在 AI 编程工具卷到极致的 2025 年，当 VS Code 的各路 Fork 版本和各家 Terminal Agent 层出不穷时，一个免费的开源 IDE 扩展 Cline 却异军突起，交出了一份惊人的成绩单：

• 上线仅 6 个月，下载量逼近 200 万
• 刚刚宣布完成了 3200 万美元 的种子轮及 A 轮融资

Cline 的两位创始人 Saoud Rizwan 和 Nik Pash 在最近的播客中，分享了他们产品的核心理念、技术哲学以及对未来的展望。

他们的观点不仅解释了 Cline 成功的原因，也为我们揭示了 AI Agent 发展的下一阶段图景：

• 「Plan and Act」：将传统的顺序式聊天交互，升级为「规划+执行」的新范式，让 AI 智能体的工作流程更清晰、可控。
• 告别 RAG：创始人直言「RAG 是一种精神病毒」，并详细阐述了为何基于智能体搜索的动态上下文工程是代码任务的更优解。
• MCP for Everyone：通过 MCP，Cline 不仅是一个编程工具，更演变成一个万能工作流自动化平台，甚至在非技术人群中大受欢迎。
• 「苦涩的教训」：为什么曾经被视为「捷径」的 Fast Apply 模型已经过时？Cline 的实践再次验证了 AI 领域的「The Bitter Lesson」。

让我们一起探讨 Cline 背后的核心思想，看它如何在这场激烈的 AI 编程战争中，凭借独特的技术哲学杀出重围。

Plan and Act：从「对话」到「行动」，源于用户的编程新范式

与市面上许多 AI 编程助手不同，Cline 从一开始就摒弃了简单的问答或单次代码生成模式。其引入的第一个核心变革，就是 「Plan and Act」 （规划+执行）模式。

Saoud 解释说，这个想法并非凭空而来，而是源于对早期用户的有机行为观察。他们发现，许多用户在分配复杂任务时，会自发地先让 Cline 在一个 Markdown 文件中制定一份详细的架构计划或步骤清单，然后再让它去执行。

我们发现用户自己创造了这种工作流，所以我们思考如何将其产品化，让新用户也能直观地使用。

由此，Cline 的双模式交互诞生了：

1. Plan Mode（规划模式）：在此模式下，模型被引导进行探索性工作。它会大量阅读文件、搜集信息、填充上下文，目的是为了充分理解用户的任务，并提出一个全面的行动计划。这个阶段鼓励用户与 AI 大量来回沟通，AI 会主动提问以澄清需求，例如「你希望网站的主题是什么风格？」「需要包含哪些页面？」。
2. Act Mode（执行模式）：一旦用户对计划感到满意，便可切换到此模式。此时，AI 的指令会变为严格按照既定计划开始执行任务——运行命令、编辑文件、调用工具。用户只需开启「自动批准」，然后就可以「翘起脚喝杯咖啡」，让 AI 自主完成工作，自己则保持一种外围监督的视角，只在 AI 偏离方向时进行必要的纠偏。

这种模式的转变，意味着 AI 不再是一个被动的代码生成器，而是一个能够理解意图、拆解任务、并自主执行的智能伙伴。它将复杂的软件开发流程，解构成了「高层设计」与「自动化执行」两个阶段，让人类开发者能更专注于创造性的架构思考，而非琐碎的实现细节。

上下文工程：超越 RAG，「叙事完整性」是关键

这种模式的转变，其背后是更深层次的技术哲学变革——抛弃 RAG（检索增强生成），拥抱智能体搜索。

要让 Agent 能够有效「规划」和「行动」，高质量的上下文 (Context) 是不可或缺的燃料。

在 AI 领域，RAG (Retrieval-Augmented Generation，检索增强生成) 曾被视为解决上下文窗口限制的「银弹」。其核心思想是，将整个代码库索引化，通过语义搜索找到最相关的代码片段，再喂给模型。

但 Cline 对 RAG 提出了尖锐的批评，联合创始人 Pash 甚至专门写了一篇博客，标题就是「为什么我不再推荐为编程任务使用 RAG」。他认为 RAG 对于代码这种高度结构化、逻辑关联性极强的内容来说，是一种「精神病毒」。

传统的 RAG 将代码库暴力切分成无数个小片段（chunks），然后扔进一个高维向量空间。当需要检索时，再从中捞出几个看似相关的「碎片」。

Pash 认为这种方式是「精神分裂的」，它破坏了代码的内在逻辑和文件间的引用关系，反而会干扰模型的理解，导致性能下降。

相比之下，Cline 的做法更像一个真正的人类高级工程师在熟悉一个新项目：它会首先查看整个项目的目录结构，然后像剥洋葱一样，从入口文件开始，顺着 import 或 require 的线索，一层层地探索整个代码库。这种智能体式的探索被证明效果远胜于 RAG。

基于此，Cline 提出了一套更贴近人类开发者直觉的上下文工程实践。这套「上下文工程」主要包含几个关键部分：

• 动态上下文管理：实时、智能地读取和总结文件内容，确保上下文在保持相关性的同时，不会超出模型的窗口限制。
• 基于 AST 的分析：利用抽象语法树（AST）来精确识别和提取代码的关键部分（如函数名、类名），帮助 AI 快速导航和理解代码结构，而不是盲目地阅读整个文件。
• 叙事完整性：将每一次任务都视为一个有开头、有结尾的「故事」。通过总结过往的交互、保留关键信息，确保即使在长任务中，AI 也能维持上下文的连贯性，不会「读到一半忘了开头」。他们尝试过简单的截断，但效果很差，就像直接从书的中间开始读。最终发现，让模型自己去总结哪些信息是重要的，效果出奇地好。
• 记忆库：开发机制来捕捉和保留那些隐性的「部落知识」和开发者的个人偏好，无需用户明确输入，就能实现更个性化、更有情境意识的交互。

MCP for Everyone：从代码助手到万能工作流平台

如果说「Plan and Act」是 Cline 的交互骨架，那么 MCP 就是其连接万物的神经网络。

Cline 很早就拥抱了由 Anthropic 推出的 MCP 协议，并迅速推出了自己的 MCP 市场。MCP 允许 AI 智能体调用外部工具和服务，极大地扩展了其能力边界。

在 Cline 的 MCP 市场中，最受欢迎的工具包括：

• 文件系统 MCP：用于管理本地文件和目录。
• 浏览器自动化 MCPs：如 Playwright、Puppeteer 等，用于执行网页任务。
• Git 工具：用于代码版本控制和仓库交互。
• 文档检索 MCP：如 Context 7，让 AI 可以轻松访问各种技术文档库。
• 第三方应用集成：如 Slack、Perplexity Research、Unity 甚至音乐制作软件 Ableton，让任务处理能力超越了传统的编程环境。

最令人惊讶的是，MCP 成为了吸引非技术用户的杀手级功能。Cline 有一部分用户根本不写代码，他们将 Cline 当作一个工作流自动化平台来使用，例如：

1. 自动化营销：利用 Reddit 和 Twitter 的 MCP 集成，实现自动化抓取内容、生成并发布帖子。
2. 创建演示文稿：利用 SlideDev 等框架，通过口述录音让 Cline 自动生成一个完整的专业演示文稿。

随着 MCP 生态的不断壮大，Cline 正在从一个单纯的「编程智能体」演变为一个「万能智能体」，一个可以通过自然语言与任何数字服务进行交互的统一入口。

技术路线之争：为什么是插件而非 IDE？

在 AI 编程领域，一个经典的路线之争是：应该做一款独立的 IDE，还是做一款轻量级的插件？

Cursor 的成功验证了 VScode Fork 方案，但 Cline 坚定地选择了后者。

Saoud 甚至说：「我同情任何一个需要维护 VS Code Fork 的人。」

他解释说，微软使得维护 Fork 变得异常困难。团队需要投入大量资源来跟上 VS Code 飞速的更新迭代，处理无尽的合并冲突和底层 API 变更。这对于一个初创团队来说，是巨大的精力分散。

而作为插件，Cline 不仅降低了用户的上手门槛（无需安装新应用），获得了巨大的分发优势（VS Code 市场），还能灵活地与其他工具共存。你甚至可以在 VS Code、Cursor 乃至 Windsurf 中使用 Cline。

「这让我们能专注于我们认为代表编程未来的核心——Agentic 范式。」Pash 补充道，「而 Cursor 们则需要考虑整个开发者体验，包括行内编辑、Q&A 等所有细枝末节。」

「苦涩的教训」：为什么 Fast Apply 模型已死？

在 AI 领域，有一个著名的论断叫 「The Bitter Lesson」（苦涩的教训），其核心思想是：长远来看，基于大规模计算和通用算法的方法，最终会胜过那些依赖人类专家知识和复杂手工设计的系统。

Cline 的技术演进，完美印证了这一点，尤其体现在他们对 Fast Apply 模型的态度上。

Fast Apply（或称 Instant Apply）是 2024 年中期由 Cursor 等工具开创的一种技术。当时，大模型在执行精确的文件编辑任务时表现不佳。

Fast Apply 是一个聪明的「变通」方案：它允许前沿大模型只输出一个模糊、懒惰的代码片段，然后将这个「懒惰的输出」交给一个经过微调的小模型，由这个小模型专门负责将代码片段「还原」成完整的、可应用的文件。

然而，Pash 尖锐地指出，这种做法的弊端显而易见：

现在，你不用担心一个模型会搞砸事情了，你得担心两个模型会一起搞砸事情。

更糟糕的是，这个执行最终修改的 Fast Apply 模型通常是一个能力较弱的小模型，它的推理能力有限，并且有最大输出 token 的限制。这会催生出更多、更复杂的变通方案，使整个系统变得脆弱而不稳定。

Cline 从一开始就选择了更「简单」的道路：相信并压榨前沿大模型的能力。他们不做 RAG，也不用 Fast Apply，而是将大量的原始文件内容直接塞给像 Claude Sonnet 这样的大模型，让模型自己去理解上下文并生成精确的 diff 编辑指令。

事实证明，这条路走对了。随着模型能力的飞速提升，直接 diff 编辑的失败率已经从最初的 20%-30% 急剧下降到了 4% 左右。

Pash 甚至透露，他曾与一些专门提供 Fast Apply 模型服务的公司创始人交流，对方也承认，Fast Apply 的窗口期可能只剩下不到三个月。

「放弃这些复杂的变通方案，让我们感到非常解放。」 这或许是 Cline 能够保持敏捷、快速迭代的根本原因。

开源之心与商业模式：不靠模型赚钱的 AI 公司如何活下去？

在商业模式上，Cline 也选择了与众不同的路径。当许多公司通过对 API 调用加价来赚取模型推理的利润时，Cline 坚持 「Bring-Your-Own-API-Key」 (BYOK) 模式。

用户可以直接将自己的 OpenAI、Anthropic 或其他模型供应商的 API 密钥填入 Cline，所有费用直接由用户和模型供应商结算。

「我们不想在推理上赚钱，」Pash 强调，「这种模式让我们的激励与用户完全一致：不惜一切代价构建最强大的智能体，而不是为了控制成本而偷工减料。」

那么，不靠模型差价，Cline 如何盈利？答案是企业服务。

财富五强的公司找到我们说：「我们有数百名工程师在用 Cline，这对我们来说是个大问题，我们得赶紧解决它。我们给你们钱，做一个企业版产品吧！」

于是，Cline 的商业模式应运而生：

• 对于个人开发者：保持开源和免费，坚持 BYOAK 模式。
• 对于企业客户：提供一个企业级的管理平台，包含安全治理、成本控制、用量分析、统一发票等功能。企业可以使用自己的模型服务，同时获得 Cline 带来的效率提升，以及对整个流程的可见性和控制力。

这种从下至上的用户有机增长，最终转化为从上至下的商业合同，构成了 Cline 健康而可持续的商业模式。

而谈到开源，一个绕不开的话题是「被 Fork」。

Cline 在 VS Code 市场上有无数个 Fork 版本，GitHub 上更是有超过 6000 个。甚至 OpenRouter 上排名前三的应用，一个是 Cline，另外两个是 Cline 的 Fork。

「我们鼓励这样做。」Pash 说，「这说明我们打下的基础是扎实的，激发了社区的创造力。看着欧洲、中国的开发者 Fork 我们的项目，甚至三星在华尔街日报的文章里提到他们在使用 Cline 的一个内部 Fork，这感觉很酷。」

Saoud 补充道：「开源帮助我们触达了那些对数据安全要求极高的企业，降低了他们尝试 Agent 这种新范式的门槛。这对整个行业的进步是净正向的。所以，我们毫不后悔。」

结语

Cline 的故事，是一个关于技术信念和长期主义的胜利。

在一个充满短期诱惑和复杂「捷径」的赛道上，他们选择了一条更简单、更本质的道路：相信大模型的力量，相信开源社区的创造力，并始终与开发者的利益站在一起。

从「Plan and Act」对交互范式的重新定义，到「上下文工程」对 RAG 的颠覆，再到 MCP 生态的蓬勃发展，Cline 不仅在打造一个强大的编程工具，更在探索下一代人机协作的未来，通过深入理解开发者的工作流，构建起一种基于信任和清晰规划的人机协作关系。

未来 AI 应用的竞争，将不再是比谁的「技巧」更花哨，而是比谁能更深刻地理解用户意图，构建更流畅、更自然的交互体验，以及搭建一个更开放、更具活力的生态系统。