agentty
终端里的 AI 结对编程：单个静态二进制、亚毫秒启动、任意模型，用本地 RAG 只把相关代码送进上下文。
README声称shell默认在bwrap/sandbox-exec沙箱中运行、文件工具拒绝工作区外路径、检索结果带来源标签（docs:/skill:/memory:）、air-gap模式TLS钉扎、文件写入原子化，CI工作流权限收窄为contents:read且对Discord转发做了仓库白名单——但本次审查仅见README、LICENSE与CI配置，无任何实现代码可供核实这些安全声明，故 least_privilege/user_confirmation/data_flow_transparency/sensitive_data_handling/external_effects/rollback 各记1分（有声明无佐证）。source_attribution为2：MIT许可证完整且署名明确。dependency_security记1：vcpkg与子模块按SHA拉取有一定可复现性，但未见依赖清单、版本锁定或漏洞扫描证据。
README内部自洽，CI含Linux构建+测试、ASan/UBSan、Windows双工具链、模糊测试冒烟等多重门禁，对失败重试（Retry-After、错误分级退避）有具体描述，故self_consistency记2。dependency_availability记1：声称Ollama不可达时回退BM25，属声明而非可验证证据。failure_messages记1：错误退避与循环倒计时芯片有描述，但错误信息本身的呈现质量无法从静态文件确认。
受众与场景描述充分（Linux/macOS/Windows/Termux/Zed/air-gap/多供应商），Termux无root时明确说明shell不沙箱化，MSVC与MinGW的工具链盲区在CI注释中有清醒认知，故audience_and_scenarios、capability_boundaries、environment_fit各记2。trigger_precision记1：主动检索基于'消息看起来像知识型问题'的启发式，判定边界未定义。
README结构清晰、文档链接体系完整（架构/渲染/按键/构建），故information_architecture记2；安装说明覆盖多平台包管理器、源码构建、CMake预设与故障回退，记2。known_limitations记2：Termux不沙箱、MSVC限制等有明示。license记3：MIT文件完整规范。install_notes之外，naming_stability记1（env var与键位有文档但无稳定性承诺）；examples_and_faq记1（有示例无FAQ）；versioning_changelog记1（有cut-release脚本与CHANGELOG引用但未见实际changelog）；maintenance_responsibility记1：单一署名作者、Discord社区，CI注释中提到的'幽灵必需检查'问题暗示维护流程尚有瑕疵，无明确维护者承诺。
output_usability记1：工具输出卡片、可折叠chip、^O检查输出等有描述但无代码佐证。marginal_value记1：与Node系竞品的差异化定位（本地RAG、Smart Mode、静态二进制）清晰，但'上下文削减80%+'等量化收益无证据。cost_benefit记1：Smart Mode声称降本，未提供任何成本数据。
claim_traceability记1：引用了docs/文件与一篇arXiv论文，但性能数字（~3ms、~20%→85%准确率）无可追溯来源。cross_source_corroboration记1：CI配置可部分佐证测试与打包声明的存在，但核心功能声明（沙箱、RAG管线）无第二来源。fact_inference_separation记1：README混合营销语言与技术事实，'honest comparisons'等说法是评价而非事实，未做区分。
- 沙箱、路径限制与数据流声明均来自README，本次静态审查未见实现代码，使用前应自行核实沙箱实际覆盖范围。
- 安装脚本采用 curl | sh 模式且发布者身份未经核实，执行前应先审阅脚本内容。
- 性能与准确率数字（~3ms启动、80%上下文削减、20%→85%准确率）均无可验证来源，不应作为选型依据。
- Termux/Android上shell命令明确不沙箱运行，敏感环境中应避免在该平台使用bash工具。
- Smart Mode的本地学习数据写入 .agentty/ 目录，多用户或共享机器上注意工作区数据的隔离。
这个 Agent 能做什么，适合哪些场景？
agentty（GitHub: 1ay1/agentty）是一个用 C++26 编写的开源终端编码代理，定位为 Claude Code 的替代品，以 MIT 协议发布。它交付为单个完全静态的原生二进制（约 16.7 MB），冷启动约 3 ms，无 Node、Python 或任何运行时依赖。它内置一套完全本地的检索引擎：混合 BM25 加稠密向量（含 HNSW 索引、RRF 融合、重排、MMR 多样化、GraphRAG 文档图扩展和 CRAG 纠错重试），通过 search_docs 和 search_code 两个工具只取回相关片段，README 称可将上下文缩减 80% 以上。模型侧不锁定厂商：支持 Anthropic（含 Claude Pro/Max OAuth）、OpenAI、Groq、OpenRouter、Cerebras、DeepSeek、xAI、Mistral、Gemini、Fireworks 以及本地 Ollama，可在应用内用 ^P 实时切换。安全方面，shell 和构建命令默认在 bwrap（Linux）/ sandbox-exec（macOS）沙箱中运行，文件工具拒绝工作区之外的路径，并支持通过 SSH 中继的气隙（air-gapped）模式。它还实现了 Agent Client Protocol，可在 Zed 编辑器内作为代理服务器运行。
在终端 TUI 中接受自然语言任务，调用 LLM 并驱动一套完整工具（read、write、edit、bash、grep、glob、git、web、search_docs、search_code、task），每个工具配有专用界面组件。读取工作区文件与文档，在沙箱内执行 shell/构建命令，产出并应用代码修改，可通过 ^R 审查变更。search_docs 在本地知识库（docs 目录、已装 skills、remember 记忆、可选的 MCP 资源）上跑九级检索漏斗；search_code 对源码做语义搜索，与 grep 的关键词搜索互补。Smart Mode（^S）采用 orchestrator-workers 架构：旗舰模型规划、便宜模型执行，按轮次复杂度调节 effort 并级联重试，且按工作区持久化学习（.agentty/ 目录）。支持 Agent Skills（兼容 Claude Code 的 .claude/skills/ 格式的 SKILL.md）、MCP、^B 循环重发提示、^G 在真实终端交互式运行代码块，以及 agentty airgap 命令为无网主机建立 SSH 中继。
- 在无网或受限环境的开发者：用 agentty airgap user@host 让笔记本通过 SSH+TLS 中继为离线机器上的会话提供模型访问。
- 本地优先的隐私敏感用户：用 --provider ollama -m qwen2.5-coder 完全离线运行，无需任何 API 密钥。
- 已订阅 Claude Pro/Max 的用户：直接 OAuth 登录复用现有订阅，无需单独购买 API 额度。
- 维护文档稀少的大型代码库的工程师：靠 search_code 语义搜索（如"重试退避在哪处理"）和 GraphRAG 增强检索定位代码，而不必整库投喂。
- 想控制成本的团队：开启 Smart Mode 让旗舰模型规划、便宜模型干活，cascade 只在失败时升级 effort。
- Zed 编辑器用户：通过 ACP 协议（agentty acp）把 agentty 接入编辑器。
- Android/Termux 用户：原生构建安装到 $PREFIX/bin，无需 root 或 proot（沙箱在无 root 的 Android 上不可用）。
这个 Agent 有哪些优点和局限？
- 单个 16.7 MB 静态二进制、约 3 ms 冷启动，零运行时依赖，下载即用——对比典型的 Node/Python 终端代理是实质性差异。
- 完全本地 RAG（BM25+向量、RRF、GraphRAG、CRAG）只取相关片段，README 称比整库投喂节省 80%+ 上下文，且离线可用（无 Ollama 时回退到 BM25）。
- 模型/厂商无关：Anthropic（含 Pro/Max OAuth）、OpenAI、Groq、DeepSeek、xAI、Gemini、Ollama 等十余家，^P 实时切换，不存在供应商锁定。
- 默认安全：shell 命令在 bwrap/sandbox-exec 沙箱中运行，文件工具限制在工作区内，另有 SSH 气隙模式。
- Smart Mode 的 orchestrator-workers 设计按复杂度分配模型与 effort，并按工作区本地学习，关闭时是严格的字节级 no-op。
- 从源码构建需要 C++26 工具链（GCC 14+ 等），门槛高于 Node/Python 项目；改代码需用 debug preset 否则全量重编译约 36 s。
- 语义检索（稠密向量、HyDE、GraphRAG 摘要等高级功能）依赖本地 Ollama 嵌入服务或额外的模型调用；只有 BM25 是零配置的。
- 无 root 的 Android/Termux 上 shell 和构建工具无法沙箱化（Android 不授予用户命名空间），安全模型在该平台降级。
- RAG-Fusion、HyDE、GraphRAG 社区摘要等召回增强功能默认关闭且各需一次模型调用，启用会增加延迟与成本。
- 相比 Claude Code、Aider、Cursor 等成熟工具，其生态与社区规模的实际表现（除 README 自述外）缺乏独立证据，迁移前需自行评估。
如何安装或部署这个 Agent？
一键安装：curl -fsSL https://raw.githubusercontent.com/1ay1/agentty/master/install.sh | sh。包管理器安装——Debian/Ubuntu：下载 agentty_amd64.deb 后 sudo dpkg -i；Fedora/RHEL：sudo dnf install <agentty-x86_64.rpm 的 release URL>；Arch：yay -S agentty-bin；macOS：brew tap 1ay1/tap && brew install agentty；Windows：scoop bucket add 1ay1 ... ; scoop install agentty 或 winget install agentty.agentty。若预编译二进制不兼容（如 libc 不匹配），用 curl -fsSL ... | sh -s -- --build 从源码编译（需 C++26 工具链：GCC 14+ / 新版 Clang / MSVC），开发可用 cmake --preset debug 快速迭代。
如何使用这个 Agent？
cd your-project && agentty 启动。首次运行进入认证：粘贴 API 密钥（Anthropic sk-ant-… 或任意厂商密钥），或用 Claude Pro/Max OAuth 登录，或选择本地 Ollama 模型（无需密钥）。指定模型示例：agentty --provider openai -m gpt-4o、agentty --provider groq -m llama-3.3-70b、agentty --provider ollama -m qwen2.5-coder。--provider 会持久化，应用内 ^P 实时切换、^S 开 Smart Mode、^B 循环重发、^G 运行回复中的代码块、^R 审查变更、^K 命令面板。启用语义检索：ollama pull nomic-embed-text && ollama serve，可选 export AGENTTY_DOCS_DIR=~/my-project/docs；技能放在 .agentty/skills/ 或 ~/.agentty/skills/ 下的 SKILL.md。Zed 集成：在 agent_servers 中配置 command 为 agentty、args 为 ["acp"]。