Ante —— 终端里的自组织 AI 编程代理
一个约 15MB 的单一 Rust 二进制文件，带来极低资源占用、可本地离线的终端编程代理，兼容任意模型。
证据不足：仓库仅包含文档、协议 crate、评估工作流和 curated 配置，核心二进制闭源。没有权限模型、用户确认、数据流透明、敏感数据处理、依赖安全、外部影响、回滚或来源归属的证据。因此所有信任标准得分为 0。
证据不足：没有核心代码或测试。自洽性、依赖可用性和失败消息无法评估。因此所有可靠性标准得分为 0。
证据不足：虽然 README 描述了多种模式和场景，但核心实现缺失，无法验证能力边界、触发精度或环境适配。因此所有适应性标准得分为 0。
证据不足：存在 README、LICENSE、CHANGELOG 和 CI 工作流，但核心代码缺失，无法评估信息架构、安装说明、命名稳定性、示例、已知限制、版本控制或维护责任。因此所有约定标准得分为 0。
证据不足：没有可执行代码或测试来评估输出可用性、边际价值或成本效益。因此所有有效性标准得分为 0。
证据不足：README 中的声明无法追溯，因为没有核心代码或测试。因此所有可验证性标准得分为 0。
- 核心二进制闭源，无法审计权限、安全或行为。
- 仓库仅包含文档和外围组件，不足以评估 Agent 产品。
- 发布者身份未验证，且核心代码缺失，无法验证基准声明。
这个 Agent 能做什么，适合哪些场景？
Ante 是 Antigma Labs 研发的终端 AI 代理，以单一 Rust 可执行文件分发（压缩约 15MB，解压后约 34.1 MiB），无运行时外部依赖。它支持交互式 TUI、无头模式 (`-p`)、服务模式 (`ante serve`) 和网关模式（Slack/Discord 机器人）。内置 llama.cpp 推理引擎，可离线运行 GGUF 模型，同时内置 17 种主流模型提供商预设，并支持自定义 catalog 配置对接任意 OpenAI 兼容接口。在 Terminal-Bench 2.1 评测中，以 DeepSeek V4 Flash 0731 模型达到 82.7% 的最新成绩，且资源占用较 Claude Code 显著更低。项目开源了文档站点、协议定义和 Harbor 评估管线，而核心 harness 仍以闭源二进制发布。
Ante 提供一个可在终端中执行任务的代理：通过 ante -p "..." 运行单次任务、审查 diff、修复 bug，或用 ante --resume 恢复会话。它通过 ante serve 提供 JSONL 协议服务，供编辑器插件等集成；也可作为网关连接 Slack/Discord。支持通过 --profile 切换完整代理配置（系统提示词、工具集、技能）。内置工具包括重构后的 Grep、git 与 Bash 执行；在离线模式下使用内置 llama.cpp 加载 GGUF 模型。用户可通过 ~/.ante/catalog.json 自定义提供商，或使用内置的 Anthropic、OpenAI、Gemini 等预设。
- 需要审查 git diff 并获取安全建议的开发者，可运行
git diff | ante -p "review this for security issues"。 - 希望在无网络或数据敏感环境中使用本地 GGUF 模型的开发者，通过
ante --offline-model离线运行。 - 需要低资源消耗并行运行大量代理任务（如 CI 或批量任务）的工程团队。
- 希望将代理集成到编辑器插件或自定义 UI 的开发者，使用
ante serve及 JSONL 协议。 - 在 Slack 或 Discord 中需要机器人自动执行开发任务的团队，可使用
ante gateway。 - 希望快速构建定制代理（例如精简为四个工具的“pi”profile）的高级用户，基于配置文件快速切换。
这个 Agent 有哪些优点和局限？
- 极低的资源占用：在相同 20 个 Docker 任务下，峰值内存、平均 CPU 和磁盘 I/O 均比 Claude Code 低多倍。
- 完全离线可用：内置 llama.cpp，可运行本地 GGUF 模型，无 API key 或网络需求。
- 模型无关：支持多种主流提供商预设与自定义 OpenAI 兼容端点，无锁定。
- 单一二进制，无外部依赖：内部集成了 Grep、git 等组件，进程内运行。
- 当前处于测试预览版，存在破坏性变更和功能不完整，且仅支持 macOS 和 Linux（Windows 需 WSL）。
- 核心 harness 尚未开源，仅提供预编译二进制，社区无法审计其内部实现。
- 离线模式需要用户自行准备 GGUF 模型文件，可能带来下载和管理成本。
- 用户需自带模型 API key 或订阅，Ante 本身不提供模型。
- 部分功能（如 skills、MCP 服务器）在精简 profile 下不可用，需权衡功能与资源。
如何安装或部署这个 Agent？
在 macOS 或 Linux 终端中执行：curl -fsSL https://ante.run/install.sh | bash。如需指定目录或频道，可加环境变量或参数（例如 ANTE_INSTALL_DIR=/usr/local/bin bash）。Windows 用户需通过 WSL。安装后得到一个单二进制文件，无需额外依赖。
如何使用这个 Agent？
首次运行 ante 进入 TUI，或直接用 ante -p "任务描述" 执行一次性任务。需要 API 提供商时，需自带 API key（例如 ante --provider openai --model gpt-5.5 -p "..."）或通过 profile 登录订阅。离线模式可指定本地 GGUF 模型路径：ante --offline-model ~/.ante/models/Qwen3.5-9B-Q4_K_M.gguf -p "..."。更新使用 ante update。
这个 Agent 与同类方案有什么区别？
README 明确以 Claude Code 和 Codex 为参照，强调无其依赖和模型限制，并提供资源占用对比。
常见问题
Ante 是否收费？需要账号吗？
Windows 上能运行吗？
如何确保代理行为安全？
能否使用我自己的模型或网关？
~/.ante/catalog.json 可添加自定义提供商，支持 OpenAI 兼容的 API 端点、自定义头及认证方式。