标签: CLI

  • OpenWiki —— LangChain 出品的自我维护 Wiki CLI,让 Agent 为你写文档

    OpenWiki —— LangChain 出品的自我维护 Wiki CLI,让 Agent 为你写文档

    项目简介

    OpenWikiLangChain 团队开源的「自我维护 Wiki CLI」——一个命令行工具,让 AI Agent 自动为你的代码库或个人知识库撰写并持续维护 Markdown 文档。它内置 Deep Agents 文档智能体,读取源码后合成带链接的 Wiki,每次代码变更都能自动更新;同时提供交互式可视化节点图,让你像浏览思维导图一样探索整个知识体系。

    一句话总结:「为 Agent 写的文档,给人读的 Wiki。」

    OpenWiki
    OpenWiki — 自我维护的 Wiki

    安装要求与快速上手

    环境要求

    • Node.js ≥ 18(推荐 LTS 版本)
    • npm / pnpm 包管理器
    • 任一 LLM 提供商 API Key(首次运行时引导配置)

    安装步骤

    # 全局安装 CLI
    npm install -g openwiki
    
    # 初始化代码库文档(交互式选择模型提供商)
    openwiki --init
    
    # 一键更新文档
    openwiki --update
    
    # 启动可视化浏览器
    openwiki visualize

    个人知识库模式

    # 初始化个人大脑模式
    openwiki personal --init
    
    # 认证数据源连接器
    openwiki auth notion      # Notion OAuth
    openwiki auth gmail       # Gmail OAuth
    openwiki auth x           # X/Twitter OAuth
    
    # 执行全量数据摄取并生成 Wiki
    openwiki ingest all

    核心功能

    OpenWiki 核心速览

    1. Agent 驱动的自动文档生成

    基于 LangChain Deep Agents 框架的文档专用智能体,自动分析源码结构、模块依赖、函数签名和业务逻辑,生成结构化 Markdown 文档。支持 .openwikiignore 规则排除敏感路径(类似 .gitignore),确保私有信息不泄露。

    2. 双模式:Code Wiki + Personal Brain

    • Code 模式(默认):扫描当前仓库,输出到 openwiki/ 目录,同时维护根目录的 AGENTS.mdCLAUDE.md 引导文件。
    • Personal 模式:接入 Notion、Gmail、X/Twitter、Hacker News、Web Search 等数据源,将碎片化知识合成为本地 Wiki(存储在 ~/.openwiki/wiki/)。

    3. 12+ 模型提供商开箱即用

    默认 OpenAI(gpt-5.6-terra),同时支持 Anthropic Claude、Google Gemini、AWS Bedrock、GitHub Copilot、OpenRouter、Nebius/Fireworks/Baseten/NVIDIA NIM,以及任何 OpenAI 兼容端点(Ollama、LM Studio、LiteLLM 网关等)。Copilot 用户可直接复用现有订阅,无需额外购买 API Key。

    4. 交互式可视化浏览器

    运行 openwiki visualize 即可启动本地 Web 服务,将 Wiki 渲染为交互式节点图 + 实时 Markdown 阅读器。左侧树形目录导航,右侧图谱展示概念关系,点击节点即时查看内容。编辑文件后自动热重载。

    OpenWiki 可视化界面

    5. CI/CD 自动文档流水线

    通过 GitHub Actions / GitLab CI / Bitbucket Pipelines 定时触发文档更新,每次提交自动生成 Docs PR。零成本无变更运行——OpenWiki 会快照对比,只有实际变化才记录元数据,避免 CI 积分浪费。

    6. OKF 开放知识格式 & Mermaid 图表

    输出符合 Google Open Knowledge Format (OKF) v0.1 标准,可移植到任何 OKF 兼容工具。自动在合适位置插入 Mermaid 图表(序列图、ER 图、状态机、流程图),且每次更新都验证图表有效性,损坏的图表会降级为纯文本并在下次修复。

    典型使用场景

    场景一:大型项目新人 Onboarding

    一个拥有 200+ 微服务的后端仓库,新工程师通常需要两周才能理清架构。部署 OpenWiki 后,CI 在每次合并主分支时自动更新架构文档、模块关系图和 API 速查表。新人 clone 下来后 openwiki visualize 一眼看到全局,配合 AGENTS.md 让 AI 编码助手也能精准理解上下文。

    场景二:个人知识中台

    技术负责人的知识散落在 Notion 笔记、Gmail 重要邮件、Twitter 收藏的技术讨论和 HN 热帖中。OpenWiki Personal 模式一次性接入所有源,定期 ingest all 同步,自动去重、关联、归纳成带链接的知识网络。需要回忆某个技术决策时,可视化图中一眼定位。

    场景三:Agent 记忆层

    团队使用 Claude Code 或 Codex 做日常开发,但 Agent 的上下文窗口有限,无法容纳整个代码库历史。OpenWiki 生成的 AGENTS.md 作为持久记忆层,每次 Agent 启动时自动加载 Wiki 摘要,理解架构后再动手写代码,减少幻觉和无效重构。

    推荐理由

    作为 LangChain 官方出品,OpenWiki 解决了一个非常实际的问题:文档总是过时。传统方案要么靠人肉维护(没人愿意做),要么用静态文档生成器(只管骨架不管灵魂)。OpenWiki 的思路很聪明——把「写文档」这件事交给最懂代码的 Agent,同时保留人类对文档的所有权(纯 Markdown,版本控制)。

    我个人最喜欢的三个设计:
    Copilot 复用——如果你已经有 GitHub Copilot 订阅,直接拿来跑推理,不用再掏钱买 API Key;
    .openwikiignore——安全意识很好,从根源上防止密钥泄露进文档;
    可视化节点图——不是花哨功能,对于理解陌生代码库真的有用,比翻几十个 README 快十倍。

    13K+ Stars、日增上千的趋势也说明社区对这个方向的认可。如果你正在维护一个中等规模以上的项目,或者想让 AI 编程助手更懂你的代码库,OpenWiki 值得一试。

    下载地址

  • Pi Agent Harness:81K Star 的极简终端 AI 编程智能体,四个工具 + 无限扩展

    Pi Agent Harness:81K Star 的极简终端 AI 编程智能体,四个工具 + 无限扩展

    Pi 交互模式:顶部启动信息、消息区、编辑器与状态栏一目了然
    Pi 交互模式:顶部启动信息、消息区、编辑器与状态栏一目了然

    Pi(Pi Agent Harness)libGDX 作者 Mario Zechner(badlogic)团队 earendil-works 开源的极简终端 AI 编程智能体框架:核心只给模型 read / write / edit / bash 四个工具,其余能力全部交给你用 TypeScript 扩展、技能、提示词模板与主题自行拼装。上线不到一年拿下 81,000+ Stars、10,000+ Fork、248 位贡献者,MIT 许可,最新版本 v0.83.0。

    一、项目简介

    一句话:Pi 是一个「你来定义工作流」的开源终端编程智能体 —— 不预设子智能体、不预设计划模式、不内置 MCP,任何你想要的能力都能用一段 TypeScript 扩展装上去,还能打包成 npm 包分享给别人。

    它同时也是一套可复用的智能体开发工具箱,仓库内含四个独立 npm 包:

    • @earendil-works/pi-coding-agent —— 交互式编程智能体 CLI(终端里直接用的那个 pi
    • @earendil-works/pi-agent-core —— 智能体运行时,负责工具调用与状态管理
    • @earendil-works/pi-ai —— 统一多厂商大模型 API(OpenAI / Anthropic / Google 等)
    • @earendil-works/pi-tui —— 带差分渲染的终端 UI 库

    也就是说:你既可以把它当 Claude Code / Codex CLI 的替代品直接用,也可以只取其中一层,去写自己的智能体产品。

    二、安装要求和过程

    环境要求

    • Node.js(npm 全局安装方式)或直接用官方安装脚本下载独立二进制
    • 操作系统:macOS / Linux / Windows 均支持,另有 Termux(Android)与 tmux 专门文档
    • 模型凭据:任一支持的订阅(Claude Pro/Max、ChatGPT Plus/Pro、GitHub Copilot)或 API Key

    快速安装

    # 方式一:npm 全局安装(官方推荐加 --ignore-scripts)
    npm install -g --ignore-scripts @earendil-works/pi-coding-agent
    
    # 方式二:安装脚本(独立二进制)
    curl -fsSL https://pi.dev/install.sh | sh
    

    认证与启动

    # 用 API Key
    export ANTHROPIC_API_KEY=sk-ant-...
    pi
    
    # 或复用已有订阅:启动后输入 /login 选择服务商
    pi
    /login
    

    常用会话参数:

    pi -c              # 继续最近一次会话
    pi -r              # 浏览并选择历史会话
    pi --no-session    # 临时模式,不落盘
    pi -p "修复这个测试"  # 一次性打印模式(可配 --mode json)
    

    安装第三方能力包同样一条命令:pi install npm:@foo/pi-toolspi install git:github.com/user/repo@v1

    三、核心功能

    1. 四个内置工具 + 无限扩展的极简内核

    默认只有 readwriteeditbash。子智能体、计划模式、权限弹窗、待办列表这些别家标配的功能,Pi 一律不内置,而是让你通过扩展实现或安装现成的 Pi Package。作者的理由很直接:这些机制各家做法不同,硬塞进内核只会限制用户。

    2. TypeScript 扩展系统:连 Doom 都能跑

    export default function (pi: ExtensionAPI) {
      pi.registerTool({ name: "deploy", ... });
      pi.registerCommand("stats", { ... });
      pi.on("tool_call", async (event, ctx) => { ... });
    }
    

    扩展可以注册自定义工具(甚至替换内置工具)、自定义命令与快捷键、状态栏 / 页眉 / 页脚 / 浮层 UI、Git 自动提交检查点、SSH 与沙箱执行、权限门禁、自定义压缩策略、MCP 接入……官方示例里甚至有一个「等模型响应时玩 Doom」的扩展。

    3. 会话树:分支、回溯、克隆一个文件搞定

    Pi 的 /tree 会话树视图:任意节点回溯与分支切换
    Pi 的 /tree 会话树视图:任意节点回溯与分支切换

    会话以 JSONL 树结构存储,每条记录带 idparentId/tree 可跳回任意历史节点继续对话并在分支间切换,/fork 从某条用户消息派生新会话,/clone 复制当前分支,全部历史保留在同一个文件里。上下文快满时自动压缩(可手动 /compact 并给定压缩指令),压缩是有损的,但原始记录仍在 JSONL 中随时可回看。

    4. 30+ 模型服务商,含订阅登录与本地 llama.cpp

    订阅方式支持 Anthropic Claude Pro/Max、OpenAI ChatGPT Plus/Pro(Codex)、GitHub Copilot;API Key 方式覆盖 Anthropic、OpenAI、Azure OpenAI、DeepSeek、Google Gemini/Vertex、Amazon Bedrock、Mistral、Groq、Cerebras、xAI、OpenRouter、Vercel AI Gateway、智谱 ZAI Coding Plan(含中国区)、Kimi For Coding、MiniMax、小米 MiMo(含中国区/阿姆斯特丹/新加坡节点)、Hugging Face、Fireworks、Together AI、NVIDIA NIM、Cloudflare 等。还能通过 /login llama.cpp 接入本地 llama.cpp 路由服务器,用 /llama 直接下载和加载本地模型。

    5. 四种运行形态:交互 / 打印 / RPC / SDK

    除了终端交互,Pi 支持 -p 打印模式与 --mode json 结构化输出、--mode rpc(stdin/stdout 上的 JSONL 协议,方便非 Node 语言集成),以及直接以 SDK 方式嵌入自家应用:

    import { createAgentSession, ModelRuntime, SessionManager } from "@earendil-works/pi-coding-agent";
    
    const modelRuntime = await ModelRuntime.create();
    const { session } = await createAgentSession({
      sessionManager: SessionManager.inMemory(),
      modelRuntime,
    });
    await session.prompt("What files are in the current directory?");
    

    6. 供应链与项目信任双重加固

    直接依赖全部锁定精确版本、min-release-age=2 拒绝当天新发布的依赖、发布包内附 npm-shrinkwrap.json、CI 使用 npm ci --ignore-scripts 并定期跑 npm audit signatures。运行侧则有「项目信任」机制:首次进入含项目级配置或 .agents/skills 的目录会先询问,未信任前只加载上下文文件与用户级扩展。

    官方扩展示例:等待模型响应时在终端里跑 Doom
    官方扩展示例:等待模型响应时在终端里跑 Doom

    四、典型使用场景

    场景 1:把智能体改造成完全贴合自家流程的样子

    团队要求「每次改完代码自动跑 lint 并生成 checkpoint 提交」「部署只允许走内部 CLI」「敏感目录禁止写入」。在别的工具里这些要么等官方支持、要么 fork 源码;在 Pi 里就是三个扩展:一个 tool_call 事件钩子做路径门禁,一个注册 deploy 工具,一个在每轮结束时自动 git commit。写完丢进 .pi/extensions/ 全组共享,或打成 npm 包发出去。

    场景 2:低成本 / 国产模型 + 本地模型的日常编码

    /model(Ctrl+L)在 DeepSeek、Kimi For Coding、小米 MiMo、智谱 ZAI、MiniMax 之间随时切换,重活切 Claude / GPT,日常问答切便宜模型或 /llama 加载的本地模型;Ctrl+P 在自己圈定的「常用模型」间循环。底部状态栏实时显示输入/输出/缓存读写 Token、缓存命中率与累计花费,成本一目了然。

    场景 3:把编程智能体嵌进自己的产品或 CI

    pi-agent-core + pi-ai 做后端智能体服务,前端接 --mode rpc 或 SDK;CI 里用 pi -p --mode json 跑「自动修复失败测试」「批量迁移 API」这类任务,输出 JSON 直接被流水线消费。会话以 JSONL 存档,出问题时用 /tree 复盘整条决策链,还能 /export 成 HTML 或 /share 成私密 Gist 给同事看。

    五、推荐理由

    最近半年冒出来的 Coding Agent 多到看不过来,Pi 的差异化非常清晰:它把「克制」当成了产品特性。README 里那段 Philosophy 值得所有做 Agent 的人读一遍 —— 不做 MCP(写带 README 的 CLI 工具就够了)、不做子智能体(用 tmux 开多个 pi 实例)、不做权限弹窗(进容器)、不做内置待办(「它们会让模型犯迷糊」)。这些取舍未必人人认同,但每一条都给了替代路径,而不是简单的「不支持」。

    实际用下来最爽的两点:一是会话树,改坏了直接 /tree 回到三十轮之前换个思路继续,不用新开会话重讲一遍背景;二是扩展的门槛真的低,一个默认导出函数就是一个扩展,热重载 /reload 立刻生效,写工具的体验接近写普通 TypeScript 模块。加上原生支持 Kimi、MiMo、DeepSeek、智谱等国内可用的服务商,中文开发者上手成本很低。

    要注意的是:Pi 没有内置权限系统,默认以启动它的用户权限运行,官方明确建议放进容器或沙箱(文档给了 Gondolin 微虚机、Docker、OpenShell 三种方案);Pi Package 会执行任意代码,安装第三方包前务必看源码。另外仓库对新贡献者的 Issue/PR 默认自动关闭(维护者每天人工复核),提问前先读 CONTRIBUTING.md。

    六、下载地址

    项目数据(截至 2026 年 7 月 31 日):81,086 Stars · 10,008 Forks · 248 位贡献者 · TypeScript · MIT 许可 · 最新版本 v0.83.0 · 仓库仍在每日更新。

  • career-ops:61.8K Stars 的开源 AI 求职指挥中心,把 Claude Code 变成你的私人猎头

    career-ops:61.8K Stars 的开源 AI 求职指挥中心,把 Claude Code 变成你的私人猎头

    career-ops 多智能体求职系统

    项目简介

    career-ops 是一套开源的「AI 求职指挥中心」——它把你手里任意一个 AI 编程 CLI(Claude Code、Codex、OpenCode、Antigravity、Grok、Qwen 等)变成一条完整的求职流水线:自动扫描招聘门户、用结构化 A-F 评估体系给职位打 1.0-5.0 分、按 JD 定制 ATS 优化简历 PDF、起草求职信与联系人开发信,并在本地统一追踪全部申请状态。作者 Santiago Fernández(santifer)用它评估了 740+ 个职位、生成 100+ 份定制简历,最终拿下 Head of Applied AI 职位——随后将整套系统开源。目前项目已收获 61,800+ Stars,被 WIRED 和 Business Insider 报道,一句话总结它的理念:「公司用 AI 筛选候选人,我让候选人用 AI 挑选公司。」

    安装要求和过程

    环境要求

    • Node.js(自带 npx 即可,无需全局安装)
    • 任意一个 AI 编程 CLI:Claude Code / Codex / OpenCode / Antigravity / Grok Build / Qwen 等(也可走免费的 Gemini API 脚本模式)
    • Playwright Chromium(仅 PDF 生成需要);仪表盘 TUI 由 Go + Bubble Tea 构建(可选)
    • 跨平台支持 macOS / Linux / Windows

    快速安装

    # 最快方式:一条命令初始化
    npx @santifer/career-ops init
    
    cd career-ops
    claude   # 或 codex / opencode / qwen / agy / grok
    
    # 首次启动会通过对话引导你完成设置:CV、个人档案、目标岗位
    # 无需手动编辑任何文件

    手动安装(git clone)

    git clone https://github.com/santifer/career-ops.git
    cd career-ops && npm install
    npx playwright install chromium        # 仅 PDF 生成需要
    npm run doctor                          # 校验全部前置条件
    cp config/profile.example.yml config/profile.yml
    cp templates/portals.example.yml portals.yml
    # 在项目根目录创建 cv.md 写入你的简历,然后打开 AI CLI 即可开始

    不想装任何 CLI?还可以用免费的 Gemini API 独立脚本模式:在 .env 里填入免费的 GEMINI_API_KEY,然后 node gemini-eval.mjs "职位描述..." 即可评估。项目也支持 OpenRouter 免费模型、Ollama 本地模型等低成本运行方案。

    career-ops 工作流与常用命令

    核心功能

    • 全自动评估流水线:粘贴一个职位 URL 或 JD 文本,自动完成岗位原型识别(LLMOps / Agentic / PM / SA / FDE 等)→ A-F 六模块评估(角色摘要、CV 匹配、级别策略、薪酬调研、个性化建议、STAR+R 面试准备)→ 输出评估报告 + 定制 PDF + 追踪表;还内置 Block G 职位真实性检测,自动标记诈骗贴和「幽灵职位」
    • ATS 优化简历与求职信生成:基于 HTML 模板 + Playwright 渲染 A4 PDF,按 JD 做关键词注入与镜像,Space Grotesk + DM Sans 设计字体,求职信支持四种角度交互式起草并在聊天中审批后再生成
    • 招聘门户扫描器:预配置 45+ 公司(Anthropic、OpenAI、ElevenLabs、n8n、Vercel 等)+ 19 组搜索查询,覆盖 Greenhouse / Ashby / Lever / Wellfound 等 21 个渠道模块,node scan.mjs --verify 还会用 Playwright 复核过期职位
    • 批量并行处理与终端仪表盘:用无头 CLI worker(claude -p / opencode run)并行评估 10+ 个职位;Go + Bubble Tea 打造的 TUI 仪表盘支持 6 个筛选标签、4 种排序、内联状态修改
    • 公司调研与联系人发现deep 模式生成六轴公司调研(AI 战略、近期动作、工程文化等),contacto 模式定位招聘经理/招聘官/团队同事并起草 ≤300 字符的 LinkedIn 开发信——”申请让你排队,调研让你获得对话”
    • Human-in-the-Loop 设计:AI 只评估、排序、起草,永远不会替你提交申请、发送邮件或点击任何按钮,最终决定权始终在你手里

    典型使用场景

    1. 高信噪比求职筛选:与”海投工具”相反,career-ops 是一个过滤器——系统强烈建议不要申请低于 4.0/5 分的职位。每天跑一次 /career-ops scan 扫描 45+ 公司的新职位,批量评估后只精投最匹配的几个,把时间花在值得的机会上
    2. 单个心仪职位的深度准备:看到心仪 JD 后粘贴给 CLI,几分钟内拿到 CV 匹配差距分析、薪酬区间调研、定制版 ATS 简历 PDF、STAR 故事库面试准备,再用 deep + contacto 完成公司调研和内推联系人开发,全流程一站式完成
    3. 转型期职业规划/career-ops training 评估某个课程/认证是否值得投入,/career-ops project 评估作品集项目的求职价值,配合评估中积累的 5-10 个 STAR 母版故事,系统会越用越懂你

    推荐理由

    试用下来最大的感受是:这是一个”吃过自己狗粮”的项目——作者真的用它找到了工作,README 里那句 740+ job listings evaluated · 100+ personalized CVs · 1 dream role landed 不是营销话术而是实测数据。设计上有两点特别打动我:一是 CLI 无关,基于开放的 Agent Skill 标准,Claude Code / Codex / Antigravity / Grok 都能跑,甚至能用免费 Gemini API 或 Ollama 本地模型零成本运行,不绑定任何付费订阅;二是克制的产品哲学——它反复强调自己不是 spray-and-pray 海投器,AI 永远不代替你点提交按钮,所有数据留在本地。对正在找工作的工程师来说,这相当于免费雇了一个 24 小时待命的私人猎头;对 AI 工程师来说,它同时也是一个多智能体系统 + Agent Skills 工程化的优秀范本(作者还写了一篇《如何用 AI 智能体舰队每周 4 小时维护这个仓库》,值得一读)。MIT 许可,17 种语言 README(含简体中文),社区活跃,强烈推荐。

    下载地址

    项目数据:61,862 Stars · 12,179 Forks · JavaScript / Go · MIT 许可(截至 2026-07-28)

  • World Monitor:73K Stars 的开源「全球实时情报仪表盘」,AI 新闻聚合 + 地缘监控 + 金融雷达一屏搞定

    World Monitor:73K Stars 的开源「全球实时情报仪表盘」,AI 新闻聚合 + 地缘监控 + 金融雷达一屏搞定

    World Monitor 主仪表盘:3D 地球 + 多面板全球态势感知界面

    项目简介

    World Monitor 是一个开源的「实时全球情报仪表盘」——它把 500+ 精选新闻源、地缘政治事件、金融市场、大宗商品、航班、网络安全等 65+ 数据提供方聚合到一个统一的态势感知界面中,并用 AI 自动合成简报,支持完全本地化运行(Ollama,无需任何 API Key)。项目由开发者 Elie Habib 打造,目前在 GitHub 上已收获 73,000+ Stars,近日单日暴涨 3,000+ 星登顶 Trending 榜首,采用 AGPL-3.0 许可。

    安装要求和过程

    环境要求

    • Node.js 18+ 与 npm(Web 开发模式)
    • 可选:Ollama(本地 AI 摘要,无需云端 API Key)
    • 桌面版:直接下载 Windows (.exe) / macOS (Apple Silicon & Intel) / Linux (.AppImage) 安装包,零依赖

    快速安装(三分钟跑起来)

    # 1. 克隆仓库
    git clone https://github.com/koala73/worldmonitor.git
    cd worldmonitor
    
    # 2. 安装依赖并启动
    npm install
    npm run dev
    # 打开 http://localhost:3000,无需配置任何环境变量即可运行
    
    # 3. 想跑其他变体站点?
    npm run dev:tech       # 科技版
    npm run dev:finance    # 金融版
    npm run dev:commodity  # 大宗商品版
    npm run dev:energy     # 能源版

    命令行与 SDK 用户还可以直接:

    npx worldmonitor tools          # 免安装列出全部 MCP 工具
    npm install -g worldmonitor     # 安装 worldmonitor / wm 命令
    pip install worldmonitor-sdk    # Python SDK
    gem install worldmonitor        # Ruby SDK

    部署方面官方提供 Vercel、Docker、纯静态三种自托管方案,详见自托管指南

    核心功能

    World Monitor WebGL 平面地图(deck.gl),56 种地图图层

    • 500+ 新闻源 AI 简报:横跨 15 个类别的精选信息流,由 AI 自动去重、聚类并合成态势简报,支持 25 种语言(含 RTL 排版)与本地语种信息源。
    • 双地图引擎 + 56 种图层:globe.gl 3D 地球与 deck.gl WebGL 平面地图随意切换,叠加军事、灾害、航班(ADS-B)、基础设施、网络攻击等 56 类图层。
    • 跨信号关联与国家不稳定指数(CII v8):军事、经济、灾害、升级信号交叉关联,对 31 个一级国家做服务端权威压力评分,把「新闻」变成「预警」。
    • 金融雷达:覆盖 29 家证券交易所、大宗商品与加密货币,内置 7 信号市场综合指标,金融版变体开箱即用。
    • 本地 AI + Agent 友好:全部 AI 功能可用 Ollama 本地跑;同时提供 MCP Server、REST API(OpenAPI 规范)、CLI 和 Python/Ruby/Go 三语言官方 SDK,一套代码还能构建 6 个变体站点和 Tauri 2 原生桌面应用。

    典型使用场景

    1. 个人「全球情报中心」:替代十几个新闻 App 和推特列表,一屏看完地缘政治、突发灾害、市场异动,AI 简报直接给结论,配合桌面版常驻第二屏幕。
    2. 投研/宏观分析辅助:金融版聚合全球股指、商品、加密行情与新闻信号关联,CII 国家风险评分可作为宏观风险监控的免费开源替代。
    3. AI Agent 的实时世界数据源:通过 MCP Server(worldmonitor.app/mcp)或 SDK,让 Claude、自建 Agent 直接调用「某国当前风险评分」「最新升级信号」等工具,为智能体注入实时地缘与市场感知能力。

    推荐理由

    我把 World Monitor 挂在副屏跑了一天,感受是:这大概是开源界最接近「彭博终端 + 战情室」体验的项目。最打动我的有三点:一是信息密度与工程质量惊人——281 个 Protobuf 契约、60+ Vercel Edge Functions、三级缓存,纯 TypeScript 写出来的性能相当扎实;二是本地优先的 AI 设计,接上 Ollama 就能全功能离线跑,不用交出任何 API Key;三是对 Agent 生态的拥抱,MCP + OpenAPI + 三语言 SDK + llms.txt 一应俱全,拿它当智能体的「世界感知层」非常顺手。需要注意的是 AGPL-3.0 许可,商用集成到闭源产品前要评估合规或购买商业授权。如果你关注全球局势、做宏观投研,或者想给自己的 AI Agent 加上实时世界数据,这个项目值得一颗星。

    下载地址

  • Open Code Review:阿里巴巴开源的 AI 代码评审 CLI,Token 只用 1/9 却更精准

    Open Code Review:阿里巴巴开源的 AI 代码评审 CLI,Token 只用 1/9 却更精准

    如果你用过 Claude Code 之类的通用 Agent 做代码评审,大概率遇到过这些坑:改动一多就”偷工减料”只看部分文件、报出来的问题行号对不上、换个提示词质量就飘。Open Code Review(OCR) 是阿里巴巴刚开源的一款 AI 代码评审命令行工具,它把”确定性工程”和”Agent 动态决策”拧在一起,专门解决这些问题。项目上线不久便冲上 GitHub Trending,目前已收获约 12.2K Stars

    Open Code Review 功能亮点
    Open Code Review 功能亮点(图片来源:项目 README)

    一句话简介

    Open Code Review 是阿里巴巴开源的 AI 代码评审 CLI 工具——读取 Git diff,交给可配置的大模型 Agent 进行带工具调用的深度评审,产出行级精准的结构化评审意见。它源自阿里内部使用两年、服务数万开发者、累计发现数百万代码缺陷的官方评审助手,经大规模验证后开源。

    安装要求与快速上手

    环境要求

    • Git ≥ 2.41:OCR 依赖 Git 生成 diff、检索代码与仓库操作。
    • 支持 Windows / macOS / Linux 三大平台;需要配置一个大模型接口(OpenAI / Anthropic 兼容即可),或使用”委托模式”无需配模型。

    安装(npm 全局安装)

    npm install -g @alibaba-group/open-code-review

    安装完成后,全局即可使用 ocr 命令。也支持安装脚本、GitHub Release 二进制、源码编译等方式。

    配置模型

    # 选择内置服务商或添加自定义服务商
    ocr config provider
    # 为当前服务商选择模型
    ocr config model

    交互式界面会引导你完成服务商选择、API Key 填写与模型配置,并自动测试连通性。

    模型配置界面
    交互式模型配置界面(图片来源:项目 README)

    开始评审

    cd your-project
    
    # 工作区模式:评审所有暂存/未暂存/未跟踪的改动
    ocr review
    
    # 分支范围:对比两个 ref
    ocr review --from main --to feature-branch
    
    # 单个 commit
    ocr review --commit abc123
    
    # 整文件扫描:不看 diff,直接审阅整个仓库或指定目录
    ocr scan
    ocr scan --path internal/agent

    核心功能

    • 确定性工程 × Agent 混合架构:对”绝不能出错”的评审步骤(选文件、匹配规则、定位行号)用工程逻辑硬约束保证正确,把动态决策与上下文检索交给 Agent,各司其职。
    • 精准选文件 + 智能打包:明确判定哪些文件需评审、哪些应过滤;把关联文件(如中英两份 message 属性文件)打包为一个评审单元,每包作为隔离上下文的子 Agent 并发运行,在超大改动集上依然稳定。
    • 行级精准定位 + 反思模块:独立的评论定位与评论反思模块,系统性提升 AI 反馈的位置准确度与内容准确度,避免”行号漂移”。
    • diff 评审 + 整文件扫描ocr review 审阅改动,ocr scan 审阅整份文件——适合审计陌生代码库或没有有意义 diff 的目录。
    • 丰富集成能力:内置 MCP Server 扩展工具、CI/CD 集成(GitHub Actions / GitLab CI / Gerrit 等),并可作为 Skill 或插件接入 Claude Code、Codex、Cursor;浏览器端 Session Viewer 可回放评审过程。

    性能基准

    官方基于 50 个热门开源仓库、200 个真实 PR、10 种编程语言构建了真实世界评审基准,由 80+ 资深工程师交叉标注出 1505 个基准问题。结果显示:在同一底座模型下,OCR 的 准确率(Precision)与 F1 显著更高,而 Token 消耗仅约通用 Agent 的 1/9、评审更快;召回率略低,是”以精度换噪声”的有意取舍。

    性能基准对比
    在同一底座模型下的基准表现概览

    典型使用场景

    • 提交前自检:在本地 ocr review 一把,把行级问题在推送前就修掉,减少来回改 PR 的成本。
    • CI 流水线自动评审:接入 GitHub Actions / GitLab CI,对每个 PR 自动评审并留下行级评论,低 Token 成本让团队大规模跑得起。
    • 审计陌生代码库:接手老项目或第三方代码时用 ocr scan 整文件扫描,快速摸清 NPE、线程安全、XSS、SQL 注入等隐患。

    推荐理由

    市面上”给 Agent 套个 Skill 就当代码评审”的方案不少,但真正在工程上把稳定性做扎实的不多。OCR 最打动我的一点,是它没有一味迷信大模型,而是把”该确定的地方交给工程、该灵活的地方交给 Agent”这条边界划得很清楚——这正是它能在阿里内部大规模跑两年、且在基准上只花约 1/9 Token 就拿到更高精度的原因。对追求 CI 成本可控、又不想被误报刷屏的团队来说,这是个值得一试的选择。它还内置了针对 NPE、线程安全、XSS、SQL 注入等常见缺陷的微调规则集,开箱即用。

    下载地址

  • Desktop Commander MCP:让 AI 直接掌控你的终端与文件系统

    Desktop Commander MCP:让 AI 直接掌控你的终端与文件系统

    Desktop Commander MCP

    一、项目简介

    Desktop Commander MCP 是一个为 Claude、Cursor、VS Code、Claude Code 等 AI 编程客户端提供「终端控制 + 文件系统搜索 + 差异文件编辑」能力的 MCP(Model Context Protocol)服务器。它让你的 AI 助手不再只会「动嘴」,而是能在你的本地电脑上真正「动手」——开终端、搜文件、改代码、跑命令、看结果,一条龙闭环。

    项目由 wonderwhy-er 维护,目前 GitHub 收获 6,700+ Stars、882 Forks,采用 MIT 协议开源,底层用 TypeScript 实现,跨 Windows / macOS / Linux 全平台可用。

    二、安装要求与过程

    环境要求

    • Node.js(推荐 18+;或改用 Docker 方式,无需安装 Node);
    • 一个支持 MCP 的客户端:Claude Desktop / Cursor / VS Code / Claude Code / Codex / Gemini CLI / Windsurf 等;
    • 操作系统:Windows、macOS、Linux 均可。

    快速安装(以 Claude Desktop 为例,npx 自动更新)

    npx @wonderwhy-er/desktop-commander@latest setup

    或手动在 claude_desktop_config.json 中添加:

    {
      "mcpServers": {
        "desktop-commander": {
          "command": "npx",
          "args": ["-y", "@wonderwhy-er/desktop-commander@latest"]
        }
      }
    }

    其他客户端一句话安装

    # Claude Code
    claude mcp add --scope user desktop-commander -- npx -y @wonderwhy-er/desktop-commander@latest
    
    # Codex
    codex mcp add desktop-commander -- npx -y @wonderwhy-er/desktop-commander@latest
    
    # Qwen Code
    qwen mcp add desktop-commander -- npx -y @wonderwhy-er/desktop-commander@latest

    不想装 Node?直接用 Docker 一键脚本(install-docker.sh / install-docker.ps1)启动;也可以通过 Smithery、Cursor 的 MCP 安装链接等图形化方式添加。

    三、核心功能

    1. 增强型终端控制:运行长时间命令、管理交互式进程(start_process / interact_with_process / read_process_output / force_terminate)、会话管理,并支持指定 bash / zsh 等 shell。
    2. 完整文件系统操作:读 / 写 / 移动 / 递归列目录、按文件名与内容搜索(基于 vscode-ripgrep 的递归搜索)、读取文件元数据、负偏移 tail 读取超大日志。
    3. 差异文件编辑(edit_block):精准 SEARCH/REPLACE 替换、模糊回退、字符级 diff、多文件与正则模式替换,像资深工程师一样做「外科手术式」修改,而不是整文件重写。
    4. 即时数据分析与办公文档:在内存中直接跑 Python / Node / R 代码;原生读写 Excel(.xlsx/.xls/.xlsm)、PDF、DOCX;直接分析 CSV / JSON,数据不出本机。
    5. 企业级安全与可观测:符号链接遍历防护、命令黑名单、Docker 隔离、全面审计日志(10MB 轮转)、动态配置无需重启。

    四、典型使用场景

    • 大型代码库重构:让 Claude 用 ripgrep 递归搜出所有调用某函数的地方,逐文件用 edit_block 做差异修改。社区里有用户用它一次性修完 23 个文件、76 个错误的 Svelte 5 项目,速度远超传统 AI 编码体验。
    • 本地数据分析:把 Downloads 里的 CSV 丢给 Agent,它直接在内存里跑 Python 做清洗、统计、画图,全程不离开本机,隐私可控。
    • 自动化日常办公:自动按文件类型整理 Downloads、找出重复照片、把 Excel 报表转成图表或 Markdown,把重复的体力活交给 AI。

    五、推荐理由

    一句话总结:这是目前我用过「最像把 AI 变成真同事」的 MCP 工具。它不只是一个文件服务器,而是把「读代码 → 改代码 → 跑命令 → 看结果」的闭环搬进了对话框。

    最香的是差异编辑(edit_block)——AI 不再整文件重写,而是精准打补丁,token 消耗更低、上下文更稳,长时间对话也不容易「翻车」。配合 Claude Code / Cursor,几乎可以取代一部分 IDE 操作,Vibe Coding 体验拉满。

    唯一要留意的是权限边界:它默认能跑任意终端命令,建议在配置里用 allowedDirectories 限定工作目录,并保持审计日志开启。整体来说,开源 MIT、跨平台、一行命令装好,强烈推荐给所有做 AI 编程的人。

    六、下载地址

  • OfficeCLI:让 AI Agent 一句话掌控 Word / Excel / PowerPoint 的开源办公套件

    OfficeCLI:让 AI Agent 一句话掌控 Word / Excel / PowerPoint 的开源办公套件

    release license

    📌 项目简介

    OfficeCLI 是全球首个专为 AI Agent 打造的 Office 办公套件,用一行命令就能让任意 AI 智能体读取、编辑、自动化生成 Word / Excel / PowerPoint 文档。它采用单一可执行文件、无需安装 Microsoft Office、零依赖、跨平台运行,目前已斩获 11.5K+ Stars(Apache-2.0 协议)。

    “OfficeCLI’s built-in HTML rendering engine reproduces documents with high fidelity —— and that’s what gives AI eyes.”

    ⚙️ 安装要求和过程

    环境要求

    • 单一二进制:自包含可执行文件,无需安装 Microsoft Office无需 .NET 运行时
    • 跨平台:macOS / Linux / Windows 均可运行。
    • 仅需基础的命令行环境,内存占用极低。

    快速安装

    # macOS / Linux
    curl -fsSL https://raw.githubusercontent.com/iOfficeAI/OfficeCLI/main/install.sh | bash
    
    # Windows (PowerShell)
    irm https://raw.githubusercontent.com/iOfficeAI/OfficeCLI/main/install.ps1 | iex
    
    # 或任选其一
    brew install officecli
    npm install -g @officecli/officecli

    安装后运行 officecli install 将二进制加入 PATH,并自动把 officecli skill 注入 Claude Code、Cursor、Windsurf、GitHub Copilot 等 AI 编程工具,Agent 立刻就能替你创建 / 读取 / 编辑 Office 文档。

    30 秒上手

    # 1. 创建一个空白 PPT
    officecli create deck.pptx
    
    # 2. 启动实时预览(浏览器打开 http://localhost:26315)
    officecli watch deck.pptx
    
    # 3. 另开终端添加一页,浏览器即时刷新
    officecli add deck.pptx / --type slide --prop title="Hello, World!"

    ✨ 核心功能

    • 三格式全读写改:Word(.docx)、Excel(.xlsx)、PowerPoint(.pptx) 全部支持创建、读取(文本 / 结构 / 样式 / 公式)、修改与重组,告别 python-pptx 等一堆库。
    • 内置 HTML 渲染引擎:把文档渲染成 HTML / PNG,给 AI 装上“眼睛”,形成 渲染 → 看 → 改 的闭环,AI 能看见自己生成的成品并自动修正。
    • 路径寻址 + 结构化 JSON:用 /slide[1]/shape[1] 这样的 XPath 式路径精准定位任意元素,并可输出结构化 JSON,便于程序化操作。
    • 实时预览officecli watch 启动本地预览服务(localhost:26315),每次 add / set / remove 命令即时刷新浏览器,所见即所得。
    • 为 Agent 而生:一行 curl -fsSL https://officecli.ai/SKILL.md 即可让 AI Agent 自动读取技能文件并安装使用;自动把 skill 装进主流 AI 编程工具。

    🎯 典型使用场景

    1. AI 自动生成汇报 PPT:让 Agent 一句话产出季度汇报、融资路演、技术分享等演示文稿,自动处理排版、配色与图表。
    2. 批量处理 Excel 报表:自动生成预算表、成绩册、销售看板,支持公式、图表与条件格式。
    3. 程序化生成 Word 文档:一键产出学术论文、项目方案、年度报告,支持多语言 i18n 与 RTL 从右到左排版。

    💡 推荐理由

    以前用 python-pptx 写个 PPT 要 50 行代码还容易错位,OfficeCLI 一行命令就搞定;更关键的是它自带渲染闭环,让 AI 能“看见”自己生成的样子并自我修正——这对想给 Agent 接上“办公能力”的开发者几乎是开箱即用的利器。Apache-2.0 协议、单一二进制、零依赖,本地运行也保障了文档隐私。如果你正在做 AI 办公自动化、RPA 或 Agent 工具链,非常值得一试。

    🔗 下载地址

  • Gemini CLI:105k Stars!Google官方终端AI Agent,让命令行拥有Gemini的超能力

    Gemini CLI Screenshot

    项目简介

    Gemini CLI 是 Google 官方开源的终端 AI Agent 工具,将 Gemini 的强大能力直接集成到你的命令行终端中。它是目前从提示词到模型调用最直接的路径,为开发者提供了轻量级的 Gemini 访问入口。

    ⭐ GitHub Stars: 105k+
    🔗 项目地址: github.com/google-gemini/gemini-cli
    📄 开源协议: Apache 2.0
    🌐 官方网站: geminicli.com

    安装要求和过程

    环境要求

    • Node.js >= 18 (推荐 20+)
    • npmHomebrew (macOS)
    • Google 账号 (免费使用 Gemini API)

    快速安装步骤

    方式一:npx 即时运行(推荐试用)

    npx @google/gemini-cli

    方式二:npm 全局安装

    npm install -g @google/gemini-cli
    gemini --version

    方式三:Homebrew 安装(macOS/Linux)

    brew install gemini-cli
    gemini

    首次启动认证:

    # 启动后会自动打开浏览器进行 Google 账号 OAuth 认证
    gemini

    核心功能

    功能 说明
    🧠 代码理解与生成 支持查询、编辑大型代码库;可基于 PDF、图片、草图等多模态内容生成新应用;支持自然语言调试问题、排查故障
    🤖 自动化与集成 支持自动化操作任务,比如查询拉取请求、处理复杂变基;可通过 MCP 服务器扩展能力,包括对接 Imagen、Veo、Lyria 等媒体生成工具
    🔍 高级能力 内置 Google Search 搜索能力,支持实时信息检索;支持对话检查点,可保存、恢复复杂会话;支持自定义上下文文件 GEMINI.md
    🚀 免费额度友好 个人 Google 账号即可享受免费 tier,支持 60 次请求/分钟、1000 次请求/天
    🔧 内置工具丰富 自带 Google Search 搜索、文件操作、Shell 命令执行、网页抓取等能力;支持 MCP(模型上下文协议),可自定义集成第三方能力

    典型使用场景

    场景一:快速启动新项目

    进入项目目录启动 gemini 后,直接用自然语言描述需求即可生成对应代码:

    # 启动 Gemini CLI
    cd my-new-project
    gemini
    
    # 在交互界面中输入:
    > Write me a Discord bot that answers questions using a FAQ.md file I will provide

    场景二:分析现有代码变更

    克隆代码库后启动 gemini,可以快速获取代码变更总结:

    # 克隆代码库
    git clone https://github.com/some/repo.git
    cd repo
    gemini
    
    # 在交互界面中输入:
    > Give me a summary of all of the changes that went in yesterday

    场景三:非交互式脚本自动化

    使用 -p 参数可以在脚本中调用 Gemini CLI,实现工作流自动化:

    # 获取简单文本响应
    gemini -p "Explain the architecture of this codebase"
    
    # 获取结构化 JSON 输出
    gemini -p "Explain the architecture of this codebase" --output-format json
    
    # 实时流式输出
    gemini -p "Run tests and deploy" --output-format stream-json

    推荐理由

    作为一款终端原生的 AI Agent 工具,Gemini CLI 给我留下了深刻印象:

    • 官方背书,值得信赖:Google 官方开源项目,持续维护,质量有保障
    • 免费额度慷慨:个人开发者使用免费 Google 账号即可享受 60 次/分钟、1000 次/天的 API 调用额度,足够个人使用和小型项目开发
    • 100 万 token 上下文窗口:支持 Gemini 2.5 Pro/Flash 等顶级模型,能够理解超大型代码库,一次性分析整个项目
    • 终端原生体验:专为习惯命令行的开发者打造,操作流畅,无需离开终端即可完成代码理解、生成、调试全流程
    • MCP 扩展性强:支持模型上下文协议(MCP),可以对接 Imagen、Veo、Lyria 等媒体生成工具,未来潜力巨大

    如果你是一名开发者,正在寻找一款轻量级、功能强大、免费额度慷慨的终端 AI 助手,Gemini CLI 绝对值得一试!

    下载地址