YOHO AI

标签： 代码编辑器

  • Zed：用 Rust 重写的高性能 AI 代码编辑器，86.6K Stars 让 VS Code 也坐不住了

    Zed：用 Rust 重写的高性能 AI 代码编辑器，86.6K Stars 让 VS Code 也坐不住了

    Zed 代码编辑器

    项目简介：Zed 是由 Atom 与 Tree-sitter 创始人 Nathan Sobo 团队打造的高性能、多人协作代码编辑器，用 Rust + GPU 加速实现极致流畅的编码体验，并原生集成了 AI 助手与智能体能力。

    📦 安装要求与过程

    环境要求

    • 操作系统：macOS 10.15+ / Linux（glibc 2.28+）/ Windows 10+
    • 架构：x86_64 与 arm64 均支持
    • 零额外依赖：自带 GPUI 渲染引擎，无需预装 Node 或 Electron

    快速安装

    • macOS：brew install --cask zed
    • Windows：Microsoft Store 或 winget install Zed.Zed
    • Linux：官网提供 .deb / .rpm / AppImage，或参考 Linux 安装文档
    • 通用：访问 zed.dev/download 直接下载安装包

    如需从源码构建，克隆仓库后执行 cargo run 即可（需 Rust 工具链）。详见各平台 开发文档。

    ⚡ 核心功能

    1. 极速编辑体验：Rust 编写 + GPU 渲染，多光标编辑、百万行大文件秒开，输入延迟低至亚毫秒级，彻底告别卡顿。
    2. 原生多人协作：实时共同编辑、跟随模式（follow）、内置语音频道，无需安装插件即可远程结对编程。
    3. AI 深度集成：内置 Agent 面板、内联补全（Inline Assistant）与命令面板 AI，支持 OpenAI / Anthropic / Ollama 等自定义模型。
    4. Agent Panel 智能体：让 AI 在编辑器内直接读写文件、运行命令、多步迭代修改代码，把编码助理变成真正的协作者。
    5. 基于 GPUI 框架：自研 UI 框架，扩展能力强；配合 Tree-sitter 实现精准的语法高亮与增量解析。

    🎯 典型使用场景

    • 团队结对编程：多人实时共编 + 内置语音，分布在不同城市的同事协作如坐同一间办公室。
    • AI 辅助开发：用 Agent Panel 让 AI 完成函数重构、生成单元测试、解释复杂模块，效率翻倍。
    • 大型项目快速导航：在海量代码库中秒级全局搜索与跳转，老旧大型工程也能流畅编辑。

    💡 推荐理由

    我实际体验过 Zed，最深的感受就是两个字——「丝滑」。打开几十 MB 的日志文件、全局搜索几乎零等待；它的 AI 能力不是外挂插件，而是编辑器原生的一部分，Agent Panel 真能在编辑器里完成多步任务、自己改文件跑命令。对于受够编辑器卡顿、又想要「AI 就在手边」的开发者，Zed 非常值得一试。2026 年 4 月它已发布 1.0 正式版，稳定性和生态都在快速成熟。

    🔗 下载地址

    本文由自动化工作流整理发布 · 许可证：GPL-3.0-or-later（含 Apache-2.0 组件）

  • OpenCode：16.8万 Stars！开源AI编程代理，让终端成为你的AI结对程序员

    OpenCode：16.8万 Stars！开源AI编程代理，让终端成为你的AI结对程序员

    OpenCode 特色图
    OpenCode — 开源AI编程代理（168K Stars）

    📌 项目简介

    OpenCode 是一款开源AI编程代理（Coding Agent），由 anomalyco 团队开发，目前已在GitHub上获得 16.8万枚Star。它可以将你选择的AI模型直接转化为一个能够理解代码库、自主执行开发任务的编程助手——支持全权限的 build 模式用于日常开发，也提供只读的 plan 模式来安全地探索陌生代码库。OpenCode 同时提供命令行工具与跨平台桌面端，让AI编程真正触手可及。

    ⚙️ 安装要求和过程

    环境要求

    • 支持 macOS / Linux / Windows 三大平台
    • 需要已配置好的AI模型API（支持OpenAI兼容接口，可对接Claude、GPT、DeepSeek等）
    • Node.js 18+（使用npm/pnpm安装时）
    • 或直接下载桌面端（无需Node.js环境）

    快速安装（推荐方式）

    # 方式1：一键安装脚本（macOS/Linux）

    curl -fsSL https://opencode.ai/install | bash

    # 方式2：npm（跨平台）

    npm i -g opencode-ai@latest

    # 方式3：Homebrew（macOS/Linux）

    brew install anomalyco/tap/opencode

    # 方式4：Windows（Scoop）

    scoop install opencode

    # 方式5：下载桌面端（推荐普通用户）

    访问 https://opencode.ai/download 下载对应系统安装包

    初次配置

    安装完成后，运行 opencode 启动，按提示配置AI模型API密钥即可开始使用。

    🚀 核心功能

    ① 双模式代理切换

    按 Tab 键即可在 build（全权限开发模式）和 plan（只读分析模式）之间切换。build模式适合日常编码，plan模式则会在修改文件、执行命令前请求确认，非常适合探索陌生代码库或规划大型重构。

    ② general子代理：复杂多步任务

    通过在消息中 @general 即可调用通用子代理，专门处理需要多轮搜索、跨文件分析、多步骤协作的复杂任务。它会在后台自主规划并执行，完成后汇报结果。

    ③ 跨平台桌面端（Beta）

    提供 macOS（Intel + Apple Silicon）、Windows、Linux 的桌面端安装包，内置完整的AI代理能力，同时支持 VS Code SDK 集成。桌面端提供可视化的会话管理、文件预览和代理状态监控，大幅降低了使用门槛。

    ④ 多模型支持 & 社区生态

    支持所有 OpenAI 兼容接口（Claude、GPT、DeepSeek、Gemini 等），可通过环境变量灵活切换。官方 Discord 和 X 社区活跃，有专门的技能分享频道，用户可以提交自己的 Claude Skills 来增强代理能力。

    🔬 典型使用场景

    场景1：快速理解和修改陌生代码库

    刚接手一个开源项目，按下 Tab 切换到 plan 模式，让 OpenCode 分析代码库结构、梳理核心逻辑。它会生成详细的架构说明，并在不修改任何文件的前提下给出重构建议。确认方向后切换回 build 模式执行修改，安全又高效。

    场景2：日常功能开发与Bug修复

    在 build 模式下，直接用自然语言描述需求：”添加一个用户导出数据的API接口，需要鉴权”。OpenCode 会自动分析现有代码风格和路由结构，生成符合项目规范的代码，并同步更新相关测试用例。整个过程无需手动创建文件或查找文档，AI代理全程搞定。

    场景3：团队协作中的代码审查辅助

    在 review PR 前，让 OpenCode 先做一次自动化审查：检查代码规范、发现潜在 bug、评估性能影响。它能在几分钟内完成人工需要半小时才能做完的审查工作，并将结果整理成结构化的评论建议，大幅提升团队 code review 效率。

    💡 推荐理由

    作为近期 GitHub Star 增长最快的AI编程项目之一（28天内新增超过1000+ Star），OpenCode 最打动我的是它对「安全与效率平衡」的设计理念——plan 模式让你可以放心地把AI代理指向任何代码库，不用担心它在只读分析时误操作；build 模式则通过细粒度的权限确认，让你始终掌控每一次文件修改和命令执行。

    相比 Cursor、GitHub Copilot 等商业产品，OpenCode 完全开源（MIT协议），你可以自由定制、本地部署，甚至接入自己的私有模型。对于注重数据隐私的团队，或者想要深入理解 AI Coding Agent 工作原理的开发者，这是一个不可多得的优秀项目。

    另外，它的多语言 README（含简体中文）和活跃的 Discord 社区也让入门门槛大大降低。如果你正在寻找一个既能用又能学的开源AI编程工具，OpenCode 绝对值得一试。

    📥 下载地址

    官网：https://opencode.ai
    |
    下载页：https://opencode.ai/download

    GitHub：https://github.com/anomalyco/opencode
    |
    文档：https://docs.opencode.ai

    ⭐ 截至2026年6月，GitHub Star数：168,000+

    本文由 WorkBuddy AI 自动采集撰写，内容来源于项目公开资料，欢迎在评论区分享你的使用体验！