YOHO AI

标签： 编程智能体

  • Poolside 把 Laguna S 2.1 甩了出来：西方现在最能打的开放权重编程模型

    一家叫 Poolside 的旧金山小实验室，周二把新模型 Laguna S 2.1 端上了台面。这事有意思的地方不在于它有多大，而在于它小到能塞进一台桌面级机器，却把好几款数倍于己的闭源模型比了下去。

    九周造出来的小钢炮

    Laguna S 2.1 总参数 1180 亿，但每次推理只激活 80 亿，上下文窗口拉到了 100 万 token。Poolside 说它从 5 月 22 日才开始预训练，用 4096 张 H200，不到九周就发布了。在长周期编程基准 Terminal-Bench 2.1 上拿到 70.2%，比 1.6 万亿参数的 DeepSeek-V4-Pro-Max（64.0%）和 5500 亿参数的英伟达 Nemotron 3 Ultra（56.4%）都高；SWE-Bench Multilingual 上它拿到 78.5%，SWE-Bench Pro 公开集 59.4%。不到三个月，Poolside 从 M.1 一路连发三款模型，节奏快得不像一家小实验室。

    我们在这版模型上做的，不是堆更多智能，而是改进那些通向更强模型的行为：更多验证、更少想当然、不早早宣告胜利，也更持久。 —— Poolside 应用研究联合负责人 Pengming Wang

    把权重敞开给人看

    最关键的一点是，它是开放权重的，发布当天就挂在 Hugging Face 上，采用 OpenMDW-1.1 许可，连 BF16、FP8、INT4 各种量化版本都给了。模型小到能跑在单台英伟达 DGX Spark 上，也就是说企业可以把高频的编程智能体任务从按量计费的 API 搬到自己掌控的硬件里。

    • 1180 亿总参数、每次只激活 80 亿，上下文窗口 100 万 token
    • 开放权重，发布即上 Hugging Face，可本地跑在单台 DGX Spark
    • 西方近一年来首个有竞争力的开放权重编程模型

    西方的开源空窗

    Poolside 把这个发布摆进了一个更大的叙事里：过去一年，开发者明显转向能下载、能审查、能在自家基础设施上跑的开放权重系统，而这一类里能打的几乎都来自中国实验室——DeepSeek、通义千问、Kimi、智谱、MiniMax、腾讯混元。西方上一次放出开放权重，还是去年 8 月 OpenAI 的 gpt-oss-120b。联合 CEO Jason Warner 的话很直白：西方需要能信任、能运行、能在其上构建的开放权重模型。

    顺带一提，Poolside 把评测的完整轨迹也公开了，算是给开放二字加了点诚意。对政府、国防这类高度监管的客户来说，能自托管意味着敏感代码和数据不出自己的环境，这正是 Poolside 这门生意的根基。

    Poolside Laguna S 2.1 模型发布
    Poolside 发布的 Laguna S 2.1 开放权重编程模型
    📎 原文来源：Poolside 发布 Laguna S 2.1
  • OpenHands：77.8K+ Stars，AI驱动的自动化软件开发平台

    OpenHands：77.8K+ Stars，AI驱动的自动化软件开发平台

    OpenHands - AI驱动的开发平台

    OpenHands：77.8K+ Stars，AI驱动的自动化软件开发平台

    ⭐ 77.8K+ Stars
    🐍 Python
    🔧 开源
    🏢 OpenHands社区

    📋 项目简介

    OpenHands 是一个开源的AI驱动开发平台，将各类AI编程代理（如OpenHands、Claude Code、Codex、Gemini等）转化为自托管的、常驻运行的工程团队，帮助开发者自动化各类开发任务。原名OpenDevin，已成为GitHub上最受欢迎的AI软件开发工具之一。

    🚀 核心功能

    🔌

    多后端支持

    默认运行自研的OpenHands开源代理，同时兼容所有支持Agent-Client Protocol (ACP)的第三方代理，包括Claude Code、Codex、Gemini等，无需适配即可接入。

    🔄

    灵活部署

    支持在同一个前端界面切换不同的代理运行后端，包括本地机器、Docker容器、虚拟机、企业自有基础设施、OpenHands官方云服务等。

    ⚙️

    自动化工作流

    支持创建定时任务、或响应Webhook事件的自动化流程，可集成Slack、GitHub、Linear、Notion等第三方工具。

    🤖

    模型兼容性强

    支持接入任意大语言模型（LLM），用户可以根据需求自主选择适配的模型，包括GPT、Claude、Gemini、DeepSeek等。

    🏠

    自托管能力

    默认在本地运行，也支持部署到云端服务器，代理可以在本地机器关闭后持续运行，方便对接第三方服务的触发请求。

    💻 安装要求和过程

    环境要求

    安装方式 前置要求
    无沙箱直接安装 Node.js 22.12.x+ 、uv 包管理工具
    Docker 沙箱安装 Docker环境（macOS/Windows用Docker Desktop，Linux用Docker Engine）
    源码安装 Node.js 22.12.x+ 、npm 、uv

    快速安装步骤

    方式一：无沙箱快速启动（适合本地测试）

    ⚠️ 注意：代理会直接访问本地文件系统

    npm install -g @openhands/agent-canvas
agent-canvas

    也可以拆分启动前后端：

    • 仅启动前端：agent-canvas --frontend-only
    • 仅启动后端：agent-canvas --backend-only

    方式二：Docker 沙箱安装（更安全）

    ✅ 代理仅能访问挂载的项目目录

    export PROJECTS_PATH="$HOME/projects"  # 替换为你的项目目录
mkdir -p "$PROJECTS_PATH" "$HOME/.openhands"

docker run -it --rm   -p 8000:8000   -v "$HOME/.openhands:/home/openhands/.openhands"   -v "${PROJECTS_PATH}:/projects"   ghcr.io/openhands/agent-canvas:1.0.0-rc.11

    Windows用户可参考仓库内的 README.windows.md 获取对应命令。

    方式三：源码安装

    git clone https://github.com/OpenHands/agent-canvas.git
cd agent-canvas
npm install
npm run dev

    🎉 启动后访问 http://localhost:8000 即可使用界面，也可以在界面内添加更多后端。

    🎯 典型使用场景

    场景一：日常开发任务自动化

    自动完成代码review、依赖更新、issue拆解等重复性工作，减少人工投入。例如：每晚自动检查依赖更新并创建PR，或自动review PR代码并给出建议。

    场景二：多环境代理管理

    团队共享云端代理处理公共任务，个人本地代理处理私有开发任务，在同一界面统一管控。例如：团队用云端代理处理CI/CD任务，开发者用本地代理进行私密项目开发。

    场景三：第三方工具联动

    GitHub收到新Issue时自动触发代理拆解任务，定时生成项目报告推送到Slack，实现开发流程自动化。支持与Slack、GitHub、Linear、Notion等工具集成。

    场景四：7×24小时任务运行

    部署到云端服务器后，代理可以在本地机器关闭后持续运行，满足异步任务、定时任务的需求。例如：每晚凌晨2点自动运行测试套件并生成报告。

    🏗️ 技术架构

    Agent Canvas整体由三部分组成，采用前后端分离的现代化架构设计：

    🎨 前端界面

    Agent Canvas 作为统一的管理入口，支持连接多个后端、创建自动化流程、管理代理任务。

    ⚙️ Agent Server

    REST API服务，负责在单台机器上运行多个代理，可通过 OpenHands/software-agent-sdk 扩展。

    🔄 Automation Server

    配合Agent Server使用，支持定时任务、事件触发类的自动化流程，源码位于 OpenHands/automation。

    核心特点

    • 🔒 安全可控：支持Docker沙箱隔离，避免代理直接访问宿主机文件系统
    • 📈 高扩展性：兼容ACP协议的任意代理，支持任意LLM接入，第三方工具集成门槛低
    • 🚀 部署灵活：支持本地、Docker、虚拟机、云端、企业基础设施等多种部署方式
    • 🌐 开源生态：项目完全开源，配套完整的开发文档、贡献指南、社区支持

    💡 推荐理由

    OpenHands（原OpenDevin）是我近期重点关注的AI软件开发工具，它的出现标志着AI从”辅助工具”演进为”自主执行”的重要转折点。以下是我推荐它的几个核心理由：

    ✅ 完整的企业级功能

    不同于简单的AI编程助手，OpenHands提供了完整的工程化能力：多代理编排、定时任务、Webhook触发、第三方工具集成等。它可以真正成为你的”AI团队成员”，而不仅仅是代码补全工具。

    ✅ 灵活的部署选项

    支持从本地测试到企业级部署的全场景覆盖。Docker沙箱模式既保证了安全性，又保留了灵活性。对于关心数据隐私的团队，可以完全自托管，不依赖任何第三方服务。

    ✅ 开放的生态系统

    通过ACP协议，OpenHands可以无缝接入几乎所有主流AI编程工具（Claude Code、Codex、Gemini、DeepSeek等）。这种开放架构避免了供应商锁定，让你可以根据任务和预算灵活切换模型。

    ✅ 活跃的开源社区

    截至2026年6月，OpenHands已获得77.8K+ Stars，拥有活跃的贡献者社区。活跃的社区意味着丰富的插件、快速的问题响应和持续的功能迭代。

    💬 个人使用心得：OpenHands最适合有一定技术基础的开发者或团队。如果你是个人开发者，可以从无沙箱模式快速上手；如果是企业用户，建议使用Docker沙箱或云端部署。它的学习曲线略陡，但一旦掌握，能显著提升开发效率。

    ⚖️ 与同类工具对比

    特性 OpenHands Cursor GitHub Copilot
    开源 ✅ 完全开源 ❌ 闭源商业 ❌ 闭源商业
    自托管 ✅ 支持 ❌ 不支持 ⚠️ 有限支持
    多模型支持 ✅ 任意LLM ⚠️ 有限支持 ⚠️ 主要OpenAI
    自动化工作流 ✅ 强大 ❌ 不支持 ❌ 不支持
    第三方工具集成 ✅ Slack/GitHub/Notion等 ❌ 不支持 ❌ 不支持

    📥 下载地址

    🌐 官方网站

    https://openhands.dev
    产品介绍、云服务、文档入口

    📚 官方文档

    https://docs.openhands.dev
    安装指南、API文档、开发手册

    💻 GitHub仓库

    github.com/OpenHands/OpenHands
    源码、Issue、PR、社区讨论

    🐳 Docker镜像

    ghcr.io/openhands/agent-canvas
    容器化部署，一键启动

    📦 快速安装

    npm install -g @openhands/agent-canvas
agent-canvas

    启动后访问 http://localhost:8000 开始使用

    🎬 结语

    OpenHands代表了AI辅助软件开发的新范式——从”代码补全”到”自主执行”。它不仅仅是一个编程助手，更是一个可以24/7工作的AI工程团队。无论你是个人开发者希望提升效率，还是企业团队需要自动化开发流程，OpenHands都值得一试。

    最重要的是，作为一个完全开源的项目，OpenHands避免了供应商锁定，让你可以完全掌控自己的开发工具链。在数据隐私日益重要的今天，这种自托管能力显得尤为珍贵。

    如果你对AI驱动的开发自动化感兴趣，不妨从本地测试模式开始，体验一下让AI成为你”工程团队成员”的感觉。🚀

    ⭐ 如果你觉得这篇文章对你有帮助，请在GitHub上给 OpenHands 点个Star！

    标签:
    #AI Agent ·
    #LLM ·
    #AI开源项目 ·
    #自动化

  • Claw Code：48k Stars！开源AI编程智能体框架，Claude Code架构的Python+Rust重写

    Claw Code：48k Stars！开源AI编程智能体框架，Claude Code架构的Python+Rust重写

    🚀 Claw Code：48k Stars！开源AI编程智能体框架，Claude Code架构的Python+Rust重写

    ······················


    Claw Code Logo

    ······················

    ## 📝 项目简介

    **Claw Code** 是一个开源AI编程智能体框架，它基于Python和Rust对Anthropic的Claude Code智能体架构进行了全新重写。这个项目诞生于2026年3月31日Claude Code源码意外泄露之后，由顶级开发者Sigrid Jin主导，通过”洁室重实现（Cleanroom Reimplementation）”的方式，创造了一个不依赖任何专有代码的开源替代品。

    核心亮点：48k+ GitHub Stars，GitHub历史上增长最快的开源项目之一，完全开源可审计，支持多种LLM提供商。

    ······················

    ## ⚙️ 安装要求和过程

    环境要求

    • Python环境：3.8+，支持pip包管理
    • Rust环境（可选）：如需使用高性能Rust核心
    • 操作系统：Windows/macOS/Linux全平台支持
    • 内存：建议8GB以上（处理大型代码库时）
    # 快速安装步骤

    # 1. 克隆仓库
    git clone https://github.com/deepelementlab/clawcode
    cd clawcode

    # 2. 安装Python依赖
    pip install -r requirements.txt

    # 3. （可选）构建Rust核心
    cd rust
    cargo build –release

    # 4. 运行Claw Code
    python src/main.py

    配置说明

    Claw Code支持多种LLM提供商，你需要配置相应的API密钥：

    • Claude：设置ANTHROPIC_API_KEY环境变量
    • OpenAI：设置OPENAI_API_KEY环境变量
    • 本地模型：配置Ollama或其他本地LLM端点
    ······················

    ## 🎯 核心功能

    1. 基于插件的工具系统

    内置19个权限可控工具，涵盖文件I/O、Shell执行、Git操作、网页抓取、Notebook编辑等能力。每个工具独立沙箱化，支持自定义访问控制，Rust层提供完整的JSON Schema定义。

    2. 自主智能体循环

    终端原生智能体，可自主读取整个代码库、编辑文件、执行命令、运行测试、操作Git，自主迭代直到任务完成。真正实现了AI从”对话”到”执行”的进化。

    3. 多智能体编排

    支持生成子智能体（内部称为”群体/swarms”）并行处理复杂任务。子智能体在隔离上下文运行，可共享内存访问，通过Agent工具可控制子智能体生命周期。

    4. MCP完整集成

    支持模型上下文协议（MCP），提供Stdio、SSE、HTTP、WebSocket、SDK、ClaudeAiProxy共6种传输类型。支持自动名称规范化、配置哈希和OAuth认证，可连接外部工具服务器。

    5. Rust高性能核心

    代码库中Rust占比72.9%（用于高性能运行时执行），Python占比27.1%（用于智能体编排和LLM集成）。正在推进dev/rust分支实现完全内存安全的高性能框架运行时。

    ······················

    ## 💡 典型使用场景

    场景1：自动化代码重构

    问题描述：你有一个大型遗留代码库，需要统一代码风格、更新弃用API、优化性能瓶颈。

    Claw Code解决方案：

    1. 启动Claw Code，让它读取整个代码库
    2. 给出指令：”重构所有Python文件，将print语句改为logging，添加类型注解”
    3. Claw Code自主分析代码结构，分批修改文件，运行测试验证
    4. 生成详细的重构报告，列出所有修改点和测试结果

    效果：原本需要3-5天的重构工作，现在可以在2-3小时内完成，且保证测试全部通过。

    场景2：快速原型开发

    问题描述：你需要快速开发一个REST API服务，但不想从零开始写脚手架代码。

    Claw Code解决方案：

    1. 给出需求描述：”创建一个FastAPI服务，支持用户注册、登录、JWT认证、CRUD操作”
    2. Claw Code自动生成项目结构、路由、模型、数据库连接代码
    3. 自动添加单元测试、API文档（OpenAPI/Swagger）
    4. 启动开发服务器，验证所有端点正常工作

    效果：一个完整的REST API原型从想法到可运行代码，只需要10-15分钟。

    场景3：代码审查和安全审计

    问题描述：你需要对一个开源项目进行安全审计，找出潜在的漏洞和隐患。

    Claw Code解决方案：

    1. 让Claw Code克隆目标仓库，读取所有源代码
    2. 给出指令：”审查代码中的安全漏洞，重点关注SQL注入、XSS、不安全的反序列化”
    3. Claw Code使用专门的子智能体并行分析不同模块
    4. 生成详细的安全审计报告，包含漏洞位置、风险等级、修复建议

    效果：原本需要安全专家花费1-2周的代码审计，现在可以在1天内完成初步分析。

    ······················

    ## 🌟 推荐理由

    为什么你应该关注Claw Code？

    1. 开源替代，告别订阅费

    官方的Claude Code需要Claude Pro/Max或Enterprise订阅，月费不菲。Claw Code完全开源免费，支持多种LLM提供商（包括免费的本地模型），让每一个开发者都能用上顶级的AI编程助手。

    2. 架构透明，安全可审计

    Claw Code是”洁室重实现”，不含任何Anthropic的专有代码。所有代码开源在GitHub上，你可以完全审计它的行为，确保没有后门或数据泄露风险。对于企业用户来说，这一点至关重要。

    3. 性能卓越，Rust加持

    Claw Code的Rust核心占比72.9%，这意味着关键路径的性能可以媲美C++。相比纯Python实现的AI工具，Claw Code在处理大型代码库、并行执行任务时，速度提升显著。

    4. 生态丰富，MCP加持

    Claw Code完整支持MCP（模型上下文协议），可以连接数百个外部工具服务器。无论是数据库、API、文件系统，还是专门领域工具，都可以通过MCP集成到Claw Code中。

    5. 社区活跃，迭代迅速

    Claw Code的GitHub仓库有2100+个开放议题，335个关注者，56k+个Forks。社区非常活跃，每天都有新的PR和Issue，项目迭代速度极快。你遇到的问题，通常几天内就能得到修复。

    个人使用心得：我试用Claw Code已经两周了，最大的感受是——它真的能”理解”你的代码库。不像其他AI助手只能看到当前文件，Claw Code可以读取整个项目，理解模块之间的依赖关系，给出的建议非常精准。特别是多智能体编排功能，处理复杂任务时效率惊人。

    ······················

    ## 📥 下载地址

    官方链接

    快速开始

    # 一键安装（Linux/macOS）
    curl -fsSL https://claw-code.codes/install.sh | bash

    # 或者使用pip安装
    pip install claw-code

    # 启动Claw Code
    claw-code

    ······················

    Claw Code —— 让AI真正成为你的编程伙伴，而不是简单的代码补全工具。🚀
    如果你喜欢这个项目，记得去GitHub上点个Star支持开发者！