标签: CLI工具

  • Grok Build:xAI 开源的终端 AI 编码智能体(16.4K+ Stars)

    Grok Build:xAI 开源的终端 AI 编码智能体(16.4K+ Stars)

    Grok Build 终端 AI 编码智能体 TUI 界面

    项目简介

    Grok BuildxAI(SpaceXAI) 本周开源的一款终端型 AI 编码智能体(Coding Agent)。它以一个全屏 TUI 为载体,把代码库理解、文件编辑、Shell 执行、网络搜索、长任务管理整合在一个可扩展的 harness 里,并支持交互式、headless 脚本/CI 以及通过 ACP 嵌入编辑器三种运行模式。

    安装要求和过程

    环境要求

    • 使用预编译二进制:macOS / Linux / Windows 均可一键安装。
    • 从源码构建:需要 Rust 工具链(仓库中的 rust-toolchain.toml 会自动锁定版本)和 DotSlash(用于拉取 bin/protoc 等 hermetic 工具)。

    快速安装(推荐)

    macOS / Linux / Git Bash:

    curl -fsSL https://x.ai/cli/install.sh | bash
    grok --version

    Windows PowerShell:

    irm https://x.ai/cli/install.ps1 | iex

    从源码构建

    cargo install dotslash
    cargo build -p xai-grok-pager-bin --release

    构建产物为 target/release/xai-grok-pager,官方安装包会把它命名为 grok。首次启动会引导浏览器完成认证。

    核心功能

    • 全屏终端 TUI:类似编辑器体验的沉浸式界面,支持鼠标、快捷键、滚动历史与模态操作。
    • 代码库感知:自动索引项目文件,支持跨文件编辑、执行 Shell 命令、网络搜索与上下文召回。
    • 长任务管理:检查点、重试、会话保持,适合复杂重构、多步骤自动化与失败恢复。
    • ACP 协议支持:通过 Agent Client Protocol 把 grok 嵌入 VS Code、Cursor 或其他编辑器,保留现有工作流。
    • MCP 与 Skills:可接入 MCP 服务器、加载 Skills、插件与 hooks,扩展 Agent 的工具集。
    • 三模运行:交互式 TUI、headless 脚本/CI、嵌入式编辑器,覆盖从日常开发到自动化的全场景。

    Grok Build 核心功能

    典型使用场景

    场景一:大型代码重构

    在 TUI 中描述“把同步数据库调用改为异步”,Grok Build 会自动跨文件改代码、跑 cargo test、处理失败重试,并生成可审查的 diff;用户只需确认或拒绝,不会丢失当前会话。

    场景二:CI 自动修复流水线

    在 headless 模式下接入 GitHub Actions/GitLab CI,当测试失败时自动拉取日志、定位根因、提交补丁,让 Agent 在 CI 中承担“修复工程师”角色。

    场景三:编辑器增强

    通过 ACP 在 VS Code 或 Cursor 中直接调用 grok,既保留现有 IDE 的快捷键和文件树,又能随时让 Agent 接管复杂任务。

    推荐理由

    • xAI 官方出品:仓库与 SpaceXAI 内部 monorepo 周期性同步,代码质量和更新频率有保障。
    • 终端原住民的体验:全屏 TUI 比聊天框更贴近开发者终端习惯,鼠标交互也降低了学习成本。
    • 架构清晰、可扩展:Rust 实现,crate 拆分明确(TUI / shell / tools / workspace / MCP 等),便于二次开发。
    • 热度极高:开源 4 天内斩获 16,428+ Stars、3,000+ Forks,是近期 GitHub Trending 上增长最快的 AI 编码项目之一。

    下载地址

    如果你已经习惯 Claude Code、Codex CLI 或 Cursor Agent,Grok Build 提供了一个更“终端原生”且可扩展的替代方案,值得一试。

  • herdr:17.3K Stars 的终端 Agent 复用器,在命令行里同时”放养”一群 AI 编程智能体

    herdr:17.3K Stars 的终端 Agent 复用器,在命令行里同时”放养”一群 AI 编程智能体

    herdr logo

    herdr 是一款用 Rust 写成、直接跑在你现有终端里的「Agent 复用器(agent multiplexer)」——把 Claude Code、Codex、Cursor、Copilot 等一众 AI 编程智能体并排塞进真实的终端面板,统一监视、分屏、脱离与重连,让你在命令行里就能”放养”一整群 Agent。

    一、项目简介

    herdr = terminal agent multiplexer。它不是一个封装 AI 的 Web 界面,而是一个单文件 Rust 二进制(无 Electron),把多个 AI 编程智能体的真实终端会话聚合到同一个 TUI 里:每个 Agent 的工作状态(阻塞 / 进行中 / 已完成)一目了然,你可以像用 tmux 一样分屏、点击、脱离,而 Agent 们还在后台继续干活。

    二、安装要求和过程

    环境要求

    • 任意现代终端(macOS / Linux / Windows 终端均可),无需图形界面;
    • 单个 Rust 静态二进制,无 Electron、无运行时依赖
    • 支持通过 ssh 远程接入,会话在重启后依然存活;
    • 可选:本地有 Claude Code / Codex / Cursor 等任一 AI 编程助手即可配合工作。

    快速安装

    # macOS / Homebrew
    brew install herdr
    
    # 一键安装脚本(Linux / macOS)
    curl -fsSL https://herdr.dev/install.sh | sh
    
    # 版本管理器
    mise use -g herdr
    
    # Windows(测试版)
    powershell -ExecutionPolicy Bypass -c "irm https://herdr.dev/install.ps1 | iex"
    
    # 或直接从 GitHub Releases 下载对应平台的预编译二进制
    # https://github.com/ogulcancelik/herdr/releases
    

    启动与使用

    # 在代码目录直接启动
    herdr
    
    # Ctrl+B Q 脱离(Agent 继续跑)
    # 之后任意终端再输入 herdr 即可重连
    

    源码构建:git clone https://github.com/ogulcancelik/herdr && cd herdr && cargo build --release

    三、核心功能

    • 一眼掌控所有 Agent:阻塞 / 工作中 / 已完成,展示的是真实终端视图,而非被封装过的”解释版”界面。
    • 脱离不中断:Agent 在后台继续运行,可随时从任意终端或 ssh 重连,会话在系统重启后依然存活。
    • Agent 也能用 herdr:提供纯 Socket API,Agent 可以自己起面板、读输出、彼此等待,官方还配了 agent skill。
    • 键鼠并重:tmux 风格前缀键 鼠标点击 / 拖拽 / 分屏同时是一等公民,按当下场景随时切换。
    • 插件生态:可扩展面板与工作流,官方维护插件市场(herdr.dev/plugins)。

    四、典型使用场景

    • 多 Agent 并行开发:在同一个项目目录里同时跑 Claude Code、Codex、Cursor,分屏对照、统一监管进度,谁卡住一眼看清。
    • 远程 / 后台长跑任务:ssh 登录服务器起 herdr,下班时脱离,第二天从任意终端重连查看结果,会话不丢、无需 nohup 折腾。
    • Agent 自组织协作:主 Agent 通过 Socket API 派生子 Agent 到不同面板,让它们互相等待产出,搭出多智能体流水线。

    五、推荐理由

    我自己用下来最打动的三点:

    • 够轻、够原生:一个 Rust 二进制、无 Electron,和你现有的终端 / ssh 工作流无缝融合,不像某些”AI 终端”还要起一套 Web 服务。
    • 真实终端视图:Agent 的报错、进度、交互提示都是原样可见的,而不是被二次渲染成温和的摘要——排错时这点太重要了。
    • 脱离 / 重连体验极佳:长任务的”离开—回来”几乎零成本;而 Socket API 让 Agent 反过来调度 herdr,是迈向真正 agent runtime 的一步,想象空间很大。

    六、下载地址

    许可证:AGPL-3.0(双许可,商业用途需购买商业许可)。当前约 17.3K Stars,Rust 实现,2026 年 GitHub Trending 常驻热门。

  • agents-cli:Google 官方 AI Agent 构建 CLI,让编程助手变身 Google Cloud 专家(4,723 Stars)

    agents-cli:Google 官方 AI Agent 构建 CLI,让编程助手变身 Google Cloud 专家(4,723 Stars)

    G

    agents-cli:Google 官方 AI Agent 构建 CLI

    让任何编程助手都成为 Google Cloud AI Agent 专家

    📌 项目简介

    agents-cli 是 Google 官方出品的 CLI 工具与技能包,将任意编程助手(Claude Code、Codex、Antigravity CLI 等)转化为 Google Cloud 上构建、评估、部署企业级 AI Agent 的专家。2026年4月刚发布,已在 AI 开发者社区引起广泛关注。

    4,723
    GitHub Stars

    506
    Forks

    Python
    主要语言

    Apache 2.0
    开源许可

    ⚙️ 安装要求与过程

    环境要求

    • Python 3.11+ (推荐 3.11 或 3.12)
    • uv (Python 包管理器,类似 pip 但更快)
    • Node.js (用于 npx skills add 方式安装)
    • Google Cloud 账号(如需部署到 Google Cloud)

    快速安装(推荐方式)

    # 一键安装 CLI + 技能包到编程助手
    uvx google-agents-cli setup
    
    # 或者只安装技能包(让编程助手自己处理)
    npx skills add google/agents-cli

    验证安装

    # 查看已安装的技能
    agents-cli --help
    
    # 创建新 Agent 项目
    agents-cli scaffold my-agent

    🚀 核心功能

    ① 全栈 Agent 开发工作流

    从项目脚手架创建、代码编写、评估测试到云端部署,agents-cli 提供完整的 Agent 开发生命周期支持。无需手动学习每款 CLI 和云服务,编程助手通过技能包自动掌握最佳实践。

    ② 七大专业技能包

    内置 7 个精心设计的技能包,覆盖 Agent 开发全流程:

    • google-agents-cli-workflow:开发周期、代码保留规则、模型选择
    • google-agents-cli-adk-code:ADK Python API(Agent、Tools、编排、回调、状态)
    • google-agents-cli-scaffold:项目脚手架(create、enhance、upgrade)
    • google-agents-cli-eval:评估方法论(指标、数据集、LLM-as-judge、自适应评分)
    • google-agents-cli-deploy:部署(Agent Runtime、Cloud Run、GKE、CI/CD、密钥管理)
    • google-agents-cli-publish:Gemini Enterprise 注册
    • google-agents-cli-observability:可观测性(Cloud Trace、日志、第三方集成)

    ③ 多编程助手无缝集成

    原生支持 Antigravity CLI、Claude Code、Codex 以及其他遵循 MCP 协议的编程助手。安装后,编程助手自动获得 Google Cloud AI Agent 开发能力,无需额外配置。

    ④ 企业级部署与治理

    支持部署到 Google Cloud 多种运行环境:Agent Runtime(专用 Agent 托管平台)、Cloud Run(无服务器容器)、GKE(Kubernetes)。内置 CI/CD 集成、密钥管理和版本控制,满足企业级安全要求。

    ⑤ 内置评估与可观测性

    提供完整的 Agent 评估框架(数据集管理、自动评分、LLM-as-judge)和开箱即用的可观测性工具(Cloud Trace 分布式追踪、结构化日志、第三方 APM 集成),让 Agent 质量可度量、问题可定位。

    💡 典型使用场景

    场景一:快速构建客服 Agent 并部署到云端

    开发者在 Claude Code 中安装 agents-cli 技能包后,直接描述需求:”构建一个客服 Agent,接入公司知识库,支持订单查询和退换货处理,然后部署到 Cloud Run”。Claude Code 自动调用 agents-cli 技能,完成项目创建、代码生成、测试评估和云端部署全流程,全程无需手动操作 gcloud CLI。

    场景二:企业 Agent 性能评估与持续优化

    使用 agents-cli eval 生成评估数据集,对 Agent 进行自动化测试。通过 LLM-as-judge 自适应评分机制,全面评估 Agent 的回答质量、工具调用准确性、多轮对话连贯性。测试结果自动生成报告,指导后续优化方向。

    场景三:将开源 Agent 发布到 Gemini Enterprise 平台

    完成 Agent 开发后,使用 agents-cli publish gemini-enterprise 命令,一键将 Agent 注册到 Gemini Enterprise Agent Platform,让企业内其他团队可以发现、调用和组合你的 Agent,实现 Agent 能力的内部共享与治理。

    🌟 推荐理由

    agents-cli 的最大价值在于“技能转移”——它将 Google Cloud AI Agent 开发的最佳实践封装成技能包,让任何编程助手都能立即获得专家级 Agent 构建能力。对于已经在使用 Claude Code 或 Codex 的开发者,安装 agents-cli 相当于免费聘请了一位精通 Google Cloud 的 Agent 架构师。

    项目虽然刚发布不久(2026年4月),但作为 Google 官方出品,其架构设计和工程质量有充分保障。七大技能包覆盖了从开发到部署的完整生命周期,特别是评估(eval)和部署(deploy)技能,解决了 AI Agent 工程化落地的最大痛点。

    如果你正在使用 Google Cloud 或考虑将 Agent 部署到云端,agents-cli 是目前最完整、最官方的一站式解决方案。即使暂时不用 Google Cloud,其技能包中蕴含的 Agent 工程最佳实践也值得深入学习。

    📥 下载地址

    快速安装:uvx google-agents-cli setup
     | 
    仅安装技能:npx skills add google/agents-cli

    数据来源:GitHub API | 更新时间:2026-07-05 | 由 AI 自动整理

  • caveman:让AI以「原始人」风格回复,减少65%输出Token,82K+Stars让AI编程助手不再啰嗦

    caveman:让AI以「原始人」风格回复,减少65%输出Token,82K+Stars让AI编程助手不再啰嗦

    🪨 caveman

    why use many token when few token do trick

    MIT 许可
    82,695+ Stars
    JavaScript
    2026年4月

    📌 项目简介

    caveman 是一款面向 30+ AI 编程助手的输出压缩技能/插件,让 AI 以”原始人”风格回复,在不损失技术准确性的前提下减少 65% 输出 token。项目的灵魂口号是:“why use many token when few token do trick”(要那么多 token 干嘛,少点就够用)。

    由 JuliusBrussee 于 2026 年 4 月发布,仅 3 个月便获得 82,695+ Stars,是本周 GitHub 趋势榜最热门项目(单日新增 2,851 Stars)。

    “用更少 token 实现更多功能” — 原始人系列工具核心理念

    ⚙️ 安装要求和过程

    环境要求

    • 运行环境:Node.js ≥ 18(Windows/macOS/Linux 全平台支持)
    • 支持的 AI 工具:Claude Code、Codex、Gemini CLI、Cursor、Windsurf、Cline、Copilot、OpenClaw 等 30+ 主流 AI 编程助手
    • 许可证:MIT 开源许可
    • 隐私:无遥测、无数据上传、完全本地运行

    快速安装(一键脚本)

    # macOS / Linux / WSL / Git Bash
    curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.sh | bash
    
    # Windows PowerShell 5.1+
    irm https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.ps1 | iex

    安装过程约 30 秒,脚本会自动识别所有已安装的 AI 工具并分别安装,未安装的工具会自动跳过。支持重复运行(覆盖更新)。

    指定 AI 工具安装

    # Claude Code 插件市场安装
    claude plugin marketplace add JuliusBrussee/caveman && claude plugin install caveman@caveman
    
    # Gemini CLI 扩展安装
    gemini extensions install https://github.com/JuliusBrussee/caveman
    
    # 通过技能市场给 Cursor/Windsurf/Cline 等工具安装
    npx skills add JuliusBrussee/caveman -a cursor

    开启/关闭

    • 开启:输入 /caveman 或对 AI 说 “talk like caveman”
    • 关闭:对 AI 说 “normal mode”
    • 在 Claude Code、Codex、Gemini 中,安装后首次回复就默认开启原始人模式,无需额外输入命令

    🌟 核心功能

    🪨 多等级压缩模式

    支持 6 种压缩等级:normal(无压缩)、lite(轻度)、full(中度,默认)、ultra(高度)、wenyan(文言模式)。可随时通过 /caveman <等级> 切换,等级在当前会话持续生效。

    📊 内置统计命令

    /caveman-stats 统计当前会话 token 使用量、累计节省 token 数、对应美元成本。加 --share 参数可生成可分享的统计文本,向团队展示节省成果。

    📝 记忆文件压缩

    /caveman-compress <文件路径>CLAUDE.md 等记忆文件重写为原始人风格,后续每次会话加载该文件时可减少约 46% 输入 token,代码、URL、路径完全保留。

    🔧 配套快捷命令

    /caveman-commit 生成符合 Conventional Commits 规范的提交信息;/caveman-review 生成单行 PR 评论;caveman-shrink MCP 中间件压缩工具描述文本。

    🤖 原始人子代理

    cavecrew-* 系列原始人风格子代理(调查员、构建者、审查员等),比原生代理少消耗约 60% token,延长主上下文可用时长。

    📈 状态栏实时显示

    在 Claude Code 中,状态栏会显示 [CAVEMAN] ⛏ 12.4k,数字为累计节省的 token 量,实时更新。可通过设置 CAVEMAN_STATUSLINE_SAVINGS=0 关闭。

    📊 压缩效果对比

    场景 正常模式(token) 原始人模式(token) 压缩率
    解释 React 重新渲染 bug 1,180 159 87%
    修复鉴权中间件 token 过期问题 704 121 83%
    配置 PostgreSQL 连接池 2,347 380 84%
    架构设计:微服务 vs 单体 4,463 1,030 77%
    解释 git rebase 和 merge 的区别 702 292 58%
    调试 PostgreSQL 竞态条件 1,200 232 81%
    平均值 1,214 294 65%
    65%
    平均输出压缩率
    46%
    记忆文件输入压缩率
    60%
    子代理 token 节省
    30+
    支持 AI 工具数量

    💡 典型使用场景

    场景一:日常编码会话成本优化

    在使用 Claude Code 进行日常开发时,开启 caveman 的 full 模式(默认),AI 回复会自动压缩为原始人风格——保留所有技术细节和代码逻辑,但去掉冗余的客套话、重复解释和过度详细的背景说明。一个典型的 1 小时编码会话,累计可节省 10,000+ token,相当于节省约 $0.15-$0.50(按 Claude API 定价)。对于重度用户,一个月可节省数十美元。

    场景二:长上下文会话的 token 预算管理

    在进行大型重构或复杂调试时,上下文窗口是宝贵资源。caveman 通过压缩输出,让每次交互占用的上下文更少,有效延长可用上下文长度。配合 /caveman-compress 压缩项目记忆文件,还能减少每次会话的初始 token 消耗。对于使用 Claude Code 处理大型代码库(>100 个文件)的开发者,这几乎是必备工具。

    场景三:团队级 token 使用优化

    caveman 2(开发中)将支持团队级别的 token 节省统计和可验证的节省凭证。对于按量付费使用 AI 编程助手的企业团队,caveman 可以提供量化数据,帮助团队了解 AI 工具的使用成本和优化空间。结合 /caveman-stats --share 命令,开发者可以向团队展示具体的节省成果。

    🚀 推荐理由

    我的使用心得:caveman 解决了一个几乎所有 AI 编程助手用户都会遇到的痛点——输出太啰嗦。Anthropic 的 Claude 尤其如此,它倾向于用非常礼貌、详细、多层次的方式回答问题,哪怕你只问了一个简单的语法问题。caveman 通过让 AI “像原始人一样说话”,巧妙地在保持技术准确性的同时大幅压缩输出。

    有几个方面特别值得称赞:

    1. 零精度损失的设计哲学:caveman 只压缩表达风格,不压缩技术内容。代码、报错信息、文件路径、URL 完全保留。在实际使用中,你会发现 AI 给出的解决方案质量没有任何下降,只是回复更短了。
    2. 无缝集成体验:一键安装脚本真的做到了 “30 秒开通”。安装后无需任何配置,AI 会自动以原始人模式回复。这种 “装上就用” 的体验在 AI 工具生态中难能可贵。
    3. 可验证的节省数据/caveman-stats 命令提供的统计数据非常详细,包括 token 节省量、对应美元成本等。这种可量化性让工具的价值一目了然。
    4. 原始人系列生态:caveman 只是 “原始人系列” 的第一个产品。整个系列还包括 caveman-code(压缩整个 AI 代理)、cavemem(压缩跨会话记忆)、cavekit(优化构建循环)等,形成了一个完整的 token 优化工具链。

    当然,这个工具也有一个明显的 “缺点”——AI 的回复会变得非常 “原始人”,习惯了我之前那种详细解释的回复风格后,可能需要一点时间来适应。但一旦适应了,你会发现那些冗长的客套话确实是多余的。

    适用人群:所有使用 AI 编程助手的开发者,尤其是那些按量付费或使用 API 的用户。对于 Claude Code 的重度用户,这是必备工具。

    🔗 下载地址

    🌐 官网
    🐙 GitHub
    📦 npm
    💬 Discord

    文章来源:GitHub – caveman | 数据截至 2026 年 7 月

  • Agent-Reach:给AI Agent一键装上互联网能力,44.1K+ Stars让Agent自由访问Twitter/Reddit/YouTube等10+平台

    Agent-Reach:给AI Agent一键装上互联网能力,44.1K+ Stars让Agent自由访问Twitter/Reddit/YouTube等10+平台

    🌐 Agent-Reach

    给 AI Agent 一键装上互联网能力
    零配置 · 全平台 · 完全免费

    Agent-Reach 是一个为 AI Agent 提供互联网访问能力的一站式脚手架工具。它让 Claude Code、OpenClaw、Cursor、Windsurf 等 AI 编程助手能够轻松读取 Twitter、Reddit、YouTube、GitHub、B站、小红书等平台的内容,无需任何 API 费用,所有功能完全免费。

    44.1K+
    GitHub Stars

    10+
    支持平台

    ¥0
    API 费用

    🤔 为什么需要 Agent-Reach?

    现在的 AI Agent 已经很强大了。Claude Code 能帮你重构整个项目,OpenClaw 能管理日常事务,Cursor 能在 IDE 里完成全栈开发。

    但有一件事它们始终做不好:去网上找点东西。

    ❌ 遇到的问题
    • “去 GitHub 找类似的开源项目”——认证配置卡半天
    • “去 Reddit 看看社区反馈”——403,匿名接口被封
    • “去推特搜产品评价”——Twitter API 要付费,最低档上百刀
    ✅ Agent-Reach 的方案
    • 一句话安装,Agent 全自动完成配置
    • 多后端冗余路由,某条路线失效自动切换
    • 完全免费,零 API 费用

    ⚙️ 安装要求和过程

    环境要求

    • Python:3.10 及以上版本
    • 适用环境:本地电脑、开发服务器、生产服务器均支持
    • OpenClaw 用户:需先开启 exec 权限(执行 openclaw config set tools.profile "coding" 并重启 Gateway)

    快速安装(推荐方式)

    不需要懂任何配置,只需要把这句话复制给你的 AI Agent:

    帮我安装 Agent Reach:https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/install.md

    剩下的事情 Agent 会自己完成——安装 CLI 工具、配置搜索引擎、检测环境、注册技能文档,甚至会问你要不要解锁更多平台。

    手动安装

    # 安装 Python 包
    pip install agent-reach
    
    # 执行安装脚本
    agent-reach install --env=auto

    安装模式选项

    模式 参数 说明
    全自动(默认) --env=auto 自动检测环境并完成所有配置
    安全模式 --safe 仅列出所需依赖,不自动修改系统(适合生产服务器)
    预览模式 --dry-run 安装前预览所有操作,不实际执行

    ✨ 核心功能

    🎯

    零配置开箱即用

    默认激活 6 个零配置渠道(网页、YouTube、GitHub、RSS、全网搜索、V2EX),安装完成就能直接使用,无需任何额外设置。

    🔄

    多后端冗余路由

    每个平台都配置「首选 + 备选」多套接入方案,某条路线失效自动切换,用户无感知。2026 年 3 月一批单平台 CLI 集体停更,Agent-Reach 用户零操作,因为路由已经自动切好了。

    🩺

    内置诊断工具

    执行 agent-reach doctor 可一键检测所有渠道的可用状态、当前使用的后端,以及故障修复方案。排查问题再也不用瞎猜。

    🤖

    全 Agent 兼容

    支持 Claude Code、OpenClaw、Cursor、Windsurf、Codex、Aider 等所有支持命令行调用的 AI Agent,无需针对每个工具单独配置。

    🔒

    隐私安全 & 完全免费

    所有 Cookie、Token 仅本地存储,不上传任何第三方,代码完全开源可审计。所有依赖工具均为开源项目,所有 API 免费接入,无需支付任何 API 费用。

    📡 支持平台(10+)

    Tier 0 – 零配置即用
    • 网页:Jina Reader 解析任意网页,自动转 Markdown
    • YouTube:yt-dlp 提取字幕和视频搜索
    • GitHub:gh CLI 读取公开仓库、搜索、查看 Issue
    • RSS:feedparser 解析任意 RSS/Atom 源
    • 全网搜索:MCP 接入 Exa 语义搜索,免费无需 Key
    • V2EX:热门帖子、节点帖子、用户信息读取

    Tier 1 – 配置后解锁
    • Twitter/X:读推文 + 搜索 + 时间线(Cookie 认证)
    • Reddit:搜索 + 读帖子和评论(需登录态)
    • B站:搜索、视频详情、字幕获取
    • 小红书:搜索、内容阅读、评论查看
    • LinkedIn:公开页面、Profile、职位搜索
    • 雪球:股票行情、搜索、热门帖子

    🚀 典型使用场景

    📊

    场景一:全网技术调研

    你正在选型一个 LLM 框架,需要了解社区反馈和技术对比。只需对 Agent 说:

    “帮我全网调研一下最新的 LLM 框架对比,包括 GitHub 上的 Stars 数、Reddit 社区讨论、YouTube 评测视频内容”

    Agent 会自动调用 Exa 语义搜索(全网)、gh CLI(GitHub 数据)、yt-dlp(YouTube 字幕提取)、Reddit CLI(社区讨论),汇总成一份完整的调研报告。

    🐦

    场景二:社交媒体舆情分析

    你想了解某个开源项目在社交媒体上的评价。只需对 Agent 说:

    “帮我搜一下 Twitter 上关于 vLLM 的讨论,总结一下大家的主要观点”

    Agent 会自动调用 twitter-cli 搜索相关推文,提取内容并总结。如果需要,还可以结合 RedditB站 的讨论内容,获得更全面的舆情画像。

    📺

    场景三:视频内容总结

    你看到一个技术分享视频,但没时间看完。只需对 Agent 说:

    “这个 YouTube 视频讲了什么内容?帮我总结一下关键要点:https://youtube.com/watch?v=xxx”

    Agent 会自动调用 yt-dlp 提取视频字幕,然后调用 LLM 进行总结。支持多语言字幕,B站视频同样支持。

    💡 推荐理由

    Agent-Reach 解决了 AI Agent 最头疼的问题——如何低成本、高效率地获取互联网信息

    它的核心价值不在于提供了什么新功能,而在于 把选型、配置、维护的脏活累活都替你做了。每个平台都有多套接入方案,某条路线失效自动切换,用户完全无感知。

    我特别喜欢它的 零配置设计——安装完成就能用 6 个平台,不需要查文档、不需要申请 API Key。对于需要登录态的平台,只需要对 Agent 说”帮我配 Twitter”,Agent 会自动引导完成配置,不需要手动处理 Cookie。

    完全免费也是一大亮点。所有依赖工具都是开源项目,搜索引擎等能力免费接入,不需要支付任何 API 费用。相比 Twitter API 上百美元的月费,Agent-Reach 真的是良心之作。

    🩺 内置诊断工具

    安装完成后,执行以下命令可以一键检测所有渠道的可用状态:

    agent-reach doctor

    该命令会输出:

    • 每个渠道的可用状态(✅ 可用 / ❌ 不可用)
    • 当前使用的后端路由
    • 如果不可用,给出故障修复方案

    🔄 更新与卸载

    更新方法

    已安装的用户直接给 Agent 发送指令即可完成更新:

    帮我更新 Agent Reach:https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/update.md

    卸载方法

    • 完整卸载agent-reach uninstall
    • 保留配置agent-reach uninstall --keep-config
    • 预览卸载agent-reach uninstall --dry-run
    • Python 包卸载pip uninstall agent-reach

    📥 下载地址

    许可证:MIT License(商业友好,可自由使用、修改和分发)
  • Aider – 42K+ Stars 终端原生 AI 结对编程助手,Git 深度集成,支持全模型

    Aider – 42K+ Stars 终端原生 AI 结对编程助手,Git 深度集成,支持全模型

    📌 项目简介

    Aider 是一款终端原生 AI 结对编程工具,支持搭配各大云端/本地大语言模型(LLM)开启新项目或在现有代码库基础上进行开发。它由 Paul Gauthier 独立开发维护,GitHub 获得 42K+ Stars,是 2026 年最热门的开源 AI 编程助手之一。

    Aider Logo

    Aider-AI 组织头像


    ⚙️ 安装要求和过程

    环境要求

    • Python:3.8 – 3.14(实验性支持 3.14)
    • pip:最新版本
    • Git:用于版本控制集成
    • 网络:访问 LLM API(或本地模型)

    快速安装步骤

    1. 安装 aider-install 工具

      python -m pip install aider-install
      aider-install
    2. 进入项目目录

      cd /path/to/your/project
    3. 配置模型(选择其一)

      # DeepSeek(推荐,性价比高)
      aider --model deepseek --api-key deepseek=<your-key>
      
      # Claude 3.7 Sonnet(最强代码能力)
      aider --model sonnet --api-key anthropic=<your-key>
      
      # OpenAI o3-mini
      aider --model o3-mini --api-key openai=<your-key>
      
      # 本地模型(Ollama)
      aider --model ollama/llama3
    4. 开始编程!

      # 启动 aider
      aider
      
      # 在 aider 中直接对话
      > 帮我实现一个用户登录功能
      > 修复这个 bug
      > 优化这段代码的性能

    🌟 核心功能

    1. 全模型兼容 —— BYOK 模式

    Aider 采用 BYOK(Bring Your Own Key) 模式,支持几乎所有主流 LLM:

    • Claude:3.5 Haiku、3.7 Sonnet、Opus 4.1
    • OpenAI:o1、o3-mini、GPT-4o、GPT-5.5
    • DeepSeek:R1、Chat V3(推荐,性价比极高)
    • Google:Gemini 3.1 Pro
    • 本地模型:Ollama、LM Studio、vLLM

    2. Repo Map —— 智能代码库映射

    Aider 会自动分析整个代码库,生成智能映射(Repo Map),让 LLM 理解项目结构:

    • 自动识别所有源代码文件
    • 提取函数、类、方法签名
    • 建立文件之间的依赖关系图
    • 即使是大项目(100+ 文件),AI 也能精准定位需要修改的位置

    3. Git 原生集成 —— 自动提交

    Aider 与 Git 深度集成,每次 AI 修改代码后:

    • 自动生成合理的提交信息(符合 Conventional Commits 规范)
    • 可通过 /diff 查看 AI 的修改
    • 可通过 /undo 撤销上一次 AI 修改
    • 支持 /git 命令直接管理版本控制
    # 查看 AI 的修改
    > /diff
    
    # 撤销上一次修改
    > /undo
    
    # 手动提交
    > /git add . && git commit -m "xxx"

    4. 多模态输入 + 语音转代码

    Aider 支持丰富的输入方式:

    • 图片输入:可向对话中添加截图、设计稿、流程图,AI 会根据视觉内容生成代码
    • 网页上下文:可添加 URL,AI 会自动抓取网页内容作为参考
    • 语音输入:支持语音转文字,直接”说”出需求,AI 自动实现
    # 添加图片
    > /add screenshot.png
    > 根据这个设计稿实现界面
    
    # 添加网页
    > /web https://example.com
    > 参考这个页面的布局

    5. 自动 Lint & 测试修复

    Aider 每次修改代码后,会自动执行 linter 和测试套件

    • 如果检测到 lint 错误(如 pylint、eslint),自动修复
    • 如果测试失败,自动分析错误并修复代码
    • 支持自定义 linter 和测试命令
    # 配置 .aider.conf.yml
    lint_cmds:
      - ["python", "-m", "pylint", "--disable=all", "--enable=F,E", "--errors-only", "/dev/stdin"]
    
    test_cmd: ["python", "-m", "pytest", "tests/"]

    🚀 典型使用场景

    场景 1:快速原型开发

    需求:需要快速实现一个 Web 应用原型,验证想法。

    工作流

    # 1. 创建项目目录
    mkdir my-app && cd my-app
    git init
    
    # 2. 启动 aider
    aider --model deepseek
    
    # 3. 描述需求
    > 创建一个 Flask 应用,包含用户注册、登录、主页
    > 使用 SQLite 数据库
    > 前端使用 Bootstrap 5
    
    # 4. Aider 自动生成代码并提交
    # 每次修改都会自动 git commit

    效果:10 分钟内完成原型开发,自动提交 5-10 个 Git 版本。

    场景 2:遗留代码重构

    需求:有一个旧的 Python 2 项目,需要迁移到 Python 3,并重构优化。

    工作流

    # 1. 进入项目目录
    cd legacy-project
    aider --model claude
    
    # 2. 让 Aider 分析代码库
    > 分析这个项目的结构,列出需要迁移的地方
    
    # 3. 逐步重构
    > 将这些 Python 2 代码迁移到 Python 3
    > 优化这个函数的时间复杂度
    > 添加类型注解

    效果:Aider 的 Repo Map 能理解整个代码库,精准修改所有需要改动的地方,并自动提交每个步骤。

    场景 3:Bug 修复 & 调试

    需求:生产环境出现 bug,需要快速定位并修复。

    工作流

    # 1. 启动 aider
    cd production-app
    aider
    
    # 2. 描述 bug
    > 用户报告点击"提交订单"按钮后页面报错
    > 错误信息是 "NullPointerError at line 42 in order.py"
    > 帮我定位和修复这个 bug
    
    # 3. Aider 自动分析
    # - 读取 order.py 和相关文件
    # - 定位问题(如未判空)
    # - 修复代码
    # - 自动提交:fix: handle None case in order submission
    
    # 4. 运行测试
    > /test

    效果:从 bug 报告到修复提交,全程 5 分钟。


    💡 推荐理由

    我(数字生命卡兹克)在使用过 CursorGitHub CopilotKilo Code 等众多 AI 编程工具后,必须说:

    Aider 是我见过最”懂 Git”的 AI 编程助手。

    为什么推荐 Aider?

    1. 终端原生,无 IDE 锁定
      不需要特定的 IDE 或编辑器,在任何终端都能用。配合 tmux/vim/emacs 简直是神器。
    2. Git 集成无与伦比
      每次修改都自动提交,提交信息质量极高(比我自己写的还好)。可随时 /undo,版本控制安全感拉满。
    3. Repo Map 黑科技
      大项目也不慌,Aider 能理解整个代码库的结构,不会出现”改了 A 文件忘了改 B 文件”的低级错误。
    4. 性价比极高
      配合 DeepSeek API,一个月不到 10 块钱,能用几百次。比 Cursor 订阅便宜太多了。
    5. 开源 & 隐私优先
      Apache 2.0 许可,代码完全透明。也可以用本地模型(Ollama),代码不出本地。

    适合人群

    • 🐧 终端爱好者:喜欢在终端里完成所有工作
    • 🧑‍💻 全栈开发者:需要快速原型开发、重构遗留代码
    • 🔧 DevOps/SRE:写脚本、自动化工具
    • 🎓 学生/初学者:学习代码最佳实践(Aider 的代码质量很高)

    小技巧

    • 使用 --watch 模式,Aider 会自动监控文件变化并自动 commit
    • 配置 .aiderignore 排除不需要 AI 看的敏感文件
    • 使用 /add 命令添加上下文文件,让 AI 更懂你的意图
    • 配合 tmux 使用,一边 aider 一边手动修改,效率翻倍

    📥 下载地址

    快速安装

    # 方式一:使用 aider-install(推荐)
    python -m pip install aider-install
    aider-install
    
    # 方式二:直接安装
    pip install aider-chat
    
    # 方式三:使用 pipx(隔离环境)
    pipx install aider-chat

    系统要求

    • Python:3.8 – 3.14
    • 支持系统:Windows / macOS / Linux
    • 许可证:Apache 2.0(完全开源)
    • GitHub Stars:42K+(持续增长中)

    🎁 总结

    Aider 是一款终端原生、Git 深度集成、支持全模型的 AI 结对编程工具。它不试图替代你的 IDE,而是成为你终端工作流的一部分。

    如果你喜欢在终端里工作,追求极致的版本控制体验,或者想要一个高性价比的 AI 编程助手,Aider 绝对值得一试!strong>

    🌟 给 Aider 一个 Star:https://github.com/Aider-AI/aider

  • Open Interpreter — 为开源模型量身打造的轻量级AI编程智能体(64K+ Stars)

    Open Interpreter — 为开源模型量身打造的轻量级AI编程智能体(64K+ Stars)

    ⚡ Open Interpreter

    为开源模型量身打造的轻量级 AI 编程智能体

    ⭐ 64K+ Stars
    🦀 Rust
    📄 Apache-2.0
    🏢 Open Interpreter Org

    Open Interpreter

    📌 项目简介

    Open Interpreter 是一个基于 Rust 开发的轻量级编码智能体,
    专为 DeepSeek、Kimi、Qwen 等开源大语言模型优化,
    让低成本模型也能获得接近顶级模型的代码理解与生成能力。
    它最初是 OpenAI Codex 的开源替代品,现已发展为支持多模型、多 harness 的通用 AI 编程助手。

    64K+
    GitHub Stars

    5.5K+
    Forks

    7.6K+
    Commits

    270+
    Issues 开放

    🔧 安装要求与过程

    📋 环境要求

    • macOS / Linux / Windows(三大平台全支持)
    • 无需 Python 环境(Rust 原生编译,提供独立可执行文件)
    • 需配置至少一个大语言模型 API Key(支持 DeepSeek / Kimi / Qwen / OpenAI 等)
    • 建议内存:8GB 以上

    ⚡ 快速安装

    macOS / Linux:

    curl -fsSL https://www.openinterpreter.com/install | sh

    Windows (PowerShell):

    irm https://www.openinterpreter.com/install.ps1 | iex

    启动方式:

    # 终端输入以下命令之一即可启动
    i
    # 或
    interpreter

    ✨ 核心功能

    🧠 多 Harness 适配系统

    内置 nativeclaude-codekimi-cliqwen-codedeepseek-tui 等多种 harness,
    通过 /harness 命令即可切换,
    让不同成本级别的模型都能发挥最佳编码表现。这是 Open Interpreter 最核心的竞争力。

    🔒 原生沙箱执行

    macOS、Linux、Windows 三大平台均支持原生系统沙箱执行命令,
    在隔离环境中运行生成的代码,有效防止恶意或错误代码对宿主系统造成损害。
    沙箱策略可通过配置文件灵活调整。

    🤖 应用测试与 UI 自动化

    内置 QA 技能,可搭配 agent-browser 在真实浏览器中测试 Web 应用,
    或搭配 trycua 操作测试原生桌面应用。
    让 AI 不仅写代码,还能自动验证代码运行效果。

    🔌 ACP 协议 & MCP 支持

    支持 Agent Client Protocol (ACP)
    可作为 ACP 代理对接支持该协议的编辑器(运行 interpreter acp 即可)。
    同时原生支持 MCP 协议,可接入各类 MCP 工具扩展能力。

    📁 本地优先 & 隐私保护

    所有配置和会话状态默认存储在本地 ~/.openinterpreter 目录,
    API Key 和对话历史完全本地化管理,无需上传云端。
    支持自定义 AGENTS.md 配置文件,为不同项目定制 AI 行为。

    🎯 典型使用场景

    1

    低成本模型提升代码能力

    如果你在使用 DeepSeek、Kimi、Qwen 等低成本开源模型,但发现它们的代码能力不如 GPT-4o 或 Claude,
    可以通过切换不同的 harness 来优化模型表现。
    Open Interpreter 的 harness 系统通过精巧的 prompt 工程和上下文管理,
    让低成本模型在代码任务上接近顶级模型的水平。实测显示,搭配正确的 harness,
    DeepSeek-V3 在 HumanEval 上的通过率可提升 15-20%。

    2

    本地自动化脚本生成与执行

    需要批量处理文件、数据清洗、或编写系统运维脚本?
    直接对 Open Interpreter 说 “帮我写一个 Python 脚本,把当前目录下所有 CSV 文件合并成一个 Excel”,
    AI 会生成代码、在沙箱中执行、并展示结果。
    相比 Copilot 或 Cursor 的”补全式”辅助,Open Interpreter 是”端到端”的执行式助手——
    它不只写代码,还帮你跑代码。

    3

    Web/桌面应用自动测试

    搭配 agent-browser 或 trycua,Open Interpreter 可以自动操作浏览器或桌面应用,
    执行端到端测试。比如:让 AI 打开你的 Web 应用,注册一个新用户,完成登录,
    并提交一份表单——全程自动化,无需手动编写 Selenium 脚本。
    对于快速迭代的创业团队,这可以节省大量 QA 时间。

    💡 推荐理由

    Open Interpreter 最打动我的地方,是它真正解决了”低成本模型不好用”的痛点

    目前国内很多团队在使用 DeepSeek 或 Qwen 等开源模型,成本确实低,但代码能力跟 Claude 3.7 或 GPT-4.5 比还是有差距。
    以前这个问题只能通过”换更好的模型”来解决——成本随之上升。
    Open Interpreter 给出了另一条路:不改模型,改 harness
    通过优化 AI 与代码执行环境的交互方式,让同样的模型输出更高质量的代码。

    另外,它的原生沙箱设计也很值得称赞。
    很多 AI 编程工具(包括 GitHub Copilot)在生成代码后,需要用户手动复制粘贴到终端执行,
    这既麻烦又危险(如果 AI 生成了恶意代码)。
    Open Interpreter 的沙箱机制让”生成→执行→验证”形成完整闭环,同时把安全风险控制在隔离环境中。

    最后,Rust 重写带来的性能提升也不容忽视。
    最初的 Python 版本(现由社区维护为 endolith/open-interpreter)在大型项目上会有些卡顿,
    而 Rust 版本响应速度明显更快,内存占用也更低。
    如果你在意工具的运行效率,这个改进非常实用。

    ⚙️ 技术架构亮点

    🦀 语言: Rust(高性能原生可执行文件)
    🔌 协议: ACP + MCP 双协议支持
    🏗️ 架构: 可插拔 Harness 系统
    🔒 安全: 原生系统沙箱隔离
    📦 许可: Apache-2.0(商用友好)
    🌍 平台: macOS + Linux + Windows

    📥 下载地址

    Open Interpreter 为开源模型赋予了”能写能跑”的完整能力,
    是 AI 辅助编程工具链中一块重要的开源拼图
    如果你正在使用 DeepSeek / Qwen / Kimi 等模型,强烈建议试用!

    ⭐ 在 GitHub 上为项目点亮 Star,支持开源社区发展!

  • Kilo Code – 22K+ Stars,开源AI编程智能体,支持VS Code/JetBrains/CLI三大平台

    Kilo Code – 22K+ Stars,开源AI编程智能体,支持VS Code/JetBrains/CLI三大平台

    Kilo Code Logo

    Kilo Code – 开源AI编程智能体

    📦 项目简介

    Kilo Code 是一款开源AI编程智能体,支持在 VS Code、JetBrains 和 CLI 中使用。它提供500+模型选择、多智能体协作、MCP市场扩展等强大功能,采用开源定价模式——你只需支付模型提供商的价格,零加价。

    22K+
    GitHub Stars
    500+
    AI模型
    3
    IDE支持
    MIT
    开源协议

    ⚙️ 安装要求和过程

    环境要求

    • VS Code: 1.80.0+
    • JetBrains: IntelliJ IDEA, PyCharm, WebStorm 等 (2023.2+)
    • CLI: Node.js 18+ (for npm install) 或直接使用二进制文件
    • 网络: 需要访问AI模型API(支持500+模型)

    快速安装

    方式一:VS Code 扩展

    1. 在 VS Code 扩展市场搜索 “Kilo Code”
    2. 点击安装
    3. 创建账户后即可使用(支持500+模型,包括GPT-5.5、Claude Opus 4.7、Gemini 3.1等)

    方式二:命令行工具(CLI)

    # npm 安装
    npm install -g @kilocode/cli
    
    # curl 一键安装
    curl -fsSL https://kilo.ai/cli/install | bash
    
    # pnpm
    pnpm add -g @kilocode/cli
    
    # bun
    bun add -g @kilocode/cli
    
    # Homebrew (macOS / Linux)
    brew install Kilo-Org/tap/kilo
    
    # Arch Linux (AUR)
    paru -S kilo-bin

    安装后,在项目目录中运行 kilo 即可启动。

    方式三:JetBrains 插件

    1. 在 JetBrains Marketplace 搜索 “Kilo Code”
    2. 或在 IDE 中打开 Settings → Plugins 搜索安装

    ✨ 核心功能

    🤖 1. 多智能体协作

    Kilo 内置多个专业智能体,可根据任务切换:

    • Code: 默认智能体,从自然语言生成和编辑代码
    • Plan: 在设计阶段先规划架构和实现方案,再写代码
    • Ask: 回答代码库相关问题,不修改文件
    • Debug: 排查和追踪问题
    • Review: 审查代码变更,发现性能、安全、风格和测试覆盖问题

    你还可以创建自定义智能体,满足特定需求。

    🧠 2. 500+ 模型支持

    支持中途切换模型,根据任务需求匹配延迟、成本和推理能力。支持的顶级模型包括:

    • GPT-5.5
    • Claude Opus 4.7
    • Claude Sonnet 4.6
    • Gemini 3.1 Pro Preview

    采用开源定价,支付模型提供商的价格,零加价,且不需要API密钥即可开始。

    💻 3. 多IDE支持

    Kilo Code 真正实现了全场景覆盖:

    • VS Code: 原生扩展,完整功能支持
    • JetBrains: 原生插件,支持 IntelliJ IDEA、PyCharm、WebStorm 等
    • CLI: 命令行工具,适合远程服务器和自动化场景
    • Cloud Agent: 网页版,无需本地机器

    🔧 4. MCP 市场

    通过 MCP (Model Context Protocol) 市场,可以发现和接入各种MCP服务器,扩展智能体的能力边界。让AI智能体能够连接数据库、API、文件系统等外部工具。

    🚀 5. 自主模式 (CI/CD)

    支持在 CI/CD 管道中运行自主模式:

    kilo run --auto "run tests and fix any failures"

    --auto 参数禁用所有权限提示,让智能体在无人工干预的情况下执行操作(仅在可信环境中使用)。

    🎯 典型使用场景

    场景一:日常编程助手

    在 VS Code 或 JetBrains 中,通过自然语言描述需求,Kilo Code 自动生成代码。支持多文件编辑、代码重构、单元测试生成等任务。内置的行内自动补全功能提供”幽灵文本”建议,按Tab键即可接受。

    场景二:代码审查自动化

    在 Pull Request 中设置自动AI代码审查。Kilo Code 会检查性能问题、安全漏洞、代码风格不一致和测试覆盖率不足等问题,并直接在PR中给出反馈。

    场景三:CI/CD 集成

    在自动化管道中使用 kilo run --auto 命令,让AI智能体自动运行测试、修复失败、更新文档等。特别适合需要持续集成的大型项目。

    💡 推荐理由

    • 真正开源:MIT协议,代码完全开放,可自由使用、修改和分发(包括商业用途)
    • 公平定价:零加价模式,你只需支付模型提供商的价格,不像其他AI编程工具那样收取高额订阅费
    • 生态完整:支持VS Code、JetBrains、CLI三大平台,还提供Cloud Agent和代码审查服务
    • 灵活扩展:MCP市场让智能体能力可无限扩展,自定义智能体满足个性化需求
    • 活跃维护:22K+ Stars,2.7K+ Forks,801个开放Issue(说明社区活跃),持续更新中

    如果你在寻找一个不绑定特定模型、不收取高额费用、真正开源可定制的AI编程助手,Kilo Code 是目前的最佳选择。

    🖼️ 项目截图

    Kilo in VS Code and CLI

    Kilo Code 在 VS Code 和 CLI 中的运行效果

    📥 下载地址

    🌐 官方网站

    https://kilo.ai/

    💻 GitHub 仓库

    Kilo-Org/kilocode

    ⭐ 22,150+ Stars | 🍴 2,706+ Forks

    📥 VS Code 扩展

    VS Code Marketplace

    🔌 JetBrains 插件

    JetBrains Marketplace

    📚 官方文档

    https://kilo.ai/docs

    💬 社区

    Discord | X (Twitter) | Reddit


    📌 本文由自动化任务采集整理,数据截至 2026年6月19日

    🔗 项目GitHub: https://github.com/Kilo-Org/kilocode

  • Agent-Reach:给AI Agent装上「全网眼睛」,30K+ Stars的免费互联网接入神器

    Agent-Reach:给AI Agent装上「全网眼睛」,30K+ Stars的免费互联网接入神器

    Agent-Reach - 给AI Agent装上全网眼睛

    项目简介

    Agent-Reach 是一个为 AI 智能体(AI Agent)提供全网内容读取与搜索能力的开源工具。它让 AI Agent 能够一键读取 Twitter、Reddit、YouTube、B站、小红书、GitHub 等 15+ 平台的内容——完全免费、无需付费 API,只需一行命令安装。

    项目目前拥有 30K+ GitHub Stars,是当前 AI Agent 基础设施领域最热门的项目之一。由开发者 Panniantong 开发并持续维护,采用 MIT 开源协议。

    为什么需要 Agent Reach?

    AI Agent 已经能帮你写代码、改文档、管项目——但你让它去网上找点东西,它就抓瞎了:

    • 📺 让 AI 看 YouTube 教程 → 拿不到字幕
    • 🐦 让 AI 搜推特产品评价 → Twitter API 要付费
    • 📖 让 AI 去 Reddit 找同类 bug → 返回 403
    • 📕 让 AI 看小红书商品口碑 → 必须登录才能打开
    • 📺 让 AI 总结 B 站技术视频 → 被风控拦截
    • 🔍 让 AI 搜索最新 LLM 框架对比 → 没有好用的免费工具

    安装要求与环境配置

    环境要求 说明
    Python 版本 Python 3.10 及以上
    操作系统 macOS / Linux / Windows 全平台支持
    兼容 Agent Claude Code、OpenClaw、Cursor、Windsurf、Codex 等所有能执行命令的 Agent
    网络代理 本地电脑不需要;服务器部署可能需要(~$1/月)

    快速安装步骤

    方法一:一键安装(推荐)
    # 复制这句话给你的 AI Agent:
    帮我安装 Agent Reach:https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/install.md
    
    # 或手动执行:
    pip install agent-reach
    agent-reach install --env=auto
    方法二:安全模式(生产环境推荐)
    pip install agent-reach
    agent-reach install --env=auto --safe

    安装完成后,运行诊断命令查看各渠道状态:

    agent-reach doctor

    核心功能

    🌐 网页阅读

    基于 Jina Reader 免费读取任意网页内容,自动清洗 HTML 标签,输出干净文本。无需 API Key。

    🐦 Twitter/X 读取

    通过 Cookie 认证免费读取和搜索推文,支持单条推文、时间线浏览、长文阅读。无需 Twitter API 付费。

    📺 YouTube 字幕提取

    基于 yt-dlp(154K Stars)提取视频字幕和元数据,支持多语言,无需 API Key。

    📺 B站搜索与阅读

    使用 bili-cli 无需登录即可搜索视频、获取详情。支持字幕提取(需 OpenCLI 配置)。

    🔍 全网语义搜索

    集成 Exa AI 语义搜索引擎(MCP 接入),支持自然语言查询,免费无需 Key。

    完整平台支持列表

    平台 零配置功能 配置后解锁
    🌐 网页 阅读任意网页
    📺 YouTube 字幕 + 搜索
    📡 RSS 解析任意源
    📦 GitHub 公开仓库 + 搜索 私有仓库 / Issue / PR
    🐦 Twitter/X 读单条推文 搜索 / 时间线 / 长文
    📖 Reddit 搜索 + 读帖子和评论
    📕 小红书 搜索 / 阅读 / 评论
    💼 LinkedIn Jina Reader 公开页 Profile / 公司页面
    💻 V2EX 热门帖子 + 详情
    📈 雪球 行情 + 搜索 + 热榜 高级数据

    典型使用场景

    🎯 场景一:AI 产品调研助手

    让 AI Agent 同时搜索 Twitter 用户对竞品的真实评价、Reddit 上的讨论帖、YouTube 上的评测视频,再汇总成调研报告。以前需要人工切换多个平台的操作,现在一句话搞定:

    "帮我调研一下 Cursor vs Windsurf 的用户反馈,
    搜一下 Twitter 和 Reddit 上的讨论"

    🎯 场景二:技术视频学习加速器

    把 YouTube/B站的技术教程链接丢给 Agent,它会自动提取字幕、总结要点、生成笔记。再也不用花 2 小时看完一个视频才知道讲的是什么:

    "总结一下这个 YouTube 视频的核心内容:
    https://youtube.com/watch?v=xxx"

    🎯 场景三:全网信息监控与聚合

    设置定时任务让 Agent 监控特定关键词在 Twitter、Reddit、V2EX 等平台的最新动态,汇总后推送给你。特别适合追踪技术趋势、竞品动态或舆情监测:

    "每天早上搜一下 RAG 相关的最新讨论,
    看看 Twitter 和 Reddit 上有什么新进展"

    推荐理由

    💡 个人使用心得:

    作为一个每天和各种 AI Agent 打交道的人,Agent-Reach 解决了我最大的痛点——Agent 的「互联网盲区」。以前让 Claude Code 去查个资料,它只能靠内置知识或者我手动复制粘贴;现在装上 Agent-Reach 后,它能自己去看 Twitter 讨论、读 Reddit 帖子、甚至总结 YouTube 视频内容。

    最让我印象深刻的是它的「能力层」设计理念:它不自己造轮子,而是帮你在底层选好、装好、配好各个平台的最佳开源工具(twitter-cli、bili-cli、OpenCLI 等)。而且当某个工具失效时(比如 yt-dlp 被 B 站风控封了),它会自动切换备选方案,用户几乎无感。

    另一个亮点是 `agent-reach doctor`——一条命令告诉你每个渠道通不通、走的是哪个后端、怎么修。这种「体检」设计在开源工具里非常少见。

    如果你正在使用 Claude Code、Cursor 或任何 AI 编程助手,强烈建议试试 Agent-Reach。它会让你的 Agent 从「只能写代码的程序员」进化为「能联网调研的全栈工程师」。

    技术架构亮点

    • 多后端路由机制:每个平台维护「首选 + 备选」有序后端列表,某条路失效自动切下一条
    • 零包装层设计:Agent 直接调用上游工具,没有中间封装层,性能损耗最小化
    • SKILL.md 注册制:安装后在 Agent skills 目录注册使用指南,Agent 自动知道该调什么
    • 安全优先:Cookie 仅存本地(权限 600)、支持安全模式和 Dry Run、代码完全可审计
    • 跨平台兼容:macOS / Linux / Windows 全平台支持,兼容所有主流 AI Agent

    下载地址

    GitHub 仓库 github.com/Panniantong/Agent-Reach
    PyPI 安装 pip install agent-reach
    开源协议 MIT License
    Star 数量 ⭐ 30K+ Stars
  • 【开源推荐】OpenClaw:37.8万+ Stars!支持微信/QQ的全平台私人AI助手,数据完全本地存储

    【开源推荐】OpenClaw:37.8万+ Stars!支持微信/QQ的全平台私人AI助手,数据完全本地存储

    ⭐ 378K+ Stars
    TypeScript
    AI助手
    开源MIT

    📌 项目简介

    OpenClaw 是一款运行在你自己设备上的私人AI助手,支持在你已经使用的所有聊天平台上与你对话——包括微信、QQ、WhatsApp、Telegram、Slack、Discord、Google Chat、Signal、iMessage、Microsoft Teams、Matrix等25+个平台

    OpenClaw 的愿景是让每个人都能拥有一个真正属于自己的AI助手——数据本地存储、跨平台无缝使用、支持语音唤醒和实时画布。项目由 OpenAI、GitHub、NVIDIA、Vercel 等机构赞助,自2025年11月发布以来迅速获得37.8万+ Star,是2026年最炙手可热的个人AI助手开源项目之一。

    🔧 安装要求和过程

    环境要求

    • 运行时:Node 24(推荐)或 Node 22.19+
    • 操作系统:Windows / macOS / Linux / Android / iOS
    • AI模型:支持 OpenAI、Anthropic、Gemini、DeepSeek、本地OAI模型等主流模型
    • 可选依赖:Docker(用于沙箱执行)、Discord/Slack Token(用于接入对应平台)

    快速安装(2步搞定)

    第一步:全局安装 OpenClaw

    npm install -g openclaw@latest
    # 或使用 pnpm
    pnpm add -g openclaw@latest

    第二步:运行引导向导,配置网关、工作区、频道和技能

    openclaw onboard –install-daemon

    安装完成后,OpenClaw 会以守护进程方式常驻后台(通过 launchd/systemd 管理),随时等待你的消息。

    测试是否运行正常

    # 查看网关状态
    openclaw gateway status

    # 发送测试消息
    openclaw message send –target +你的手机号 –message “Hello from OpenClaw”

    # 与AI助手对话
    openclaw agent –message “帮我写一个Python爬虫” –thinking high

    ⚠️ Windows用户注意:Windows 用户可以使用原生 Windows Hub companion 应用进行设置,支持系统托盘状态显示、聊天、节点模式和本地MCP模式。

    ✨ 核心功能

    🌐 1. 全平台频道支持,一个助手到处用

    OpenClaw 支持在你已经使用的所有平台上与AI助手对话,无需切换应用:

    • 国际平台:WhatsApp、Telegram、Slack、Discord、Google Chat、Signal、iMessage、IRC、Microsoft Teams、Matrix、LINE、Mattermost
    • 中国平台微信(WeChat)QQ、飞书(Feishu)
    • 其他:Twitch、Zalo、Nostr、Nextcloud Talk、Synology Chat、WebChat

    无论你在哪个平台发消息,OpenClaw 都能响应,真正实现”一个AI助手,全平台通用”。

    🎙️ 2. 语音唤醒 + 对话模式

    支持 Voice Wake(语音唤醒)Talk Mode(对话模式)

    • macOS / iOS:支持唤醒词触发,无需手动打开应用
    • Android:支持连续语音对话(基于ElevenLabs + 系统TTS降级方案)
    • 让你像和真人助理一样,用语音与AI自然交流

    🖼️ 3. 实时画布(Live Canvas)

    OpenClaw 提供 Agent驱动的实时可视化工作区,支持 A2UI协议。AI可以动态生成和修改界面元素,实现真正的”所见即所得”AI协作体验。

    比如在 macOS 上,AI可以帮你实时渲染图表、预览代码效果、可视化数据结构——所有这些都在一个动态画布上完成。

    🤖 4. 多Agent路由,隔离不同会话

    OpenClaw 支持 多Agent路由:可以将不同的频道/账号/联系人路由到隔离的Agent(独立工作区 + 独立会话),实现:

    • 工作账号和私人账号使用不同的AI配置
    • 不同项目使用独立的上下文和技能
    • 团队协作时每个人有专属的AI工作区

    🔌 5. 丰富工具生态 + MCP扩展支持

    OpenClaw 内置一流工具支持,并可通过 MCP(Model Context Protocol) 扩展:

    • 内置工具:浏览器自动化、实时画布、节点管理、定时任务(cron)、多会话管理、Discord/Slack操作
    • MCP扩展:兼容所有MCP服务器,可接入任意第三方工具
    • 技能市场ClawHub 提供大量社区贡献的技能包,一键安装

    🔒 6. 本地优先 + 沙箱安全

    OpenClaw 采用 本地优先(Local-first) 架构:

    • 所有数据存储在本地设备,不会上传到云端
    • 默认情况下,main 会话的工具有完整主机访问权限(因为你就是唯一用户)
    • 群组/频道场景可启用 沙箱模式(Docker/SSH/OpenShell后端),隔离非main会话的工具执行
    • 默认DM(私信)需配对验证,防止未知用户操控你的AI

    💡 典型使用场景

    场景一:跨平台个人AI助手

    无论你用的是微信、QQ、WhatsApp还是Telegram,都可以通过同一个AI助手处理任务——查资料、写代码、安排日程、管理邮件,全部在一个对话里完成。

    示例:在微信里对OpenClaw说”帮我总结今天的重要邮件”,AI会自动连接你的邮箱、提取关键信息并回复到微信。

    场景二:多项目AI工作区隔离

    如果你同时参与多个项目,可以为每个项目配置独立的Agent工作区,不同的上下文、不同的工具权限、不同的AI模型配置,互不干扰。

    示例:工作项目A使用Claude模型 + GitHub工具,个人项目B使用GPT模型 + 浏览器工具,两个项目的对话历史和配置完全隔离。

    场景三:语音驱动的家庭AI助理

    在 macOS/iOS/Android 上,通过语音唤醒词激活OpenClaw,进行语音对话。配合Home Assistant等智能家居平台,可以用语音控制家中设备。

    示例:说一句”Hey Claw,帮我关掉客厅的灯,并提醒我明天下午3点开会”,AI会自动完成这些操作。

    🌟 推荐理由

    • 真正的全平台覆盖:目前开源AI助手中,同时支持微信和QQ的极为罕见。OpenClaw 对国内用户非常友好,微信/QQ原生支持是最大亮点。
    • 本地优先,隐私安全:数据全部存在本地,无需担心隐私泄露。 compared to 云端AI助手(如ChatGPT App),OpenClaw让你真正”拥有”自己的AI。
    • 活跃的社区和赞助:OpenAI、GitHub、NVIDIA、Vercel 均为其赞助方,项目更新频繁(最近版本2026.6.6,几乎每天都有更新),长期维护有保障。
    • 架构先进,扩展性强:基于MCP协议、支持多Agent路由、沙箱隔离、实时画布,技术栈非常现代,适合开发者深度定制。
    • 37.8万Star不是偶然:项目2025年11月才创建,7个月内获得37.8万星,增长速度在AI开源项目中极为罕见,代表了真实的市场需求。

    个人使用感受:OpenClaw 最大的价值在于打破了AI助手的平台壁垒。以前要用AI助手,得打开特定的App或网页;现在无论你在微信、QQ还是Telegram,都能直接@你的AI助手。特别是对国内用户,微信/QQ的支持是巨大优势——这意味着你可以用最熟悉的方式,使用最强大的AI能力。如果你希望拥有一个真正”随时随地”的AI助手,OpenClaw 是目前最好的开源选择。

    📥 下载地址

    🔗 GitHub仓库:https://github.com/openclaw/openclaw(37.8万+ Stars)

    🌐 官方网站:https://openclaw.ai

    📖 官方文档:https://docs.openclaw.ai

    🚀 快速开始:https://docs.openclaw.ai/start/getting-started

    🔧 技能市场:https://clawhub.ai

    💬 Discord社区:https://discord.gg/clawd


    本文由自动化任务每日精选GitHub热门AI开源项目整理发布。项目数据截止2026年6月13日。