YOHO AI

标签： AI编程

  • OpenHands：74.3k Stars！AI驱动的开发神器，从命令行到企业级部署全覆盖

    OpenHands：74.3k Stars！AI驱动的开发神器，从命令行到企业级部署全覆盖

    🤖 项目简介

    OpenHands 是一个聚焦AI驱动开发的开源项目，提供了可组合的Python软件代理SDK，支持本地运行或大规模云端分布式部署。它集成了多种使用形态——CLI命令行、本地GUI界面、云端托管服务以及企业级私有化部署，可以对接Claude、GPT等多种大语言模型，还能集成Slack、Jira、Linear等常用开发工具。

    简单来说，OpenHands 就是你的AI编程助手全家桶——想要命令行交互？有CLI。想要图形界面？有Local GUI。想要团队协同？有Cloud版。想要私有部署？有Enterprise版。一个项目，四种打开方式。

    🔧 安装要求和过程

    环境要求

    • Python环境：项目核心使用Python（占比62.5%），使用Poetry或uv作为包管理工具
    • Node.js环境：前端部分依赖Node.js生态（包含.nvmrc指定版本）
    • Docker：支持Docker部署（包含docker-compose.yml配置）
    • Kubernetes：企业版支持K8s集群部署

    快速安装（本地开发）

    # 克隆仓库
git clone https://github.com/All-Hands-AI/OpenHands.git
cd OpenHands

# 安装依赖（使用uv）
uv pip install -e ".[dev]"

# 启动本地开发服务器
make run

    ✨ 核心功能

    🛠️ Software Agent SDK

    底层核心Python库，支持代码定义代理，可本地或云端大规模运行，是所有上层能力的基础。

    💻 CLI命令行模式

    交互逻辑类似Claude Code、Codex，可通过命令行直接对话，对接各类LLM模型。

    🖥️ Local GUI

    本地运行的代理图形界面，附带REST API和单页React应用，交互体验类似Devin、Jules。

    ☁️ Cloud云端服务

    托管式云端服务，支持免费使用Minimax模型，具备多用户协作、RBAC权限管理。

    🚀 典型使用场景

    场景一：个人开发者——AI编程助手

    通过CLI模式，开发者可以在终端直接与AI对话，完成代码编写、调试、重构等任务。类似Claude Code的使用体验，但OpenHands提供了更完整的本地部署能力，数据完全私有。

    场景二：企业团队——私有化AI开发平台

    通过Enterprise版本，企业可以在私有VPC内部署OpenHands，对接内部代码库、Jira、Slack等工具，实现安全的AI辅助开发。支持Kubernetes集群部署，具备完整的权限管理和审计能力。

    场景三：AI研究——可复现的实验环境

    OpenHands提供了评估基础设施和Chrome浏览器扩展，研究者可以方便地进行AI编程能力评估、多模型对比实验，且所有实验环境可完整复现。

    💡 推荐理由

    作为一个AI编程工具的深度用户，我为什么推荐OpenHands？

    • 完整的技术栈覆盖：从个人CLI到企业私有部署，从本地开发到云端协作，OpenHands提供了全链条的解决方案。
    • 真正开源：核心代码采用MIT协议，你可以自由修改、部署，不用担心厂商锁定。
    • 活跃社区：74.3k Stars、9.4k Forks，社区非常活跃，问题和PR响应速度快。
    • 多模型支持：不绑定特定大模型厂商，Claude、GPT、本地Ollama都可以对接。

    如果你正在寻找一个可私有部署、功能完整、社区活跃的AI编程助手，OpenHands绝对值得一试。特别是对于重视数据隐私的团队，它的本地部署能力是最大亮点。

    📥 下载地址

    📌 本文由 WorkBuddy AI 自动采集撰写，开源项目信息来自GitHub官方仓库。

  • OpenAI把Codex搬进手机了，随时能写代码这件事到底靠不靠谱

    前几天刷到一条消息，OpenAI 把 Codex 搬到手机上了。没错，就是那个在桌面端帮程序员写代码的 AI 工具，现在你可以在手机上直接生成、审阅、甚至部署代码片段。对远程团队来说这是个挺实在的更新，毕竟不是所有人时刻坐在电脑前，等不及的时候掏出手机就能改两行代码，这种灵活性以前真的没有。

    手机写代码，真不是噱头

    Codex 移动端预览版直接集成在 ChatGPT 应用里，不需要额外安装。最实用的一点是它支持远程 SSH 连接，意味着你真的可以在手机上完成一段代码的审阅、修改、然后推到服务器。当然有人担心移动环境下的代码安全，这个顾虑是合理的，毕竟手机网络比办公网络复杂得多，敏感项目的操作还是得悠着点。

    OpenAI 这次把这个功能做成预览版，说明他们自己也很清楚——移动端编码这件事，体验和安全性都还需要迭代。

    有意思的是，几乎同一时间，Anthropic 的 Claude Code 产品负责人 Cat Wu 也在公开场合聊了类似的话题。她说 Claude Code 的开发思路是不预设宏大的整体规划，更看重迭代反馈而非僵化的路线图。这话听起来有点虚，但仔细想确实有道理——AI 编码工具这种东西，你很难在发布前就把所有使用场景规划清楚，用户怎么用、在哪卡住，这些反馈比任何前期调研都值钱。

    AI辅助软件开发
    AI 正在改变软件开发的节奏（来源：coaio.com）

    企业AI架构，风向变了

    还有一个信号值得注意。行业分析里开始出现一种声音：企业级 AI 系统开发，正在从「LLM 优先」转向「代码优先」。什么意思呢？过去一年多，大家一上来就想把大模型能力塞进系统，先把聊天界面搭起来，再想业务逻辑。现在有人意识到，这样做虽然出活快，但开发者对系统的深度理解会被掩盖， Demo 做得很炫，真正跑起来全是坑。

    新思路强调「代码优先」，说白了就是先把业务逻辑、数据结构、系统边界想清楚，再用 AI 工具去加速开发，而不是反过来。这个转变背后其实是教训——太多项目在规模化部署的时候翻车，技术债务堆到还不起。

    其他值得关注的动静

    AMD 这边也有动作，宣布给 RDNA2 和 RDNA3 架构的老显卡提供硬件加速的 FSR 4 超分辨率支持。通俗点说，就是你手里那张几年前的显卡，可以通过驱动更新获得更好的游戏画质，相当于变相延长了硬件寿命。对不想频繁换卡的用户来说，这算是个小惊喜，虽然性能上肯定还是有损耗的。

    医疗 AI 这边出了个警示案例。加拿大安大略省审计发现，医生用的 AI 笔记工具频繁虚构治疗建议和处方内容。这个问题其实不意外，大模型的「幻觉」在医疗场景下后果完全不同。行业里已经开始呼吁建立更严格的 AI 输出验证机制，但这件事真正做起来，比喊口号难多了。

    最后说个有点荒诞的事——美国太浩湖地区 4.9 万居民，正在和内华达州的一个 AI 数据中心抢电。能源供应商优先给数据中心供电，居民用电反而被挤压。AI 的扩张代价，最终是普通人在承担，这个问题只会越来越突出。

  • 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！