codex。Cursor、Gemini CLI、GitHub Copilot Coding Agent等工具的日志格式各不相同，想要接入，项目还需要增加新的Adapter。

会话留在本机，截图却不能随便发

Coding Agent日志不是普通运行日志。里面可能出现公司仓库路径、源代码片段、终端输出、内部服务地址，甚至是不小心粘进会话的凭据。

Mindwalk的Go服务在本地读取日志，再把Trace和Citymap交给React、Three.js前端渲染。按照项目说明，会话数据不会离开用户电脑。对于企业代码，这比上传到在线分析服务省掉了不少顾虑。

但“本地运行”和“可以放心分享”是两件事。把回放截图发到群里、Issue或者社交平台之前，仍然要检查文件名、目录结构和命令输出。一个真实仓库的模块划分，本身就可能泄露业务信息。

地图能发现Agent乱跑，判断不了代码是否正确

看过回放后，开发者仍然要回到Diff、测试和代码审查。

活动范围小，不一定意味着效率高，Agent也可能漏读了关键依赖。错误率低，无法证明实现符合业务要求。某个文件被反复读取，可能是模型在兜圈子，也可能是这个文件确实承载了大量上下文。

Mindwalk最适合回答“它刚才去了哪里、做过什么、在什么位置出错”。至于实现有没有写对，这份代码能不能合并上线，还是得由测试和审查负责。

回放能提供线索，不能代替Code Review

网友吵起来了，这是Agent调试器，还是漂亮屏保

Mindwalk发布到Hacker News后，很快引起讨论。

评论区最集中的问题只有一个：看起来确实很酷，可它能不能进入每天的开发流程？

一位开发者认为方向是对的。

终端里不断刷新的“Read file: xxx”很难跟踪，空间地图至少能让人迅速看出LLM从哪里拿到信息。

Hacker News网友认为终端里的文件读取记录很难跟踪

另一条评论给出了更具体的用法：让两个模型处理同一道问题，比较它们分别碰了哪些文件；或者让同一个模型运行100次，观察每次路线的波动。

它与作者最初想比较模型任务轨迹的思路正好对上。

Hacker News网友建议比较不同模型完成同一任务的路线

质疑来的很快。

有人觉得3D回放增加了新的操作成本，开发者未必愿意花时间观看Agent走完全程，扫描Diff和文件树反而更快。

还有试用者希望加入跨会话累计历史。单次回放能查一场任务，连续几天的热区和返工情况，需要把多个Session叠在一起才看得出来。

Hacker News网友质疑观看3D回放是否比检查Diff更高效

这些争论很难结束。

具体有没有用，怎么用，还是要开发者们亲自安装试一试。

Mindwalk现在更像一台刚装上车的记录仪。

正常行驶时，很少有人会反复观看录像；等Agent改坏了一片代码，或者两个模型交出了截然不同的结果，开发者才会想起：刚才那段路，最好有人完整录了下来。

参考链接：

https://seldo.com/posts/ai-has-torched-the-market-for-junior-programmers/

文章来自于微信公众号 “51CTO技术栈”，作者 “51CTO技术栈”