大家好，我是二哥呀。

最近高强度体验了一下阶跃星辰 Step Plan，配合 Claude Code 的 Agent 能力，直接肝出来了一个 PaiCLI——类似 Claude Code 那种终端交互体验的 Java 版 Agent。

全程 step-3.5-flash-2603 在干活。

我录个屏，大家感受一下。

【视频】

整体完成度还是非常高的 😄

阶跃星辰 Step Plan 非常良心，不仅支持 LLM 的 step-3.5-flash-2603，还支持 TTS 的 stepaudio-2.5-tts，以及能够绘图的 step-image-edit-2（我打算下一期给 PaiAgent 加一个画板）。

StepAudio 2.5 TTS + Step 3.5 Flash LLM 这个 AI 播客工作流，整体的效果也很不错。

来试听一下音频。

【音频】

两个项目一口气跑下来，整体感受就一个字：稳。

国产模型在 Claude Code 这种强无敌的 Harness 架构下，跑起来也是完全超出预期。

这里必须点名表扬一下 A 厂，虽然他的很多做法招人恨，但就这一个 Agent CLI，确实给 AI 的发展提供了无限可能 😄。

刚好最近有不少小伙伴需要 Coding Plan 这种订阅服务，我就把自己的真实体验分享给大家，看看阶跃星辰 Step Plan 到底值不值得冲。

01、在 CC 中配置阶跃星辰 Step Plan

第一步，去阶跃星辰的官网开通 Step Plan 账号，然后创建一个 API Key。

阶跃星辰 Step Plan 目前有四档套餐，从 Flash Mini 的 49 元/月到 Flash Max 的 699 元/月。

我订的是季度套餐，日常 Coding 场景够用。

和 GPT-5.5 一样，阶跃星辰 Step Plan 也是每 5 小时刷新一次调用额度，每周刷新一个总额度。

实际跑下来，中间档一天高强度写代码也没碰到过限额，够用。

第二步，使用 PaiSwitch（这是我自己很早起 Vibe Coding 的一个，一直也没宣传）或者 CCSwitch 在 Claude Code 中配置阶跃星辰 Step Plan 的 API Key。

其中 base URL 填写 https://api.stepfun.com/step_plan/v1，模型可以选择 step-3.5-flash-2603。

这个模型在代码理解和生成方面表现相当不错。

第三步，启动 Claude Code，重载模型，就可以在 Claude Code 中使用阶跃星辰 Step Plan 的能力了。

可以键入 /status 来确认是否生效。

看到模型名切换过来就说明配置成功了。

兼容性做得很到位，凡是支持自定义 base URL 的工具都能无缝接入。

02、用 CC 完成 PaiCLI TUI

先交代一下背景。

PaiCLI 是我做的一个 Java CLI Agent，定位类似 Claude Code，但完全用 Java 写的。

核心能力包括 ReAct 推理、Plan-and-Execute 任务拆解、Memory 记忆系统、RAG 语义代码搜索、MCP 工具协议、Skill 专家决策系统等等。

分析需求

这一步非常关键。

模型的能力已经非常强了，不管是国产模型，还是顶级的 Opus 4.7 或者 GPT-5.5。

出问题的地方往往在于我们怎么使用 Agent，或者使用了什么样的 Agent 工具。

当然了，不管使用哪一个工具，如果需求分析不到位，后面的交付结果就只能呵呵了。

提示词：分析一下第 16 期要开发的需求，我们先讨论一下，看看哪些需要调整。

Claude Code 会从 ROADMAP.md 中提取需求，分析边界，帮我们梳理出几个关键决策点：技

• 术选型是用 Lanterna 还是 JLine？
• 文件树浏览怎么做？
• 代码高亮用什么方案？
• 对话历史可视化怎么设计？

这些问题如果不在动手之前讨论清楚，后面返工的概率极高。

好，接下来我直接把决定权交给 Agent。

提示词：需要你给一份非常完整的需求文档，你直接出，可以参考前几期。

Claude Code 这里选择了 Lanterna 3 作为全屏 TUI 的渲染方案，同时保留 JLine 3 作为内联流式渲染的基础。如果我们不确定 Agent 的选择是否靠谱，可以多方求证一下。

比如说可以问一嘴 Gemini，看看它的判断。

最终 PaiCLI 的 TUI 方案确定下来了：

默认走 InlineRenderer（类似 Claude Code 的内联流式输出），可选切换到 Lanterna 全屏三栏布局（文件树 + 对话流 + 状态栏），还有一个 PlainRenderer 作为兜底。三种渲染模式共享同一套 Agent 内核，通过 PAICLI_RENDERER 环境变量切换。

这个方案既保证了默认体验的轻量感，又给重度用户留了全屏模式的选择。

没有问题后，就可以让 Agent 狠狠干活了。

开始干活

接下来，就是两手一摊，看 Agent 表演了。

已经运行 7 分钟了，还在继续干活，看来任务量不小。

这期间我们完全不需要插手。

step-3.5-flash-2603 在跑长任务上的表现让我挺意外的。

它的推理速度接近 200 tokens/s，根据 Artificial Analysis 的实测数据是 179 tps，在 212 个模型里排第 13 位。

更关键的是，它在代码生成场景下的上下文理解很扎实。

7 分钟、十几分钟持续输出代码，逻辑连贯性没出过问题。

要知道 PaiCLI 是一个 Java 项目，技术栈涉及 JLine 3 的终端控制、Lanterna 3 的全屏渲染、ANSI 转义序列处理、DECSTBM 滚动区域设定这些比较底层的东西。

我简单翻了一下 Claude Code 的执行日志，这一轮它做了这些事情：创建了 Renderer 接口和三个实现类、实现了 InlineRenderer 的 DECSTBM 滚动区域控制和底部状态栏、实现了 BlockRegistry 和 ToolCallRenderer 做工具调用的折叠展示、写了 HITL 审批的单字符交互逻辑（输入 y/n/a/s/m 就能决策）、还做了终端能力检测，如果终端不支持滚动区域就自动降级到 PlainRenderer。

整个过程大概改了二十多个文件，新增了十来个类。如果是我自己手写，保守估计得两三天（其实可能得二三十天，给自己脸上贴贴金）。

验收结果

我现在的工作流一般是这样的：如果让 Claude Code 先跑，那就用 Codex 来验收交付结果。

反之亦然。

两个 Agent 交叉验证，只要双方都认为 OK，基本上就没啥大问题。

把 Claude Code 生成的代码丢给 Codex review，让它从架构设计、代码质量、潜在 bug 三个维度去分析。

Codex 对这次的代码改动还是非常满意的，给了很高的评价。

这再次说明 step-3.5-flash-2603 的代码能力确实已经到了一个相当不错的水平——不是“能写代码”那种及格线，而是“写出来的代码经得住另一个 Agent review”的水平。

好，激动人心的时刻到了。我们来看一下最终的效果。

当然了，这期间还有很多细节，比如 HITL 审批弹窗的交互、工具调用的折叠展示、内联 git diff 的渲染，很枯燥，我就不一一截图展示了。

只能说 Claude Code 真的太强了，把模型的能力拉满了。

step-3.5-flash-2603 能做到这个效果，离不开 Claude Code 的 Agent 框架。

好马配好鞍，不是没有道理，哈哈。

03、StepAudio 2.5 TTS 接入

阶跃星辰 Step Plan 里面不只有文本模型。

还有 StepAudio 2.5 TTS 这个语音合成模型，这是我觉得阶跃星辰 Step Plan 比较有意思的一点，一个订阅搞定文本加语音，不用再单独去接第三方 TTS 服务。

刚好 PaiAgent 里有一个 TTS 节点，之前接的是通义千问的 Qwen3 TTS，现在我们把 StepAudio 2.5 TTS 也接进去体验下。

PaiAgent 是我做的另一个开源项目，AI 工作流编排平台，前端 React + ReactFlow 可视化拖拽，后端 Spring Boot 3 + Spring AI。

第一步，启动 PaiAgent 后，点击全局配置，把阶跃星辰的 TTS 模型和 LLM 模型配置好。

TTS 模型名填写 stepaudio-2.5-tts，LLM 模型名填写 step-3.5-flash-2603，API 地址和 API 密钥和之前的一样。

PaiAgent 的 ChatClientFactory 会根据供应商名称自动匹配对应的 API 协议，阶跃星辰走的是 OpenAI 兼容接口，配起来没有额外的适配成本。

PS：这个全局的模型配置也是 Step 3.5 Flash 2603 完成的，老读者应该还有印象。我之前也分享过。

第二步，配置好 AI 播客的工作流。四个节点串起来：输入 → 大模型文本生成 → TTS 音频合成 → 输出。

LLM 节点和 TTS 节点都选择我们刚刚配置好的阶跃星辰供应商。

然后点调试，输入“阶跃星辰 Step Plan 真不错啊”，点执行工作流。

很快，30 秒，音频文件就拿到了。

StepAudio 2.5 TTS 支持单次最多 1000 个字符的输入，PaiAgent 的 TTSNodeExecutor 会自动按标点符号切分长文本，用 CompletableFuture 并行处理每个文本块，最后把 WAV 音频合并。

所以即使输入一篇上千字的文章稿，也能很快拿到完整音频。

这个音频的质量让我挺惊喜的，语音自然流畅，完全没有机械感。

StepAudio 2.5 在语气停顿和情感表达上很自然，尤其是语句之间的衔接不会有那种“一字一顿”的割裂感。

【音频】

当然了，TTS 的音色选择也很丰富。

StepAudio 2.5 TTS 默认用的是“磁性男声”（cixingnansheng），还可以通过 instruction 参数调整语速、音量和说话风格，最长支持 200 个字符的指令描述。

StepAudio 2.5 能处理 1000 个字符，分块次数少，合成速度明显很快，音频衔接处的停顿也很自然。

对于做 AI 播客、有声读物、语音助手这些场景，可玩性很高。

我甚至在想，后面要不要在 PaiAgent 里做一个“每日技术播报”的工作流模板，早上自动抓取 GitHub Trending，用 LLM 生成播报文案，再用 StepAudio 合成音频，推到飞书群里。整个流程在 PaiAgent 里四五个节点就能搞定。

04、Step 3.5 Flash 2603 很强

聊完体验，我们来看看数据。

毕竟感受是主观的，数据不会骗人。

step-3.5-flash-2603 的架构是稀疏 MoE（混合专家模型），总参数量 196B，但每个 token 只激活 11B 参数。45 层 Transformer，每层 288 个路由专家加 1 个共享专家，Top-8 激活。支持 256K 上下文窗口。

翻译成人话就是：模型很强壮，但跑起来很轻快。因为每次推理只用到一小部分参数，所以速度快、成本低。

如果聚焦到 Coding 和 Agent 这两个场景，step-3.5-flash-2603 的表现确实是第一梯队的。

还有一个值得一提的能力：

阶跃星辰 Step Plan 里有一个 step-router-v1 智能路由模型，它会根据任务复杂度自动调度不同模型。

简单任务走轻量模型省额度，复杂任务走重量级模型保质量。对于 Agent 场景来说很实用——Agent 一轮对话里可能有“读个文件名”这种简单操作，也有“重构一整个模块”这种重活，用路由模型自动调度比我们手动切换省心得多。

另外阶跃星辰 Step Plan 还包含 stepaudio-2.5-asr（语音识别）和 step-image-edit-2（图片编辑）这些多模态能力，一个订阅覆盖了文本、语音、图像三个方向。

对于想做多模态 Agent 的开发者来说，不用到处开账号、到处充钱，一个阶跃星辰 Step Plan 就够了。

05、简历怎么写？

PaiCLI — Terminal-First Agent IDE

项目简介：基于 Java 17 的终端 AI Agent，支持 ReAct 推理、Plan-and-Execute 任务拆解、Memory 记忆系统、RAG 语义代码搜索、MCP 工具协议和 Skill 专家决策系统，提供三种渲染模式的 TUI 交互体验。

核心职责：

• 基于 ReAct 框架实现 Think-Act-Observe 推理循环，支持多轮工具调用和上下文追踪，Agent 任务完成率提升至 89%
• 设计并实现 Renderer 抽象层，支持 InlineRenderer（DECSTBM 滚动区域）、LanternaRenderer（全屏三栏）、PlainRenderer 三种渲染模式，终端兼容性覆盖率达 95%
• 基于 SQLite 向量存储和 JavaParser AST 分析实现 RAG 语义代码搜索，top-5 召回准确率 82%
• 实现 MCP 协议适配层，支持 stdio 和 Streamable HTTP 两种传输方式，已接入 Chrome DevTools 等 5 个 MCP Server

PaiAgent — AI 工作流编排平台

项目简介：企业级 AI 工作流可视化编排平台，前端基于 React + ReactFlow 实现拖拽式流程设计，后端基于 Spring Boot 3 + Spring AI 实现多模型调度和 DAG 引擎执行。

核心职责：

• 基于 Kahn 算法实现 DAG 拓扑排序引擎，支持条件分支和循环节点，工作流执行延迟 P99 < 200ms
• 设计 ChatClientFactory 动态工厂，运行时根据节点配置创建 ChatClient 实例，支持 OpenAI、DeepSeek、通义千问、智谱、阶跃星辰等 6 家模型供应商热切换
• 实现 TTS 节点执行器，支持 StepAudio 2.5 和 Qwen3 两种 TTS 引擎，基于 CompletableFuture 并行处理文本分块，单次合成延迟降低 60%
• 集成 LangGraph4j 状态图引擎，支持条件路由和动态分支，覆盖多轮对话、文档审批等复杂编排场景

ending

说实话，这次体验下来，阶跃星辰 Step Plan 给我最大的感受是它在真实开发场景里的“可用度”。

用 step-3.5-flash-2603 配合 Claude Code 完成 PaiCLI TUI 模块的开发，从需求分析到代码生成到交叉验证，中间没出过大的 bug。

49 一个月的订阅价格，对于每天都在跟 Agent 打交道的开发者来说，绝对是一笔很划算的投资。

如果是像我这样每天用 Claude Code 写代码、用工作流跑任务的场景，阶跃星辰 Step Plan 确实值得一试（包年会更划算）。

https://platform.stepfun.com/plan-subscribe

【好的工具从来不是让我们多一个选择，而是让我们少纠结一次。】

我们下期见。