很多人把 AI 编程能力理解为“模型能不能写出更好的代码”，但真正决定一套 AI 编程工作流是否好用的，往往不是模型本身，而是模型能否安全、稳定地接触真实项目：读取文件、搜索代码、修改多个文件、运行测试、查看 Git 差异，并在出现问题时继续追踪上下文。
DevSpace 解决的正是这一层问题。它不是新的大模型，也不是另一款必须迁移过去使用的 AI IDE，而是一套运行在自己电脑上的自托管 MCP 服务。连接完成后，ChatGPT、Claude 等支持 MCP 的客户端，就能够在用户明确授权的本地目录中执行接近 Codex 或 Claude Code 的编程任务。
DevSpace 是什么
DevSpace 可以理解为 ChatGPT 与本地开发环境之间的一座受控桥梁。
它在本机启动一个 MCP Server，将文件读取、代码搜索、文件编辑、Shell 命令、Git 和 Worktree 等能力转换为结构化工具，再通过用户自己控制的 HTTPS 隧道提供给 ChatGPT 或 Claude。用户仍然在熟悉的网页对话界面中提出需求，但实际操作发生在自己的电脑和项目目录里。
ChatGPT / Claude
↓ MCP
用户控制的 HTTPS 隧道
↓
本机 DevSpace 服务
↓
获准访问的项目目录、终端与 Git
这种设计的价值，在于把“模型对话能力”和“本地工程执行能力”拆开：模型负责理解目标、分析问题和决定下一步，DevSpace 负责以明确、可检查的工具执行操作。
它能为 ChatGPT 增加哪些能力
1. 直接读取、搜索和修改真实项目
连接 DevSpace 后，ChatGPT 不再只能根据用户粘贴的零散代码进行猜测，而是可以打开获准访问的工作区，查看目录结构、读取相关文件、搜索函数或配置，并对真实代码实施修改。
这使它更适合处理跨文件重构、依赖关系排查、配置修复、测试补充和文档同步等需要完整项目上下文的任务。
2. 运行测试、构建和项目命令
DevSpace 可以调用本地 Bash 环境执行测试、构建、Lint、Git 和包管理脚本。模型因此能够形成更完整的闭环：
- 分析代码和报错；
- 提出修改方案；
- 修改相关文件；
- 运行测试或构建；
- 根据真实输出继续修复；
- 汇总最终变更。
相比“生成一段代码后交给用户手动验证”，这种工作流更接近真正的编程 Agent。
3. 使用 Git Worktree 隔离并行任务
DevSpace 支持利用 Git Worktree 创建隔离工作区。不同任务可以在不同工作树中推进，减少多个 AI 会话同时改动同一目录时发生冲突或污染主工作区的概率。
对于同时维护多个功能分支、修复多个问题，或者希望先让 AI 在隔离环境中完成实验再决定是否合并的用户，这项能力很有价值。
4. 读取项目规则与本地 Skills
DevSpace 可以读取项目中的 AGENTS.md、CLAUDE.md 等规则文件，也能发现本地 Agent Skills。开发规范、测试要求、目录约束和项目经验因此可以沉淀在仓库中，而不是每次对话都重新解释。
这让 AI 编程从临时提示词逐渐转向可复用、可版本化的工程规范。
DevSpace 最有价值的地方
继续使用熟悉的 ChatGPT 或 Claude
DevSpace 并不要求用户迁移到新的编辑器或重新适应一套完整产品。只要当前客户端支持 MCP，就可以继续在原有聊天界面中工作，同时获得本地代码操作能力。
对于已经长期订阅 ChatGPT 或 Claude、习惯网页端对话和长上下文协作的用户，这种方式能明显降低工具切换成本。
源代码目录仍由用户掌控
DevSpace 服务和项目文件运行在本机，用户可以明确指定允许访问的根目录，而不是直接向服务暴露整台电脑。
需要说明的是，为了让模型理解和处理代码，与任务相关的文件内容、搜索结果和命令输出仍会通过 MCP 返回给所使用的 AI 客户端。因此，“本地运行”不等于所有内容都完全不经过模型服务商。敏感项目仍应根据实际保密要求选择模型、网络和部署方式。
把网页聊天升级为远程开发入口
只要本机 DevSpace 服务和 HTTPS 隧道保持在线，用户就可以从支持远程 MCP 的客户端连接自己的开发环境。这意味着网页端甚至移动端对话，也能成为检查项目、执行测试或处理紧急问题的入口。
它并不能替代完整 IDE，但非常适合远程排查、任务委派和低频运维。
安装与基本使用
DevSpace 当前要求 Node.js 版本处于 22.19 至 27 之间，并需要 npm、Git 和 Bash 环境。Linux、macOS 可以直接使用；Windows 需要 Git Bash、WSL、MSYS2 或 Cygwin 等 Bash 兼容环境，纯 PowerShell 与 CMD 暂不属于官方支持方式。
全局安装：
npm install -g @waishnav/devspace
初始化并启动：
devspace init
devspace serve
也可以不进行全局安装：
npx @waishnav/devspace init
npx @waishnav/devspace serve
初始化过程中需要设置允许访问的项目根目录、本地端口，以及由 Cloudflare Tunnel、ngrok、Tailscale Funnel 或其他反向代理提供的公开 HTTPS 地址。默认本地 MCP 地址为：
http://127.0.0.1:7676/mcp
客户端首次连接时，DevSpace 会要求输入初始化阶段生成的 Owner Password 进行批准。相关认证文件默认保存在 ~/.devspace/auth.json，不应提交到 Git 或分享给其他人。
安全使用建议
DevSpace 提供了目录范围和连接授权，但它最终仍然赋予 AI 文件修改与 Shell 执行能力。建议至少遵守以下原则：
- 只开放具体项目目录，不要直接开放用户主目录或磁盘根目录；
- 先在测试项目、独立分支或 Worktree 中验证工作流；
- 不要在获准访问的目录中保存明文生产密钥和无关隐私文件；
- 公开访问必须使用 HTTPS、强密码和可信隧道；
- 对删除文件、数据库迁移、部署和生产命令保留人工确认；
- 定期检查 Git Diff、终端输出和依赖变更。
更准确地说，DevSpace 不是把风险消除，而是把原本模糊的“AI 可以做什么”转化为可配置的目录、工具与连接边界。
适合哪些用户
- 希望直接在 ChatGPT 或 Claude 网页端处理本地项目的开发者；
- 已经拥有 AI 订阅，希望进一步发挥现有对话额度价值的用户；
- 需要从不同设备远程处理代码、测试或 Git 任务的个人开发者；
- 希望通过 Worktree 隔离多个 AI 编程任务的小团队；
- 正在研究 MCP、Agent Skills 和对话式开发工作流的开发者。
它不能完全替代什么
DevSpace 并不是完整 IDE，也不是拥有独立规划、记忆与模型推理能力的 Coding Agent。本质上，它为现有 AI 客户端补充了一套本地工具层。
代码跳转、可视化调试、复杂冲突处理、界面预览和精细人工编辑，仍然更适合在专业 IDE 中完成。对于严格合规的企业环境，也需要额外考虑身份系统、审计、网络隔离、密钥治理和统一权限策略。
总结
DevSpace 的意义，并不只是“让 ChatGPT 能改本地文件”。它更值得关注的地方，是把网页聊天、MCP、本地开发环境和 Git 隔离工作流连接成了一套相对完整的编程闭环。
对于个人开发者和小团队来说，它提供了一条很现实的路径：不必更换已经习惯的 AI 客户端，也不必把整个项目迁移到新的云端平台，就能让 ChatGPT 或 Claude 从代码问答助手升级为可以读取项目、执行命令、验证结果的工程协作者。
评论