Git Worktree / Worktrunk：并行 AI 开发工作流实战

最近在日常开发中尝试了用 Git Worktree (Worktrunk) 配合 Claude Code 进行并行开发，体验下来效果非常好。这篇文章就来分享一下这套工作流的搭建和使用经验，希望能对大家有点帮助~

欢迎大家点个 star：Github以及下载我的独立 app： iColors

一、为什么需要 Git Worktree

先说一个日常开发中很常见的场景：你正在开发一个新功能，突然来了一个紧急 bug 需要修复。通常你要么 git stash，要么 git commit 一个半成品，切换分支去修 bug，改完再切回来。

这个过程不仅繁琐，而且一旦涉及到 AI 辅助开发（比如 Claude Code），问题就更大了——每个 Claude 会话的上下文会因为切换分支而断掉。

Git Worktree 就是为了解决这个问题的。简单来说，它允许一个 Git 仓库拥有多个工作目录，每个目录检出不同的分支：

1my-project/            # 主仓库，develop 分支
2my-project.feature-A/  # worktree，feature-A 分支
3my-project.feature-B/  # worktree，feature-B 分支
4my-project.bugfix/     # worktree，bugfix 分支
5

核心优势：

不需要多次克隆仓库，所有 worktree 共享同一个 .git 数据库
多个分支同时活跃，互不干扰
磁盘空间省得多，不像 clone 那样每次都复制整个 git 历史

二、Worktree vs Clone：到底省了什么

可能有同学会问：我直接 clone 多份不也行吗？

当然可以，不过在回答这个问题之前，我们先看看一个 Git 仓库到底包含了哪些东西。

.git 目录里有什么

当你 git clone 一个仓库，实际上拿到的是两部分：工作目录（你能看到的源代码文件）和 .git 目录（Git 的"数据库"）。

.git 目录里主要包含这些内容：

目录/文件	作用	说明
objects/	对象数据库	存储所有的 commit、tree、blob 对象，经过压缩打包后放在 objects/pack/ 中。这是 Git 历史的核心
refs/	引用	分支指针（refs/heads/）、标签（refs/tags/）、远程跟踪（refs/remotes/）
logs/	操作日志	记录 HEAD 和各分支的变更历史（reflog）
hooks/	钩子脚本	pre-commit、pre-push 等自动化脚本
lfs/	大文件存储	如果项目使用了 Git LFS，大文件（图片、二进制等）会缓存在这里
index	暂存区	记录当前 staged 的文件状态
HEAD	当前指针	指向当前检出的分支或 commit
config	仓库配置	remote 地址、分支追踪关系等

实际项目的占比

那这些东西到底占多大空间呢？我用我的一个 iOS 项目跑了一下：

1.git 目录总大小：4.2 GB
2├── lfs/       3.4 GB  (81%)  ← 大文件缓存（图片、字体等）
3├── objects/   761 MB  (18%)  ← 所有历史 commit 的压缩包
4├── logs/      1.3 MB  (<1%)
5├── refs/      196 KB  (<1%)
6├── hooks/      88 KB  (<1%)
7└── 其他        ~2 MB  (<1%)
8

可以看到，.git 里面大头是两块：LFS 大文件缓存和 objects 对象数据库，两者加起来占了 99% 以上。

不过这里说的"工作目录"可不只是源代码。我实际看了一下手边这个项目的空间分布：

1仓库总大小：82 GB
2├── .git/         4.2 GB   ← Git 数据库
3├── .spmCache/    4.9 GB   ← SPM 依赖缓存
4├── Features/      56 GB   ← 功能模块（含 SPM .build 缓存）
5├── Core/          16 GB   ← 核心模块（含 SPM .build 缓存）
6├── fastlane/     320 MB
7└── 其他           ~1 GB   ← 纯源码、配置文件等
8

好家伙，56 GB 的 Features 目录？点进去一看，每个模块下面都有一个巨大的 .build/ 目录——这是 SPM resolve 之后生成的本地构建缓存。比如其中一个模块，源码才 208 KB，但 .build 有 7.3 GB。

简单来说，这 82 GB 的构成是这样的：

类别	大小	说明
纯源码 + 配置	~1 GB	真正的代码文件
SPM 构建缓存	~72 GB	每个模块的 .build/ + .spmCache/
Git 数据库	~4.2 GB	.git/ 目录
其他（fastlane 等）	~4.8 GB	工具链、脚本

Clone vs Worktree 对比

那么问题来了，如果我需要 4 个分支同时工作。

纯净状态下（刚创建、还没编译），一个 worktree 只有约 1 GB（纯源码）。这时候对比非常夸张：

方案	4 个分支并行	说明
Clone × 4	~328 GB	每份都要完整下载 .git + 全部文件
Worktree × 4（纯净）	~85 GB	主仓库 82 GB + worktree 源码 1 GB × 3

差距很明显。而且 clone 还有一个隐性成本：每次都要重新下载整个 Git 历史，网络慢的时候能等很久。Worktree 是本地秒创建的。

编译后空间会膨胀吗

不过需要注意的是，如果你在 worktree 中运行了 app（执行了编译），空间会显著增长。主要来自两部分：

1. SPM 构建缓存（在项目目录内）

每个 worktree 执行 SPM resolve 和编译后，会在各模块下生成独立的 .build/ 目录。以我的项目为例，这部分加起来就有 70+ GB。这个缓存是不共享的，每个 worktree 都会生成自己的一份。

2. Xcode DerivedData（在全局目录）

好消息是，Xcode 的 DerivedData 默认存放在 ~/Library/Developer/Xcode/DerivedData/，不在项目目录内，所以不会直接撑大 worktree 文件夹。但每个 worktree 编译后会在 DerivedData 里新增一个条目——我看了下我的 DerivedData 总共 37 GB。

所以实际使用中的空间大概是这样：

场景	每个 worktree 大小
刚创建（纯源码）	~1 GB
resolve 了 SPM 依赖	~5 GB
完整编译运行过	~70+ GB

如果你只是用 Claude Agent 写代码、不需要在每个 worktree 里都编译运行，那空间占用是很小的。只在需要验证的 worktree 中编译就好，不必每个都跑一遍。

说实话，如果每个 worktree 都跑一遍完整编译，那空间上的优势就没那么大了——省下的只是 .git 数据库的重复（4.2 GB × N），相比 70+ GB 的构建缓存，这点节省确实不算大。

那 worktree 的核心优势到底在哪？其实是创建速度和工作流：

秒级创建：不需要重新 clone、不需要等网络下载，本地一行命令就搞定
Git 状态天然隔离：每个 worktree 有独立的 HEAD、暂存区、工作目录，分支切换零成本
按需编译：大部分 worktree 只写代码（~1 GB），只在需要验证的那个里编译就好

合理的做法是：大部分 worktree 只写代码，选一两个去编译验证。这样既享受了并行开发的便利，又不会把磁盘撑爆。

三、Claude Agent 并行开发

好了，这才是重头戏。有了 Worktree，跑多个 Claude Agent 就变得非常自然：

1终端标签页 1 → my-project.feature-A/ → claude
2终端标签页 2 → my-project.feature-B/ → claude
3终端标签页 3 → my-project.bugfix/    → claude
4

每个标签页里的 Claude：

在独立的工作目录中操作
提交到各自的分支
完全不会互相影响

这样你就可以让一个 Claude 做功能 A，另一个做功能 B，第三个修 bug，三件事同时推进。每个 Agent 的上下文都是干净的，不会因为别的任务搞乱文件状态。

四、Worktree 管理工具：Worktrunk

手动管理 worktree 的命令其实挺繁琐的，正常流程你得这样：

1git worktree add ../my-project.feature-A develop -b feature-A
2cd ../my-project.feature-A
3

每次都要敲这么一长串，分支名还得写两遍，确实不太优雅。

推荐使用 Worktrunk（命令行工具名为 wt），它是一个用 Rust 写的 worktree 管理器，专门为并行 AI 开发设计的。用起来就一行：

1wt switch -c feature-A
2

这条命令会自动帮你：

基于当前分支创建新分支 feature-A
在主仓库的同级目录下创建 worktree
切换到新的工作目录

执行完之后，你的目录结构就变成了这样：

1~/Projects/
2├── my-project/            # 主仓库（你执行命令的地方）
3│   ├── .git/              # 完整的 Git 数据库
4│   ├── src/
5│   └── ...
6├── my-project.feature-A/  # 新创建的 worktree
7│   ├── .git               # 注意：这里只是一个文件，指向主仓库的 .git
8│   ├── src/               # 完整的工作目录副本
9│   └── ...
10└── my-project.feature-B/  # 另一个 worktree（如果你再创建一个的话）
11    ├── .git
12    ├── src/
13    └── ...
14

注意看 worktree 目录下的 .git——它不是一个目录，而是一个文件，内容就一行指向主仓库 .git 的路径。这就是 worktree 能共享 Git 数据库的原理。

你还可以搭配 Claude Code 一起用（但其实没必要）：

1wt switch -x claude -c feature-A -- '实现功能 A'
2

这条命令会创建 worktree 之后自动启动 Claude，并把任务描述传给它。

五、实际开发流程

我目前的开发流程大概是这样的：

第一步：创建 worktree

1wt switch -c feature-A
2wt switch -c feature-B
3wt switch -c bugfix
4

第二步：在各个 worktree 中启动 Claude

每个终端标签页进入对应的 worktree 目录，然后启动 claude。

第三步：并行工作

三个标签页同时推进，互不干扰。想看哪个任务的进度就切到对应的标签页。

第四步：完成后合并

每个 Agent 完成任务后，正常走 PR 流程合并回主分支就行。

第五步：清理不必要分支

清理用完的 worktree，节省空间，具体方式可以看后续。

六、用完之后怎么清理

Worktree 用完不清理，时间一长目录就会越积越多。正确的清理姿势分两步：

1. 删除 worktree

用 git 命令删除：

1git worktree remove ../my-project.feature-A
2

这条命令会同时做两件事：

删除 worktree 对应的目录（my-project.feature-A/）
清理主仓库 .git/worktrees/ 中的关联记录

用 wt 命令删除：

1wt remove feature-A
2

效果一样，如果是用了 Worktrunk 的话这条命令更简洁。

手动删了目录怎么办？

如果你直接 rm -rf 了 worktree 目录，Git 并不知道它已经没了，git worktree list 里还会显示这条记录。这时候跑一下：

1git worktree prune
2

它会扫描所有 worktree 记录，把指向已不存在目录的条目清理掉。

2. 清理构建产物

前面提到，git worktree remove 会删掉整个 worktree 目录，所以目录内的 SPM .build/ 缓存会一并清理。但 Xcode 的 DerivedData 不会被清理——它在全局目录 ~/Library/Developer/Xcode/DerivedData/ 里，每个 worktree 编译后都会留下一个条目。

以我的项目为例，两个 worktree 编译后的 DerivedData 条目加起来就有 39 GB：

1~/Library/Developer/Xcode/DerivedData/
2├── MyProject-abwbwhgd...  21 GB  ← 主仓库的
3├── MyProject-gqrqpoak...  18 GB  ← 某个 worktree 的
4└── ...
5

worktree 删了，但对应的 DerivedData 条目还在。时间一长这里会积攒大量无用缓存。

用 Worktrunk hook 自动清理：

如果你用了 Worktrunk，可以通过 hook 在删除 worktree 时自动清理 DerivedData。

这里的关键问题是：DerivedData 目录名是 项目名-<一段哈希>，这个哈希是根据 .xcodeproj 的完整路径用 MD5 生成的，没法直接从 worktree 路径推算出来。但好在每个 DerivedData 目录下都有一个 info.plist，里面的 WorkspacePath 字段记录了对应的项目路径：

1$ plutil -p ~/Library/Developer/Xcode/DerivedData/MyProject-gqrqpoak*/info.plist
2  "WorkspacePath" => "/Users/me/Projects/my-project.feature-A/MyProject.xcodeproj"
3

利用这一点，我们可以配一个 Worktrunk 的 post-remove hook，在 worktree 删除后自动清理对应的 DerivedData。

post-remove 阶段虽然目录已经被删了，但 Worktrunk 的模板变量（如 {{ worktree_path }}）仍然可用，它们引用的是被删除 worktree 的信息。

配置文件位置：

项目级：仓库根目录下的 .config/wt.toml
用户级（推荐，全局生效）：~/.config/worktrunk/config.toml

在配置文件中加上：

1[post-remove]
2clean-derived = """
3  grep -rl {{ worktree_path }} \
4    ~/Library/Developer/Xcode/DerivedData/*/info.plist 2>/dev/null \
5  | while read plist; do
6      derived_dir=$(dirname "$plist")
7      rm -rf "$derived_dir"
8      echo "Cleaned DerivedData: $derived_dir"
9    done
10"""
11

原理很简单：DerivedData 的 info.plist 是 XML 格式的纯文本文件，用 grep -rl 直接搜索包含当前 worktree 路径的 plist，找到了就删掉对应目录。

这不是 Worktrunk 的官方方案，是我根据 Xcode DerivedData 的目录命名机制写的自定义 hook。hook 中可以使用 Worktrunk 的模板变量，比如 {{ worktree_path }}（worktree 完整路径）、{{ repo }}（仓库目录名）、{{ branch }}（分支名）等，完整列表参考 Worktrunk hook 文档。另外注意模板变量会自动 shell-escape，不需要额外加引号。

这样每次执行 wt remove 时，只会精确清理这个 worktree 对应的 DerivedData，不会误删主仓库或其他 worktree 的编译缓存。

手动清理：

如果你没有用 Worktrunk 的话，那只能手动清理了。直接删掉对应的 DerivedData 目录即可（说起来容易做起来难，主要是难以找到对应的编译产物目录，所以我推荐用 Worktrunk，第一次配置麻烦一点，但之后省事）

1# 查看有哪些条目
2ls ~/Library/Developer/Xcode/DerivedData/
3# 删掉不需要的（根据名称和时间判断）
4rm -rf ~/Library/Developer/Xcode/DerivedData/MyProject-gqrqpoak*
5

3. 清理分支

删掉 worktree 并不会删除对应的分支。如果分支已经合并了、不再需要，记得顺手清理：

1# 删除本地分支
2git branch -d feature-A
3
4# 删除远程分支（如果 push 过的话）
5git push origin --delete feature-A
6

完整清理流程

总结一下，一个 worktree 用完后的标准清理流程：

使用原生 Git 命令：

1# 1. 回到主仓库
2cd ~/Projects/my-project
3# 2. 删除 worktree（目录 + SPM 缓存一起清理）
4git worktree remove ../my-project.feature-A
5# 3. 删除本地分支
6git branch -d feature-A
7# 4.（可选）清理对应的 DerivedData
8rm -rf ~/Library/Developer/Xcode/DerivedData/MyProject-<hash>
9# 5.（可选）如果之前手动删过目录，统一清理残留记录
10git worktree prune
11

使用 Worktrunk：

1# 1. 删除 worktree + 分支一步搞定
2wt remove feature-A
3# 2. DerivedData 通过 post-remove hook 自动清理（需提前配置）
4

如果配置了 post-remove hook，Worktrunk 会在删除 worktree 后自动执行清理脚本，连 DerivedData 都不用手动管。这也是我推荐用 Worktrunk 的原因之一——清理流程从 5 步缩减到 1 步。

七、用 GitHub Desktop 查看 Diff

Claude Code 在 worktree 里改了一堆代码，你怎么 review 呢？纯命令行 git diff 看大量改动还是挺累的。我本身是用 GitHub Desktop 来查看 diff，它对 worktree 的支持其实并没有那么好，但是免费。

第一次需要手动添加仓库

GitHub Desktop 不会自动识别 worktree 目录，你需要手动把它添加进来：

打开 GitHub Desktop
菜单 → File → Add Local Repository（或直接 ⌘O）
选择 worktree 所在的目录（比如 ~/Projects/my-project.feature-A/）

添加一次之后就会一直保留在列表里，下次直接切换就行。

日常使用

添加完之后，体验和普通仓库完全一样：

功能	说明
Changes 面板	实时查看 Claude 改了哪些文件
Diff 视图	逐行查看代码变更，高亮增删
History	查看 Agent 的提交历史
分支切换	在左上角切换不同的 worktree 仓库

如果你同时开了多个 worktree，可以在 GitHub Desktop 的仓库列表里快速切换，每个 worktree 都是独立的条目。这样一边让 Claude 在终端里写代码，一边在 GitHub Desktop 里实时看 diff，体验非常舒服。

八、其他实用工具

gwq：Worktree 管理 UI

当你的 worktree 越来越多（比如超过 10 个），手动管理就开始头疼了。这时候可以试试 gwq，它提供了一个模糊搜索的 UI 来管理 worktree：

1gwq list
2

运行后会弹出一个交互式的列表，你可以快速搜索、切换、删除 worktree。对于重度 worktree 用户来说挺方便的。

九、总结

最后总结一下这套方案的核心：

Git Worktree 让多个分支可以同时活跃，共享 Git 数据库，节省磁盘空间
Claude Code 在每个独立的 worktree 中运行，上下文隔离互不干扰
Worktrunk（wt） 简化了 worktree 的创建和管理，一行命令搞定
GitHub Desktop 免费查看 diff，手动添加一次 worktree 目录即可

整套方案搭下来，其实就这几个工具：

1Git + git worktree + wt + Claude CLI + GitHub Desktop
2

没什么复杂的配置，但效率提升确实很明显。尤其是在需要同时推进多个功能或修复的时候，并行开发的优势就体现出来了。

《Git Worktree / Worktrunk：并行 AI 开发工作流实战》是转载文章，点击查看原文。