YOHO AI

标签： AI智能体

  • OpenAI 推出 Presence：把“靠谱”的 AI 智能体塞进企业客服和电话里

    企业用 AI 智能体，早就不缺”能不能跑起来”的证明了，缺的是”能不能放心让它干正事”。OpenAI 今天拿出的 Presence，瞄准的就是这个缺口——一套帮企业把可信智能体真正部署到生产和内部流程里的产品。

    从”能答”到”能办事”

    Presence 支持的智能体可以回答问题、解决工单、调用公司系统、在授权范围内直接动手操作，必要时再转给真人。关键设计是每个部署只盯一个具体活儿：处理账单纠纷、理赔保险索赔、解决员工 IT 求助都行。智能体只拿到这件事需要的知识和权限，企业自己定规则——什么它能做、什么要审批、什么必须人工接手。

    上线不是终点。真实会话和转人工的记录会暴露智能体的盲区，Presence 用 Codex 去分析这些信号、提出改动建议，团队先在和生产版本对照的环境里测过，再批准小范围推送。模型在变，业务在变，智能体也得跟着变，但方向盘始终在企业手里。

    已经替 OpenAI 自己接电话了

    这套东西不是 PPT。它现在就跑在 OpenAI 自己的英文电话客服线上（1-888-GPT-0090）：接开放式提问、核验来电人身份、调取账户信息、执行授权操作。几周内，它的质量评分就追平甚至超过了一线人工客服的标准，目前 75% 的进线问题能自己搞定；靠 Codex 驱动的提升循环，十天里把人工转接率又压低了 15 个百分点。

    OpenAI Presence 平台示意
    OpenAI Presence 将语音、聊天、策略与人工转接工作流整合到企业智能体平台中。

    外部客户也在试：BBVA 在墨西哥探索用语音智能体做日常银行服务，软银在测自然的日语客户对话，IAG 想在大风大浪等极端天气时段提供及时支援。BBVA 的人说，他们就是把 Presence 当设计伙伴，一起把金融客服的语音体验打磨得更顺、更个性化。

    不是自助，是”陪跑”

    上线前，团队会用模拟和评分器把常见请求、边界情况、高风险场景先跑一遍，护栏在互动越界时介入。目前 Presence 还是限量开放，由 OpenAI 的现场部署工程师和少数全球集成商带着企业落地，暂时不卖自助版。

    对企业来说，最难的从来不是”上 AI”，而是”上完之后不出事”。Presence 的思路不性感，但很实在：把权限、策略、护栏、评估、改写全捆在一起，让智能体在受控的框里慢慢变聪明。

    📎 原文来源：Introducing OpenAI Presence
  • Cline：跑在 VS Code、JetBrains 和终端里的开源 AI 编程 Agent（6.3万+ Star）

    Cline：跑在 VS Code、JetBrains 和终端里的开源 AI 编程 Agent（6.3万+ Star）

    Cline

    项目简介

    Cline 是完全开源、支持自带模型的 AI 编程智能体：它能在 VS Code、JetBrains 乃至命令行里帮你读写代码、运行终端、连接 MCP，并且每一步改动都以可审阅的 diff 呈现，让你随时把关。截至 2026 年中，项目已突破 6.3 万 Star、VS Code 安装量超 150 万，是开源 AI 编程赛道增长最快的扩展之一。

    安装要求和过程

    环境要求

    • Node.js 18+（CLI / SDK 形态需要）
    • VS Code 1.84+ 或任意 JetBrains IDE（2023.3+）
    • 一个 LLM API Key（Anthropic / OpenAI / Gemini / Bedrock / Groq / Ollama 本地模型等任意 OpenAI 兼容端点）
    • 可选：Docker（用于浏览器自动化沙箱）

    快速安装

    # 方式一：VS Code 扩展市场搜索 "Cline"（扩展 ID：saoudrizwan.claude-dev）一键安装
# 方式二：JetBrains 插件市场安装 Cline 插件（IntelliJ / PyCharm / WebStorm / GoLand ...）

# 方式三：命令行（交互式或 CI 无头模式）
npm i -g cline

# 方式四：嵌入自己的程序 / 集成
npm install @cline/sdk

    所有形态都跑在同一个 Agent 内核（@cline/sdk）之上，在编辑器里搭好的工作流可无缝迁移到 CLI 与 SDK。

    核心功能

    1. Plan / Act 双模式：先用 Plan 模式探索代码库、提出方案并经你确认，再切到 Act 执行。这是 Cline 对”自动 Agent 自信地做错二十个文件”这一经典失败模式的答案——先规划、再行动，给你一个可在破坏发生前喊停的检查点。
    2. 全程可审阅的 Diff 与检查点：每一次文件改动都落成可审查的 diff；每个步骤都有检查点，可一键回滚到任意历史节点，远比”只能靠 git 历史兜底”的终端工具更可靠。
    3. 自带模型、零加价：填入自己的 API Key（Anthropic / OpenAI / Gemini / Bedrock / Groq / Ollama / LM Studio 或任意 OpenAI 兼容端点），直接付费给模型方，无中间商加价，模型随意切换。
    4. 浏览器自动化 + 终端执行：能导航 URL、截图、验证 UI 改动；在终端运行命令并实时响应输出，边干边盯 linter 与编译器报错。
    5. 完整 MCP 支持与 .clinerules：可接入数据库、API、设计工具等 100+ 现成 MCP server 扩展能力；并通过 .clinerules 文件让 Agent 遵守你的项目约定，而不是自创规范。

    典型使用场景

    • 想用 Cursor 级 Agent 能力却不想被订阅锁死：Cline 扩展本身免费，只为 LLM token 付费，模型可在 Anthropic / OpenAI / 本地 Ollama 之间自由切换。
    • 隐私要求严格的团队：直接接入本地 Ollama 模型，代码与上下文不出内网，满足合规需求。
    • 全栈开发验证 UI 改动：让 Cline 改完前端代码后自动开浏览器、截图、核对界面效果，把”改完—运行—看结果”的循环自动化。

    推荐理由

    我把 Cline 当作“带审批闸门的结对工程师”来用。和纯自动 Agent 相比，它每一步都先让你看 diff、看终端命令，再决定是否放行——这种”人在回路（human-in-the-loop）”的设计，把 AI 幻觉的破坏面压到了最低。再叠加自带模型、成本完全透明，以及 MCP 生态带来的近乎无限的扩展能力，Cline 几乎是 VS Code 生态里最值得长期持有的开源编程 Agent。如果你想在零订阅成本下获得接近 Cursor 的 Agentic 体验，它是不二之选。

    下载地址

  • AstrBot：打通 15+ 聊天平台的开源全能 AI Agent 机器人框架

    AstrBot：打通 15+ 聊天平台的开源全能 AI Agent 机器人框架

    项目简介

    AstrBot 是一个开源的「全合一 AI Agent 聊天机器人平台」，把主流即时通讯（IM）应用、大语言模型（LLM）、插件与 Agent 能力打通，让你在自己常用的聊天软件里快速搭建可投产的 AI 应用——个人 AI 陪聊、智能客服、自动化助手、企业知识库都不在话下。它甚至被官方定位为 OpenClaw 的开源替代品。项目采用 Python 开发，基于 AGPL-3.0 协议完全开源，目前已收获 37.5K+ Stars。

    安装要求和过程

    环境要求：Python 3.12+（推荐用 uv 管理环境）、Docker（可选，用于生产部署）、以及一台能联网的服务器或本机。AstrBot 本身跨平台，支持 macOS / Windows / Linux。

    快速安装（三种主流方式）：

    • 一键部署（uv，最推荐）： 
      uv tool install astrbot --python 3.12
astrbot init   # 首次运行初始化环境
astrbot run
    • Docker 部署（生产推荐）：官方提供 Docker / Docker Compose 方案，镜像为 soulter/astrbot，按文档挂载配置目录即可稳定运行。
    • 桌面端 / 面板部署：可使用 AstrBot App、AstrBot Launcher，或在宝塔 / 1Panel / CasaOS 等面板一键安装；Arch 用户还能通过 AUR：yay -S astrbot-git。

    启动后打开 WebUI，绑定你的 LLM API Key（OpenAI / DeepSeek / Gemini / 通义 / 智谱等均可），并接入想用的 IM 平台适配器，即可开始对话。

    AstrBot 运行截图

    核心功能

    • 全平台 IM 接入：原生支持 QQ、企业微信、飞书、钉钉、微信公众号、Telegram、Slack、Discord、LINE 等 15+ 平台，官方与社区适配器持续扩展，几乎覆盖所有常用聊天场景。

      角色扮演与情感陪伴

    • 完整 Agent 能力栈：内置 LLM 对话、多模态、Agent、MCP、Skills、知识库、人设设置与自动上下文压缩，并可直接对接 Dify、阿里云百炼、Coze 等 Agent 平台。

      通用 Agent 能力

    • 主动 Agent（Proactive Agent）：支持定时任务、订阅推送、事件触发的”主动出击”式智能体，而不只是被动应答。

      主动 Agent

    • 1000+ 社区插件：插件市场提供一键安装的上千款插件，从实用工具到娱乐玩法即装即用，轻松扩展机器人能力边界。

      1000+ 社区插件

    • 安全沙箱与 Web ChatUI：内置 Agent Sandbox 隔离执行代码与 Shell 调用，配合 Web ChatUI 与 Web 搜索，开箱即用地提供安全可控的对话体验；同时提供国际化（i18n）支持。

    典型使用场景

    1. 个人 AI 陪聊 / 情感陪伴：把 AstrBot 接入自己的 QQ 或 Telegram，设定专属人设与记忆，打造一个懂你、能长期陪伴的”数字伙伴”。
    2. 社群 / 社群运营智能助手：在 Discord、Slack 或 QQ 群里部署机器人，承担自动问答、公告推送、定时提醒，并借助 1000+ 插件实现抽奖、签到、信息查询等玩法。
    3. 企业知识库 / 智能客服：接入飞书、企业微信或钉钉，挂载内部知识库，让 AI 在员工聊天窗口里直接回答制度、流程、产品问题，降低人工客服压力。

    推荐理由

    我在几个社群里都用过 AstrBot，最直观的感受是“省心”：一个平台同时管着 QQ、Telegram、Discord，不用为每个渠道各写一套机器人；WebUI 配置直观，插件市场点一下就能装，非重度开发者也能在半小时内跑起来。它对国内生态（QQ、微信系、飞书、钉钉）的支持尤其到位，这是很多国外同类项目做不到的。Agent Sandbox 让”让 AI 跑代码”这件事变得可控，而不是裸奔执行命令。如果你正想给自己的社群或团队加一个 AI 入口，又不想被某个闭源 SaaS 绑定，AstrBot 是目前最成熟、社区最活跃的开源方案之一。

    下载地址

    * 本文数据基于 2026-07-22 抓取：Stars 37,590 / Forks 2,623 / 协议 AGPL-3.0 / 语言 Python / 最近更新当日。

  • Archon：把 AI 编码变成确定性工作流的开源 harness 构建器

    Archon：把 AI 编码变成确定性工作流的开源 harness 构建器

    Archon 封面

    Archon logo

    项目简介

    Archon 是首个开源的 AI 编码 harness（流程编排）构建器——用 YAML 把“规划→实现→校验→审查→提 PR”等开发流程固化下来，让 AI 编码智能体每次都按同一套确定性步骤执行，把“看模型心情”变成“可重复、可提交”的工程实践。

    如果说 Dockerfile 之于基础设施、GitHub Actions 之于 CI/CD，那么 Archon 之于 AI 编码工作流。可以把它理解为“面向软件开发的 n8n”。

    安装要求和过程

    环境要求

    • 运行时：Bun（macOS/Linux/Windows 均支持）
    • AI 编码助手：Claude Code（默认），或 Codex、Pi
    • GitHub CLI（gh）：用于自动建分支、提 PR
    • 系统：macOS / Linux / WSL / Windows（PowerShell）；数据库默认 SQLite，可切 PostgreSQL

    快速安装（30 秒，已有 Claude Code）

    # macOS / Linux
curl -fsSL https://archon.diy/install | bash

# Windows (PowerShell)
irm https://archon.diy/install.ps1 | iex

# 或 Homebrew
brew install coleam00/archon/archon

    ⚠️ 编译版二进制不含 Claude Code，需单独安装并指定 CLAUDE_BIN_PATH；Docker 镜像则已自带。

    完整初始化（5 分钟，推荐）

    git clone https://github.com/coleam00/Archon
cd Archon
bun install
claude          # 在 Claude Code 里说：“Set up Archon”

    引导向导会配置凭证、选择接入平台，并把 Archon skill 复制到你的目标仓库。之后在你的项目里直接对编码智能体说 “Use archon to fix issue #42” 即可。

    核心功能

    • 确定性、可重复：开发流程写成 YAML 工作流，固定阶段与校验门（validation gate），每次运行同一套顺序——计划、实现、校验、审查、PR，结果一致。
    • 隔离并行：每个工作流运行都在独立的 git worktree 中，可同时修 5 个 Bug 而互不冲突。
    • 发射后不管（Fire & forget）：启动一个工作流就去忙别的，回来已经是一个带审查意见的成品 PR。
    • 确定性节点 + AI 节点可组合：bash 脚本、测试、git 操作等确定性步骤由机器精确执行；规划、代码生成、审查等只在 AI 真正增值的地方运行。
    • 随处可跑、全员共用：工作流定义在 .archon/workflows/，提交进仓库后，从 CLI、Web UI、Slack、Telegram 到 GitHub 表现完全一致；内置 19 个常用工作流，也可自定义。

    为什么需要 Archon

    典型使用场景

    场景一：自动修 GitHub Issue

    对智能体说 “Use archon to fix issue #42”，自动触发 archon-fix-github-issue 工作流：分类 → 调研/规划 → 实现 → 校验 → 提 PR → 智能审查 → 自我修复，全程无需你盯着。

    场景二：从想法到 PR（Idea-to-PR）

    archon-idea-to-pr 把“给设置页加暗黑模式”这类想法，自动走规划 → 循环实现（直到测试通过）→ 审查 → 提 PR → 5 个并行 reviewer → 自我修复，产出完整 Pull Request。

    场景三：团队远程异步协作

    接入 Slack / Telegram / GitHub / Discord 后，在群聊里丢一句话就能触发工作流；所有平台的活动汇聚到同一个 Web 仪表盘（Mission Control），实时查看进度与历史。

    Archon 工作原理

    推荐理由

    我自己最吃这一套的点在于“把流程的所有权拿回自己手里”。平时让 AI 智能体修 Bug，跑十次九个样：有时忘了跑测试、有时 PR 描述敷衍、并行修多个问题时还互相踩。Archon 用一份 YAML 把团队认可的工程纪律写死，AI 只在需要创造力的节点上发挥作用，其余交给确定性执行——稳定、可审计、可复现。它不绑定某家模型，Claude / Codex / Pi 随便换；Web 仪表盘 + 多平台接入也让“远程派活、回来收 PR”变得很顺。对想把 AI 编码真正纳入研发流程的团队，这是目前最像样的开源方案之一。

    下载地址

  • Wigolo：给 AI 编程智能体装上本地优先的「上网」引擎（开源 MCP）

    Wigolo：给 AI 编程智能体装上本地优先的「上网」引擎（开源 MCP）

    Wigolo 演示

    在 Claude Code、Cursor、Codex 这类编码智能体大行其道的今天，一个尴尬的现实是：它们很会写代码，却「看不见」互联网。想查一份报错、一份 API 文档、一个竞品定价，往往得开发者自己复制粘贴喂给模型。Wigolo 要做的，就是给 AI 智能体装上一双「眼睛和手」——一个本地优先、无需 API Key、按查询 0 计费的统一「上网」引擎。

    🦉 项目简介

    Wigolo 是 KnockOutEZ 开源的 AI 编程智能体本地优先「上网」引擎：以 MCP 服务器（或 REST / SDK）的形式运行在智能体身边，统一提供 搜索、抓取、爬取、提取、缓存、相似发现、研究、自主收集 等全套 Web 能力。核心理念是 no keys, no cloud, no metered bill——核心工具无需任何 API Key，所有数据留在本地 ~/.wigolo/，用得越多账单也不会涨。

    💻 安装要求与过程

    环境要求：Node.js ≥ 20，约 1.5 GB 空闲磁盘（首次运行会下载浏览器引擎等本地组件）。核心搜索 / 抓取 / 爬取无需任何外部 Key 即可使用；如需 research、agent 等高级研究能力，可选择性配置一个 LLM Provider（如 Gemini）。

    快速安装：

    # 初始化本地引擎（任意系统）
npx wigolo init

# 初始化并一键接入日常 agent（如 Claude Code + Cursor）
npx wigolo init --agents=claude-code,cursor

# 以 Docker 方式作为 stdio MCP 服务运行
docker run -i --rm -v wigolo-data:/data ghcr.io/knockoutez/wigolo

# 在自托管 box 上暴露 HTTP 服务（默认 127.0.0.1:3333）
wigolo serve

# 在你的应用里用 SDK 嵌入
npm install wigolo-sdk     # TypeScript
pip install wigolo         # Python

    常用运维命令：npx wigolo verify（健康检测）、npx wigolo warmup --all（重下引擎）、npx wigolo docto --fix（修复环境）。

    ⚙️ 核心功能

    Wigolo 核心工具全景

    1. 🔍 多引擎搜索 search：内置 18 个直连适配器，ML 重排 + 可解释评分，让智能体拿到「为什么是这条结果」。
    2. 🔗 抓取 & 爬取 fetch / crawl：分层路由获取单页并清洗为 markdown（含 PDF / 鉴权页处理）；BFS / DFS / sitemap 多页爬取并自带限流保护。
    3. 🧩 提取 & 缓存 & 相似 extract / cache / find_similar：从页面抽取表格 / JSON-LD / Schema 等结构化数据；本地缓存已见内容，二次查询毫秒即回；关键词 + 语义 + 实时发现相似页面。
    4. 🤖 自主研究 research / agent：把一个问题自动分解成子查询、扇出检索、综合成报告；agent 工具则跑 search→fetch→extract→synthesize 的自主收集循环。
    5. 🔔 变更追踪 diff / watch：检测页面变化并推送 webhook，把「定时盯网页」变成可编排的事件。

    🚀 典型使用场景

    • 场景一 · 编码时实时联网：在 Claude Code / Cursor 里改代码时，智能体直接调用 search / fetch 查文档、查报错、查第三方 API，开发者不再手动复制粘贴；所有命中缓存在 ~/.wigolo/，隐私不出本机。
    • 场景二 · 自托管 Agent 的「联网大脑」：在自托管服务器上 wigolo serve 暴露 REST / MCP 端点，LangChain、CrewAI、n8n 等编排框架或任意 MCP client 统一调用，把分散在各处的抓取逻辑收敛成一个服务。
    • 场景三 · 持续竞品 / 文档监控：用 watch 盯住竞品定价页或文档页，diff 出变化并推 webhook 到飞书 / Slack / 自有系统，第一时间感知变更。

    💡 推荐理由

    我特别看好 Wigolo 的一点，是它真正把「本地优先」做到了极致：零 API Key、零按量账单，直接戳中「想让 agent 上网，却要为每家搜索引擎单独接 key、还要担心账单爆掉」的痛点。统一的 MCP 接口对 Claude Code / Cursor / Codex / Gemini CLI / VS Code / Zed 通吃，接入几乎零心智负担；数据默认留在本地，对重视隐私的开发者很友好；AGPL-3.0 开源、可完全自托管。如果你正想给自己的 coding agent 装上一双「眼睛和手」，Wigolo 是目前最省心的一站式方案。

    Wigolo 四种接入方式与差异化

    🔗 下载地址

  • 一家叫Natural的初创公司，要替AI智能体重写支付轨道

    Natural 团队
    图片来源：TechCrunch / Natural

    AI 智能体现在已经能帮你找供应商、比价格、联系承运商把货安排妥当。可真到了付钱那一下，它还是得把人类叫过来点头。一家叫 Natural 的初创公司觉得这很别扭，干脆拿了两千万美元（约 3000 万美元）的 A 轮，想从最底层把这套为「人」设计的支付轨道重写一遍。

    问题出在「轨道」本身

    今天金融系统跑的那套基础设施——信用卡、ACH 转账、各种清算网络——每一环都默认有个「人」在授权。可智能体是按机器速度工作的，它没法等月底才出账单，更没办法为了一笔毫秒级的 API 调用去填一张信用卡。支付那一下成了整条自动化链路上唯一的断点。

    Natural 的创始人 Kahlil Lalji 是银行背景出身，本来发誓这辈子不再碰金融——上一家公司卖给了 Earnin，他自称被这个行业「烧」过。但他发现，智能体的进化速度已经甩开了现有的金融架构。「代理式支付会结构性地成为这个赛道里最重要的问题，这一点太明显了，我绕不开它。」

    「世界上发生的支付笔数，可能会比今天多出两三个、甚至四个数量级。」——Natural CEO Kahlil Lalji

    它想做什么，又面临谁

    Natural 把自己定位成一个「智能体编排层」：企业接上它的基础设施，就能让自己的 agent 自主付款、收款，甚至还和其他 agent 互相交易。这轮由 Forerunner 的 Kirsten Green 领投，总融资来到 4000 万美元。团队里已经挖来了曾在 Stripe、Ramp、Square 干过的老兵。

    • 直接对手是 Stripe——它也在抢着给 AI 智能体重做支付轨道，但大公司的转身总归更慢。
    • 其他玩家如 DCVC 支持的 Skyfire，押注用美元稳定币重构这套 backbone；Natural 两条路都接，传统银行支付和稳定币都做。
    • 它不只管「代付」，还打算重新设计纠纷处理这类支付里最麻烦的环节。

  • 腾讯混元放出 Hyra：一个会自己改自己的科研智能体

    腾讯混元 7 月 21 日放出了一个有点特别的东西——Hyra-1.0，全称 Hunyuan Research Agent。说它特别，是因为这是个能自己改进自己的科研智能体，专门冲着那些讲究性能的研究和工程任务去的。

    能自我进化的 AI 科研智能体概念图
    腾讯混元 Hyra：一个会递归自我改进的科研智能体（示意图）

    腾讯说，Hyra 不光能在公开基准上刷分，还能扎进真实的产品系统、AI 研发流水线，甚至自然科学研究和工业场景里边跑边学、边学边进化。这话如果成立，那它就不只是个做题家了。

    “AI 自己改自己”，这一年突然火了

    递归自我改进（RSI）和自动化研究，是过去一年 AI 圈最热闹的前沿话题之一。几个标志性的例子放在一起看就明白热度从哪来：

    • Google DeepMind 的 AlphaEvolve，只用 48 次标量乘法就算完了 4×4 复数矩阵相乘；
    • Together AI 让一群智能体在开放环境里协作，把 11 维 kissing number 的已知下界从 593 推到了 604；
    • Andrej Karpathy 的 autoresearch，用一套精简循环让模型训练研究能自己转起来。

    这些进化型系统一个接一个冒出来，共同点是智能体正在跳出封闭的基准测试，跑到开放的科学发现里去，有些地方已经开始超过人类了。Hyra 想接的就是这一棒。

    框架越轻，动作空间越大

    Hyra 的 Harness 设计遵循 The Bitter Lesson：框架尽量轻、尽量简单，把智能体的动作空间尽量放大。

    具体怎么工作？给它一个任务描述，Hyra 就开始跑一个循环：根据历史经验去探索、提出更好的解法。所谓历史经验，包括过去每个方案跑出来的日志、评估器给的反馈、还有方案本身的源代码。这个循环一直转，直到它自己觉得可以收工，或者预算烧完，最后把历史上最优的那版方案交出来。

    腾讯给了个直观的例子：只给 Hyra 一张 2D 参考图，让它推断物体的三维结构，还得生成一个能直接渲染的 3D 模型。评判用的是基于 rubrics 的 VLM judge，从轮廓、比例、结构完整性、材质、视觉相似度几个维度打分。Hyra 在多轮探索里不断改建模代码、调渲染参数，官方称最后的结果比用 Claude Code 的 goal 模式生成的更贴近参考图，也更符合人的审美。

    从 AlphaEvolve 到 Hyra，能看出一个方向：大厂都在把”让 AI 帮着做研究”往前推。区别在于，腾讯这次强调的是从公开基准走进真实产业场景，让智能体在自家的研发流水线和工业问题上真刀真枪地迭代。这条路能走多远，还得看后面拿出来的活儿。至少 Hyra-1.0 把话说到了这份上。

  • Kimi Code CLI：终端里的下一代 AI 编程智能体（4.3K★，月之暗面开源）

    Kimi Code CLI：终端里的下一代 AI 编程智能体（4.3K★，月之暗面开源）

    Kimi Code CLI 封面

    Kimi Code CLI 是月之暗面（MoonshotAI）开源的终端 AI 编程智能体——它能在命令行里读改代码、执行 shell 命令、搜索文件、抓取网页，并依据反馈自主决定下一步；开箱即用 Kimi 大模型，也可配置接入其它兼容模型。

    一、项目简介

    一个跑在终端里的”AI 同事”。Kimi Code CLI 把代码读写、命令执行、文件检索、网页抓取与多步自主规划统一进一个轻量 TUI，口号是 “The Starting Point for Next-Gen Agents”（下一代智能体的起点）。它脱胎于此前广受关注的 Kimi CLI，把运行时收敛为单文件二进制，启动几乎无感，对 Kimi 大模型用户尤其友好。

    二、安装要求和过程

    环境要求

    • 普通用户无需 Node.js：官方脚本一条命令装好单文件二进制，无 PATH 烦恼、无全局模块冲突；
    • Windows 需先装 Git for Windows：Kimi Code CLI 用内置 Git Bash 作为 shell 环境；若 Git 装在自定义路径，设置环境变量 KIMI_SHELL_PATH 指向 bash.exe 绝对路径；
    • 账号：首次使用需 Kimi 账号（OAuth）或 Moonshot AI 开放平台 API Key；
    • 从源码开发需 Node.js ≥ 24.15.0 + pnpm 10.33.0。

    快速安装

    macOS / Linux：

    curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash

    Windows（PowerShell）：

    irm https://code.kimi.com/kimi-code/install.ps1 | iex

    快速开始

    cd your-project
kimi            # 启动交互式 TUI
kimi --version  # 验证安装

    首次在会话里执行 /login，选择 Kimi Code OAuth 或 API Key 登录，然后试着让它”看看这个项目，解释下主要目录“。

    三、核心功能

    Kimi Code CLI 核心能力

    1. 单文件分发：一条命令安装，无 Node.js、无 PATH 困扰、无全局模块冲突。
    2. 毫秒级启动：TUI 毫秒就绪，开启会话毫无负担，长时间 Agent 会话也不卡。
    3. 视频输入：把录屏 / 演示片段直接丢进聊天，Agent 逐帧”看懂”画面——把参考片转成 LUT、长视频剪成短片、屏幕录屏变成可运行代码。
    4. AI 原生 MCP：用 /mcp-config 对话式增删与鉴权 Model Context Protocol 服务器，免手改 JSON。
    5. 子智能体并行：内置 coder / explore / plan 子智能体在隔离上下文并行干活，主线对话保持清爽。
    6. ACP 编辑器集成：kimi acp 接入 Zed、JetBrains 等任意 Agent Client Protocol 客户端，IDE 里直接驱动。

    四、典型使用场景

    Kimi Code CLI 工作流

    • 日常终端编程搭子：在任意项目目录敲 kimi，让它读代码、跑命令、搜文件、抓网页并自规划下一步，省去来回切窗口。
    • IDE 里的 Agent：在 Zed / JetBrains 配置 kimi acp，用熟悉的编辑器驱动 Agent，一次登录处处可用，开发流不断档。
    • 视频驱动开发：把产品录屏或参考片段丢给 Agent，让它”看懂”后落地为可运行代码或素材（例如把一段参考片转成调色 LUT）。

    五、推荐理由

    Kimi Code CLI 给我最大的惊喜是”轻“。作为 Kimi CLI 的演进版，它把运行时收敛成单文件二进制，启动几乎无感，TUI 也比不少同类更耐看；视频输入和 /mcp-config 对话式配置是真正能提升日常效率的巧思，而不是噱头。如果你已经在用 Kimi 大模型、又想要一个不折腾环境、能直接塞进终端和 IDE 的编码 Agent，它非常值得一试。MIT 协议、社区活跃（4.3K+ Stars、当日仍在高频更新），长期主义玩家可以放心上车。

    六、下载地址

  • 英伟达 Agent Toolkit：把 AI 智能体搬上桌面工作站

    英伟达最近给自家最强的台式工作站 DGX Station 塞进了一套新工具：Agent Toolkit。官方说，开发者只要三步、大概半小时，就能在本地把 AI 智能体跑起来——不用连云，模型和数据都留在你自己的机器上。

    本地 AI 智能体工作站概念图
    英伟达把智能体能力带到了桌面级工作站

    DGX Station 本身就不好惹，里面是一颗 GB300「Blackwell Ultra」GPU。Agent Toolkit 的价值，是把原来得靠云 GPU 集群才能玩转的复杂智能体，搬到了桌面端。

    借助 Omniverse 库，智能体可以在本地的安全运行时里调用工具与技能，完全不需要连接互联网。—— NVIDIA

    这一套到底装了什么

    它不是单个软件，而是一整个软件栈：

    • NemoClaw：开源的智能体蓝图，把模型、运行框架和 runtime 打包，方便团队照着自己的业务改
    • Nemotron 3 Ultra：一个 5500 亿参数的开放大模型，专为 DGX Station 优化，可以本地微调
    • Omniverse 库：把智能体接到物理仿真和 3D 工作流，机器人训练、自动驾驶仿真都能本地跑
    • OpenShell：开源的安全运行时，给智能体套上沙箱，按策略管住它碰什么工具、什么数据

    为什么是现在

    硬件底子是 GB300 超级芯片，最高 20 petaflops 的 FP4 算力、748GB 统一内存；网络用 ConnectX-8，带宽到 800GB/s，还能两台 DGX Station 并联扩容。NVIDIA 还拉上 Adobe、Blender、Unreal、Epic、Foundry、Canva 等伙伴做 MCP 接入，让智能体直接进到这些创作工具里干活。

    更关键的是战略转向。当资本市场开始计较 AI 的投资回报，英伟达把 Agent Toolkit 和 Omniverse 绑在一起，等于在说：我不只卖算力硬件，还想在你的工作站上长出一套软件生态。对怕数据出公司、又想快速迭代的企业来说，本地跑智能体确实少了一层顾虑。

  • mattpocock/skills：把顶级工程师的经验，打包成 AI 编码智能体的「技能库」

    mattpocock/skills：把顶级工程师的经验，打包成 AI 编码智能体的「技能库」

    mattpocock/skills 项目封面

    mattpocock/skills 是 TypeScript 布道师 Matt Pocock 日常使用的「AI 编码智能体技能库」——它不教你写 prompt，而是把数十年的工程经验浓缩成一组小而可组合、跨模型通用的 /skills 指令，专门修复 Claude Code、Codex 等编码智能体最常犯的四种失败模式。目前已在 GitHub 收获 17.8 万+ Stars，是近期最火的 AI 工程化开源项目之一。

    一、安装要求和过程

    环境要求

    • Node.js 18+（用于 skills.sh 安装器，npx 一行搞定）
    • 一个支持 skills 的编码智能体：Claude Code / Codex / 任意 Agent-Skills 标准 harness
    • 可选：GitHub 或 Linear 账号（/triage 技能需要对接 issue 追踪器）

    方式一 · 可改副本（推荐，想魔改就选它）

    npx skills@latest add mattpocock/skills

    选择要安装的技能与目标 agent，务必勾选 /setup-matt-pocock-skills；随后在 agent 中运行一次该命令完成仓库配置（选择 issue 追踪器、triage 标签、文档存放位置）。

    方式二 · Claude Code 原生插件（只读、常新、省心）

    /plugin marketplace add mattpocock/skills
/plugin install mattpocock-skills@mattpocock

    装好后再跑一次 /setup-matt-pocock-skills。两种哲学：skills.sh 把技能复制进项目任你改；插件把它们作为只读束订阅更新。

    二、核心功能

    整套技能围绕「软件工程基本功」展开，把对齐、TDD、架构、评审变成 Agent 拿来即用的小工具：

    四个失败模式对应技能

    • 对齐优先：/grill-me 与 /grill-with-docs——动手前先让 Agent 把你「拷问」一遍，并用 CONTEXT.md 沉淀项目共享语言，从根上消除需求歧义与啰嗦。
    • 测试驱动与诊断：/tdd（红-绿-重构循环）、/diagnosing-bugs（复现→最小化→假设→插桩→修复→回归），让 Agent 真正跑起「代码运行反馈」闭环。
    • 架构纪律：/to-spec、/improve-codebase-architecture、/codebase-design——对抗「一坨烂泥」，鼓励深模块、小接口。
    • 流程编排：/implement、/code-review、/research、/wayfinder、/triage——把需求拆成可追溯的工单与规格，并以并行子智能体做「规范 + 标准」两轴评审。
    • 可组合、跨模型：所有技能与具体模型解耦，Claude Code / Codex / 其他 Agent 都能用；用户主动触发（User-invoked）与 Agent 自动调用（Model-invoked）两类技能分工清晰。

    User-invoked 与 Model-invoked 技能分类

    三、典型使用场景

    • 接手新项目前的「对齐会话」：用 /grill-with-docs 先和 Agent 把需求与领域术语聊透，生成 CONTEXT.md；后续每次对话都更省 token、更精准，变量/函数命名也跟着统一。
    • 写带测试的新功能：用 /implement 驱动 /tdd，先写失败测试再实现，最后 /code-review 把关——提交前质量稳，回归风险低。
    • 拯救腐烂的代码库：定期跑 /improve-codebase-architecture，扫描可深化的模块并生成可视化 HTML 报告，按图索骥重构，避免软件熵增失控。

    四、推荐理由

    这不是又一个「流程框架」（GSD/BMAD/Spec-Kit 那类会把过程控制权收走），而是把工程基本功变成 Agent 拿来即用的小工具——轻量、可改、不绑架你。最让我惊艳的是 CONTEXT.md 共享语言：用一句话把「section 里的 lesson 被 materialize」说清，代码命名、导航、token 消耗全跟着受益。两种安装方式恰好对应两种心态：想魔改就 fork 副本，想省心就装插件订阅更新。17.8 万 Stars、MIT 协议、几乎零上手成本，强烈建议所有用 Claude Code / Codex 的开发者装一套。

    五、下载地址

    许可：MIT ｜ 语言：Shell/Markdown ｜ Stars：178.9K+ ｜ 创建于 2026-02，持续高频更新