CodeWhale v0.8.54 发布 —— 从终端到 IDE 再到评测平台，一个 Agent 向三个方向生长
评测平台：CodeWhale 开始自己跑 SWE-bench 了
v0.8.54 加了三套原生 benchmark entry point：SWE-bench、Terminal-Bench 和 PinchBench。你不再需要把 CodeWhale 的对话录下来再手动喂给评测框架——codewhale bench 直接跑，自带 grader。
其中 PinchBench 的本地 runner 还能用 LLM judge 给 tool-use 轨迹打分。这意味着什么？你可以在开发迭代中一边改 agent 的 prompt 一边跑 PinchBench 看看回归了没有——不需要把样本送去外部评测平台排队等结果。
CodeWhale 之前只是一个 agent 终端，用户用它写代码、交互调试。现在它同时具备了评测能力——你可以用 CodeWhale 评测 CodeWhale 本身，也可以评测其他 agent 在这个环境下的表现。Benchmark 从「外部流程」变成了「内置设施」，这改变了 agent 开发的反馈循环。
另一个有关联的改动是 Xiaomi MiMo v2.5 Pro 的直接路由。Benchmark runner 现在默认用 MiMo 直接路由跑——不是通过 OpenRouter 绕行，而是直连 MiMo 的推理端点。对于依赖 MiMo 的 benchmark 场景，这减少了网络延迟带来的不确定性。
VS Code 扩展：CodeWhale 第一次出现在编辑器里
Phase 0 scaffold 包含了终端启动、本地 runtime attach 检查、状态栏状态显示和一个只读的 Agent View 预览。这就是最小可行产品——你能在 VS Code 侧栏里看到 CodeWhale agent 的状态，虽然还不能完全替代终端交互，但「在编辑器里跑 CodeWhale」这件事已经不再是 paper mode。
Phase 0 背后涉及的 issue 列表很长（#461, #462, #480, #1217, #2341, #1580, #2327, #2580, #2808），说明这不是一个「周末写着玩」的功能，而是有用户反复提过需求的功能。Agent 工具逐渐从终端走向 IDE 集成几乎是必然——你在编辑代码的时候不想切窗口去终端里打字，你希望 agent 出现在写代码的同一个视图中。
Phase 0 走的是「先能跑起来，再慢慢做交互」的路线。值得关注的是后续 Phase 会不会加入内联代码建议、诊断修复、或者直接在编辑区中显示 agent 的 diff 预览。
WhaleFlow：CodeWhale 的管道层开始成型
WhaleFlow 是这次加的一个「工作流引擎」基础 crate（codewhale-whaleflow），虽然现在还只是 foundation——类型化的 workflow 配置、IR 校验、确定性 phase 排序的测试——但它背后蓝图很清晰：CodeWhale 的 agent 交互不再被限定在「一轮对话 + 一个 tool call」的范式里，而是可以被编排成多条并行的管道。
WhaleFlow 的 state-store 也已经有了 v2 schema migration 的 trace 表——说明项目在认真思考「持久化工作流状态」这件事。当前 agent 工具普遍是会话级的：对话结束状态就没了。WhaleFlow 试图给出一个「agent 行为可复现、可审计、可编排」的层。
这和三方 benchmark runner 加起来，其实暴露了 CodeWhale 的方向判断：它不满足于做一个 terminal agent，而是想给 agent 行为一个可测试、可编排、可重放的基础设施。
其他值得看的更新
Sidebar 可开关了（#2766, #2788）。 /sidebar 命令可以 toggle、show、hide、persist sidebar 状态。之前 sidebar 只能通过 TUI config 永久关闭，现在你可以跑着跑着看到东西多了就关掉，需要时再打开——session 期间不需要重启。同一个方向，v0.8.54 还加了 hotbar action registry foundation（#2866）和 multi-tab core（#2864）。TUI 的交互在向「更像一个 IDE」靠拢。
HarmonyOS/OpenHarmony 平台支持。 这不是一个「你说支持就支持」的事——OHOS_NATIVE_SDK 环境变量驱动的 build 脚本、编译器 wrapper、Rustls ring-provider 安装、平台文档、CI release preflight 的 check-ohos-deps.sh。一个项目值得投入这些资源，说明有实际的鸿蒙开发者在用 CodeWhale 了。
Xiaomi MiMo 的计费模型和 region routing。 加了 MiMo 的 chat 模型成本估算（#2731, #2750），以及 mode / XIAOMI_MIMO_MODE / MIMO_MODE 来切换 Token Plan region 端点（#2621, #2627）。MiMo 的计费体系是 region 分层的，不同 region 价格不同，如果你跑在特定 region 上但 CodeWhale 用全局价格算，偏差可能会很大。
/restore list [N] 可以看更多快照了。 Side-git rollback 的 /restore 之前只列最后几个 snapshot，现在支持指定 N 并显示 UTC 时间戳。对于长 session 里频繁 snapshot 的场景，找回到想要的那个点不用再盲猜了。
DuckDuckGo 兼容的私有搜索 endpoint。 [search].base_url 和 CODEWHALE_SEARCH_BASE_URL 允许你接入私有部署的 DuckDuckGo-compatible 搜索服务（#2436, #2510）。企业场景中，agent 搜索跳出去走公共 endpoint 通常是合规不通过的。
Pausable slash-command MVP。 自定义斜杠命令现在可以设置 pausable: true——执行到一半暂停，等待用户确认再继续。这个听起来小，但它改变了 slash command 的交互模型：从「一次性执行到底」变成「可中断、可确认」。
turn_end 观察者钩子（#1364, #2578）。 在 post-turn 状态更新和 token 统计数据更新后触发。面向的是想写 plugin 扩展的用户——你可以挂一个 observer 来记录每个 turn 的 cost 或者把 turn 结果推送给外部系统。
/hf 命令和 /huggingface 别名。 HuggingFace MCP 的状态查看和设置助手（#2709, #2782），和 v0.8.53 加的 HuggingFace provider 打通。
in-process 响应缓存。 对确定性、非流式、无 tool 的 chat 请求做了进程内缓存（#2501）。对于重复的 prompt（比如系统 prompt 固定 + 用户简短重复提问），直接走缓存不调模型，省 token 省钱。
/config 现在报告 ~/.codewhale/settings.toml 路径。 之前用户不知道自己的 TUI 配置在哪，/config 现在直接告诉你文件路径。
升级
# 已安装用户
codewhale update
# 首次安装
cargo install codewhale-cli codewhale-tui --locked
# npm（npm 包可能延迟）
npm install -g codewhale
完整更新日志：CodeWhale v0.8.54 Release
📢 关注我，获取最新开源更新日志和开发者工具动态。
#CodeWhale #Benchmark #VSCodeExtension #HarmonyOS #AI编程 #开源工具