Step Plan + Claude Code 实战！代码审查和语音 Agent 都跑通了。

大家好我是 Guide。最近我越来越明显地感觉到AI 工作流真正难啃的地方已经从“让模型帮我写代码”往外扩了。很多信息一开始就不在代码里。它在一次架构评审的录音里在需求会上产品临时补充的那几句话里在故障复盘时大家来回确认的口头结论里。会开完了录音躺在群里真正要落地的人还得重新听、重新摘、重新确认行动项。和朋友讨论我俩最近很想验证的是一套开发者工作流能不能同时处理代码、语音和结构化总结比如把一段技术复盘录音转成纪要和行动项再生成一段能发给同事听的语音摘要。这次我用 Step Plan 跑了一轮。选它的原因很简单同一套 API 里有 Agent / Coding也有 ASR 和 TTS刚好能把这个流程跑通。所以这篇不围着“怎么接 Claude Code”打转。我会把它放进两个任务里看一个是代码审查一个是会议转写和语音摘要。这次为什么用 Step Plan先说我关心的点。Step Plan 不能只按“Coding 套餐”理解它还把 ASR、TTS、路由等能力放在同一套 API 里。模型清单不用展开太久。对读者更有用的是看它接进工作流以后会产出什么东西哪些地方还需要人工兜底。先说费用。套餐按月计费采用“5 小时限额 周限额”的双重约束。拿 Flash Plus 套餐来说99 元/月周限额约 1600 次 Prompt5 小时限额约 400 次 Prompt。这些数字对判断使用边界有帮助所以我会把它们放在前面。不过这里有个坑Step Plan 有专用的 API 地址不能跟普通 API 混用。再看模型覆盖和路由。从能力覆盖上看这次会用到下面几类模型模型这篇文章里的用途step-3.5-flash-2603代码审查、多文件理解、复盘纪要整理step-router-v1观察简单任务和复杂任务的路由体感stepaudio-2.5-tts生成模拟会议录音和语音摘要stepaudio-2.5-asr把会议音频转成文本step-image-edit-2本文没有展开只在能力覆盖里带到不过这篇不准备把每个模型都拉出来念一遍参数。参数表留给文档我更想看两个具体工作流一个偏 Coding一个偏语音应用。step-router-v1 是我比较感兴趣的一个点。它主打按任务复杂度自动调度模型。这里我不会把它当成性能结论来讲只看它放进实际任务后的体感。最后是工具链接入。Step Plan 可以接入 OpenClaw、Claude Code、Cline、Roo Code 这类 AI 工具。对已有工具链的团队来说它更像一个可替换的模型后端而不是一套需要重新学习的新工具。环境准备把 Step Plan 接入 AI Coding 工具API Key 获取先去阶跃官网完成订阅并获取 API Keyhttps://platform.stepfun.com/step-plan订阅完成后在控制台创建 API Key妥善保管。Base URL 配置这是最容易踩坑的地方。Step Plan 有专用的 API 地址https://api.stepfun.com/step_plan/v1而阶跃的普通 API 地址是https://api.stepfun.com/v1很多人配置失败就是因为把 Base URL 写成了普通地址结果模型调用全走了另一个计费体系。这里别省事Step Plan 必须用专用地址。Claude Code 接入方式Claude Code 支持通过环境变量切换底层模型。接入 Step Plan 有两种方式配置文件法和 CC Switch 可视化切换。只想稳定使用 Step Plan直接写配置文件就行经常在 Claude、DeepSeek、MiniMax、Step Plan 之间切换再考虑 CC Switch。方式一配置文件法推荐如果你本机没有安装 Claude Code先运行下面这行命令安装Node.js 18npminstall-ganthropic-ai/claude-code编辑或新增 Claude Code 配置文件~/.claude/settings.json添加env字段把 Step Plan 的后端地址、模型和 API Key 都写进去{env:{ANTHROPIC_AUTH_TOKEN:your_step_plan_api_key,ANTHROPIC_BASE_URL:https://api.stepfun.com/step_plan,ANTHROPIC_MODEL:step-3.5-flash-2603,ANTHROPIC_SMALL_FAST_MODEL:step-3.5-flash,API_TIMEOUT_MS:3000000,CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC:1}}注意替换your_step_plan_api_key为你的 Step Plan API Key。这里我把主模型配置为step-3.5-flash-2603把小模型配置为step-3.5-flash。如果你想直接体验智能路由把ANTHROPIC_MODEL改成step-router-v1即可。配置完成后启动 Claude Codeclaude首次启动需要选择信任当前文件夹。方式二CC Switch可视化切换如果你经常在多个 Provider 之间切换可以用 CC Switch 管理 Claude Code 的模型配置。这里不展开安装过程核心配置还是那几个字段Provider 名称填 Step PlanBase URL 填https://api.stepfun.com/step_plan主模型填step-3.5-flash-2603。如果要测试 Router就单独建一个配置把主模型改成step-router-v1。验证是否生效直接在命令行输入claude或者进入 Claude Code 界面后输入/status确认当前模型。如果 model 显示为step-3.5-flash-2603或step-router-v1就说明接入成功。到这里Claude Code 就会走 Step Plan 的后端后续的代码阅读、代码审查、重构和文档生成都会用这套配置。如果你用的是 Cline、Roo Code 或 OpenClaw操作方式类似——在设置中找到Custom API Endpoint或Base URL选项填入https://api.stepfun.com/step_plan/v1然后填入对应的模型名称即可。实战一用 Step 3.5 Flash 2603 做代码审查 Agent代码审查拿来试 Agent 很合适因为它既要读文件也要做判断还不能乱改代码。一次像样的审查通常要理解 Controller、Service、工具类、前端页面之间的联动中间还会穿插搜索、文件读取、测试扫描和构建验证。输出如果只有一句“代码有问题”基本没法用最好能落到问题分类、严重程度和修复建议。这类任务不花哨但很接近真实开发。这里用我正在写的一个多智能体股票项目agent-invest做验证技术栈是 Java 21 Spring Boot 4 AgentScope Java Vue 3 。我选的是其中的预警模块。这个模块刚好横跨后端 Controller、Service、技术指标判断和前端条件枚举。只要漏一个点就可能出现前后端不一致、预警误触发或漏触发。我给这次任务加了两个约束第一轮只读审查不允许改代码第二轮最多只修一个问题不让 Agent 一口气大改。代码审查最怕模型兴奋起来顺手重构了太多内容看起来做了很多事情最后 Review 成本反而更高。实际工作场景使用 Agent核心考量是让它在可控范围内把事情做完。这是我向 Claude Code 下达的第一条指令它先读了 6 个核心文件又继续搜了表单校验类、测试目录和回测服务。这样做事合理的因为预警模块的问题往往不在单个文件里而在前后端枚举、白名单和触发逻辑的联动里。第一轮它先把预警条件捋了一遍。价格预警这边有 7 个条件比如ABOVE、BELOW、CROSS_UP、VOLUME_SURGE。技术预警这边更多一共有 14 个条件比如RSI_OVERBOUGHT、MACD_GOLDEN_CROSS、BOLL_BREAK_LOWER。后端白名单一共 21 个数量和前端条件列表能对上。不过 Agent 也指出了一个架构层面的隐患前端枚举和后端白名单是两份手写列表后续新增条件时如果漏改某一侧就可能出现“后端支持但前端不可选”或“前端可选但后端拒绝”的问题。这个判断很像真实 Review当前不是 Bug但它是一个容易复发的维护风险。然后才开始列问题。Agent 输出了一份很长的结构化报告覆盖了技术指标空值保护、冷却时间、重复触发、参数校验、交易时段判断、异常日志和测试覆盖。比如交易时段判断这一条代码里是这样写的privatebooleanisMarketOpen(){LocalDateTimenowLocalDateTime.now();intdayOfWeeknow.getDayOfWeek().getValue();if(dayOfWeek5){returnfalse;}inttimeValuenow.getHour()*100now.getMinute();return(timeValue930timeValue1130)||(timeValue1300timeValue1500);}对于 A 股来说交易时间应该按北京时间判断。如果应用部署在非Asia/Shanghai时区的服务器上LocalDateTime.now()就会使用服务器默认时区预警扫描可能在错误时间运行。这类问题交给 Agent 扫一遍有收益。它不是语法错误也不一定会在本地开发暴露但一旦部署环境时区不一致影响的是整条预警流程。报告出来之后我先人工复核。这里我想强调一句Agent 的 Review 报告不能直接照单全收。这次 Step 3.5 Flash 2603 的报告里有几个结论很有价值也出现了两三处误判。举两个例子。它一开始把“重复触发”判断成高风险但这块代码里已经有冷却时间控制只是实现方式不够直观它还建议把一段参数校验前移到 Controller我最后没有采纳因为现有 Service 层校验更接近项目里的其他写法。这里不能怪模型“错得离谱”更像是它没完全吃透项目里的约定。AI 代码审查的价值不在于“模型说什么都对”更现实的价值是帮你把搜索范围从几十个文件收敛到几个高风险点。我们作为 Reviewer 仍然要做最后判断尤其是并发语义、数据库原子更新、框架校验规则这类地方。最后只挑一个问题让它修。这里我们选择了一个比较具体的修复目标交易时段判断显式使用Asia/Shanghai时区。大概一分多钟之后修复就完成了。修复方向是正确的交易时段改为按 Asia/Shanghai 判断。并且新增测试类共 11 个用例覆盖开盘、休市、午间、周末和边界值。实战二用 Step Plan 做会议转写与播客摘要 Agent代码审查已经覆盖了 Agent / Coding 方向第二个 Demo 如果继续做文字整理会和前面有点重叠。我更想试的是另一个方向把一次技术复盘会议录音自动转成会议纪要、行动项和可播放的语音摘要。这个场景很常见。线上故障复盘、架构评审、需求澄清会大家聊的时候信息密度很高但会后整理经常没人愿意做。手动听录音、补上下文、提炼决策和风险点费时间还容易漏掉关键动作。更麻烦的是录音本身很难进入工程协作流程。你不能指望每个没参会的人都把 30 分钟录音从头听一遍也不能把“会议里好像说过”当成行动项依据。所以这次不再铺概念直接跑一个可以复现的最小 Demo先用 TTS 生成一段模拟会议录音再用 ASR 转写接着让文本模型整理纪要最后再用 TTS 生成 60 秒语音播报。这个方案会用到三个模型stepaudio-2.5-tts先生成一段可控的模拟会议录音stepaudio-2.5-asr负责转写step-3.5-flash-2603再把转写内容整理成复盘纪要。最后再回到 TTS生成一段可以直接发给同事听的音频摘要。一个简单的能直接跑通的 Demo为了能够让感兴趣的朋友快速本地跑起来我写了一个只依赖 Node.js 18 的例子。你只需要按照前面的提到的方法准备一个 Step Plan API Key 就可以了。先创建一个目录mkdirstep-audio-democdstep-audio-demonpminit-ynpmpkgsettypemodule然后新建demo.mjsimportfsfromnode:fs/promises;importpathfromnode:path;constapiKeyprocess.env.STEP_API_KEY;constbaseUrlhttps://api.stepfun.com/step_plan/v1;constoutputDirpath.resolve(output);if(!apiKey){console.error(请先执行export STEP_API_KEY你的 Step Plan API Key);process.exit(1);}awaitfs.mkdir(outputDir,{recursive:true});constmeetingScript[各位同步一下昨晚的订单查询接口超时问题。,从监控看二十一点四十分开始订单详情页 P95 延迟从二百毫秒升到了三点二秒。,日志里 Redis 读取多次超过一秒OrderQueryService 当前没有明确的缓存降级逻辑。,临时处理是把 Redis 读取超时调到三百毫秒并打开本地兜底缓存。,后续需要三件事第一梳理缓存调用链路第二补充 Redis 连接池监控第三给订单查询接口加降级测试。,根因现在还不能完全下结论需要结合追踪和 Redis 客户端指标再确认。].join();asyncfunctionrequestJson(url,body){constresponseawaitfetch(url,{method:POST,headers:{Authorization:Bearer${apiKey},Content-Type:application/json},body:JSON.stringify(body)});if(!response.ok){thrownewError(${response.status}${awaitresponse.text()});}returnresponse.json();}asyncfunctiontextToSpeech(input,fileName,instruction){constresponseawaitfetch(${baseUrl}/audio/speech,{method:POST,headers:{Authorization:Bearer${apiKey},Content-Type:application/json},body:JSON.stringify({model:stepaudio-2.5-tts,voice:cixingnansheng,input,instruction,response_format:mp3})});if(!response.ok){thrownewError(${response.status}${awaitresponse.text()});}constbufferBuffer.from(awaitresponse.arrayBuffer());constfilePathpath.join(outputDir,fileName);awaitfs.writeFile(filePath,buffer);returnfilePath;}functionpickTextFromAsrEvent(event){returnevent?.text??event?.result?.text??event?.data?.text??event?.choices?.[0]?.delta?.content??;}asyncfunctionspeechToText(audioFile){constaudioBase64awaitfs.readFile(audioFile,base64);constresponseawaitfetch(${baseUrl}/audio/asr/sse,{method:POST,headers:{Authorization:Bearer${apiKey},Content-Type:application/json,Accept:text/event-stream},body:JSON.stringify({audio:{data:audioBase64,input:{transcription:{model:stepaudio-2.5-asr,language:zh,hotwords:[OrderQueryService,Redis,P95],enable_itn:true},format:{type:mp3}}}})});if(!response.ok){thrownewError(${response.status}${awaitresponse.text()});}conststreamTextawaitresponse.text();consteventsstreamText.split(\n).filter((line)line.startsWith(data:)).map((line)line.slice(5).trim()).filter((line)lineline![DONE]).map((line)JSON.parse(line));consttranscriptevents.map(pickTextFromAsrEvent).join().trim();awaitfs.writeFile(path.join(outputDir,asr-events.json),JSON.stringify(events,null,2));returntranscript||streamText;}asyncfunctionsummarizeTranscript(transcript){constresultawaitrequestJson(${baseUrl}/chat/completions,{model:step-3.5-flash-2603,messages:[{role:system,content:你是技术复盘助手只能基于用户给出的会议转写整理内容。没有提到的信息必须标注为待确认。},{role:user,content:请基于下面的会议转写输出技术复盘纪要包含已确认事实、根因方向、行动项、待确认问题、60 秒口播稿。\n\n会议转写\n${transcript}}]});returnresult.choices?.[0]?.message?.content??JSON.stringify(result,null,2);}console.log(1. 生成模拟会议录音);constmeetingAudioawaittextToSpeech(meetingScript,meeting-review.mp3,团队技术复盘会议语速中等表达清楚像真实会议同步);console.log(2. 使用 ASR 转写会议录音);consttranscriptawaitspeechToText(meetingAudio);awaitfs.writeFile(path.join(outputDir,transcript.md),transcript);console.log(3. 生成结构化纪要和口播稿);constsummaryawaitsummarizeTranscript(transcript);awaitfs.writeFile(path.join(outputDir,summary.md),summary);constpodcastScriptsummary.split(60 秒口播稿).pop().replace(/^[:\s#-]/,).slice(0,900);console.log(4. 生成语音摘要);awaittextToSpeech(podcastScript||订单查询接口超时问题已完成初步复盘后续需要继续确认 Redis 指标和链路追踪。,incident-summary.mp3,团队内部技术播报语气克制不夸大事故影响语速中等);console.log(完成。请查看 output 目录);console.log(- output/meeting-review.mp3模拟会议录音);console.log(- output/asr-events.jsonASR SSE 原始事件);console.log(- output/transcript.mdASR 转写结果);console.log(- output/summary.md结构化复盘纪要);console.log(- output/incident-summary.mp3语音摘要);运行exportSTEP_API_KEY你的 Step Plan API Keynodedemo.mjs跑完以后看一下output目录里面会多出几份文件。meeting-review.mp3是刚才用 TTS 生成的模拟会议录音transcript.md是 ASR 转写结果summary.md是模型整理出来的复盘纪要incident-summary.mp3是最后生成的语音摘要。还有一个asr-events.json这个平时不用看但建议保留。ASR SSE 解析出问题时它能帮你确认到底是接口返回异常还是我们自己的解析逻辑写错了。这样设计有个好处读者不需要先找一段真实会议录音也不需要担心隐私问题。先用 TTS 生成一段可控音频再用 ASR 识别它本质上是在做一条“语音输入 → 文本理解 → 语音输出”的闭环验收。这里也不是一次就完全顺。第一次写脚本时我默认 ASR SSE 每条事件里都会有固定的text字段结果不同事件结构并不完全一样。后来才加了pickTextFromAsrEvent这个兼容函数并把asr-events.json落盘。这个文件看起来像调试垃圾真排查转写问题时很有用。stepaudio-2.5-tts比较有意思的地方是语境控制。instruction控制整段声音的表达基调正文里的圆括号还可以做句内控制。比如稍微停顿这次问题还不能直接下根因结论需要继续看 Redis 客户端指标。TTS 的 instruction 很有意思。圆括号里的内容会被当成表达指令不会直接读出来。我们可以用它控制停顿、语速甚至加一句“别像广告配音”。这对技术播报很有用。ASR 的话热词很重要。Redis、P95、OrderQueryService这些专有名词没有热词辅助容易被识别成相近的普通词。Demo 里我是这样配的hotwords:[OrderQueryService,Redis,P95]真实项目里把服务名、类名、中间件名、业务缩写都加上。这个细节不大但转写错了后面的总结就跟着跑偏。纪要生成最怕的是模型写得太像真的。会议录音里只说“Redis 读取耗时异常”它不能直接给你输出“根因是 Redis 连接池耗尽”。所以 Prompt 里要卡住边界没提到的信息标待确认。复盘不是写小说边界要严。Demo 效果来看看实际的转语音效果还是非常不错的语气很气然清晰这类语音 Agent 干的是一件具体活把“听完才能知道发生了什么”的音频变成“扫一眼就能执行、点一下还能听”的结构化信息。我会先把它放在这些场景里试会议录音转写故障复盘纪要生成行动项和待确认问题提取面向未参会同事的口播摘要周会、评审会、需求会的会后同步。但下面这些地方必须人工兜底关键结论是否真的在会议中出现负责人和截止时间是否准确根因判断是否有监控和日志支撑是否涉及敏感信息、客户信息或内部安全细节音频摘要能不能对外分发。如果放进真实项目我会把流程拆成几步先把会议录音转成逐字稿再把逐字稿、日志和复盘模板交给文本模型整理简单摘要和复杂追问可以交给 Router 分流最后把口播稿交给 TTS。它不能替你判断事故根因只能把会后整理这件重复劳动压缩到更短的时间里。如果引入 Step Router V1让模型自动分流任务为什么需要路由在实际开发中不是每个任务都需要最强的模型。简单解释、命令生成这类任务通常更看重响应速度多文件代码审查、复杂重构这类任务更依赖上下文理解和任务拆解。step-router-v1 的思路就是把这层选择交给路由不让开发者每次手动切模型。Router 的工作原理step-router-v1 会在内部自动评估任务复杂度在deepseek-v4-pro和step-3.5-flash之间切换。切换逻辑由路由层自动完成开发者只需要指定使用 router 模型即可。配置方式很简单{env:{ANTHROPIC_AUTH_TOKEN:your_step_plan_api_key,ANTHROPIC_BASE_URL:https://api.stepfun.com/step_plan,ANTHROPIC_MODEL:step-router-v1,ANTHROPIC_SMALL_FAST_MODEL:step-3.5-flash,API_TIMEOUT_MS:3000000,CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC:1}}如果用 CC Switch新建一个 Step Router 配置把主模型填成step-router-v1就行。实际体验Router 我也顺手试了下。我没做严格对比测试就是拿几个常见任务跑了一圈看它会不会明显掉链子。场景一简单问答。问Java 中 StringBuilder 和 StringBuffer 的区别是什么这类问题响应很快答案也够用。场景二多文件代码审查。同上的代码审查任务Router 模式下输出没有明显缩水。这个结论只限于这次样例我不会把它扩展成性能判断。场景三复杂重构任务。请帮我评估 AlertMonitorService 中预警触发流程的重构方案要求 1. 拆分价格预警、技术指标预警和通知分发边界 2. 保持现有触发语义不变 3. 标注哪些改动需要人工确认 4. 输出单元测试补充清单这个任务处理时间更长输出比简单问答细很多。至于背后是不是切到了更强模型我看不到内部路由结果所以这里只能按体感描述。至少在这几个样例里Router 的自动分流思路说得通简单任务不会被过度处理复杂任务也没有因为模型选择过轻导致输出明显塌掉。不过它也有一个不太舒服的地方Router 的切换逻辑是黑盒的。你无法控制什么时候走快模型、什么时候走强模型。对需要精确控制模型选择的人来说这个点要提前接受。总结这轮跑下来我最关心的不是它模型列表有多长而是能不能进日常工作流。代码审查这块它能帮我先把风险点扫一遍把 Review 范围从一堆文件收窄到几个可疑位置。最后判断还是要人来做但它确实能省掉不少前期翻代码的时间。语音这块也比我预期更完整。会议录音可以转写成文字再整理成纪要和行动项最后还能生成一段语音摘要。这个链路跑通以后就不只是“模型能不能回答问题”了而是能不能接进真实协作流程。当然边界也很明显。Agent 的报告不能照单全收会议纪要不能把推测写成结论Router 背后到底切到哪个模型也看不到。这些地方都需要人工兜底。所以我的建议是如果你只是偶尔问几句代码没必要为了订阅制专门折腾一套配置。但如果你本来就高频跑 Agent 任务或者团队里经常有会议转写、故障复盘、内部语音同步这类需求Step Plan 值得试一下。后记你好我是 JavaGuide 的作者。最近几个月一直在继续补充完善 AI 应用开发部分的内容。目前的话这份面向后端开发者的 AI 应用开发、AI 编程实战与面试指南已免费开源涵盖 LLM、Agent、RAG、MCP、Claude Code、Codex 等核心技术与工程实践。对标 JavaGuide有帮助的话欢迎 Star项目地址https://github.com/Snailclimb/AIGuide在线阅读https://javaguide.cn/ai/这应该是当前最全面系统的讲解每一篇都花费了大量时间完善和优化每篇文章都画了大量配图辅助理解发布之后也是收到了很多读者朋友的好评和推荐。非常感谢一定会持续用心维护