ATLAS 本地编程助手
让本地开源模型通过规划、验证与修复完成代码任务。
按维度查看评分与理由
证据显示：README 明确说明本地运行、不主动上传仓库或提示词；SECURITY.md 详细描述了沙箱隔离（只读根文件系统、无新权限、资源限制）、敏感文件排除和私有值过滤，以及 ATLAS_TRUST_MODE 信任模式（untrusted 拒绝命令执行、trusted 默认沙箱执行、fully-trusted 才允许主机执行）。交互式权限提示和会话恢复在 V3.1.3 中提及。回滚机制（staged upgrade/rollback with auto-restore）在 README 中提及。依赖安全方面有 CodeQL、容器扫描、签名发布等 CI 工作流。扣分原因：发布者身份未验证，来源归属仅基于仓库元数据；沙箱默认有出站网络访问（除非设置 ATLAS_SANDBOX_NET_INTERNAL=true），这可能增加外部影响风险；用户确认机制的具体实现细节未在提供的文件中展示。
证据显示：README 和 SECURITY.md 对系统架构、信任模式、安全边界描述一致；测试文件（如 test_embedding_contract.py）展示了针对特定故障的回归测试，表明内部一致性。依赖可用性方面，pyproject.toml 声明了训练依赖的下限，但未固定版本，可能影响可重现性。失败消息方面，测试中检查了错误消息内容（如 'unreadable'、'per_token'），表明有失败消息设计。扣分原因：未提供完整的依赖锁定文件或 SBOM 细节；失败消息的全面性未在提供的文件中充分展示。
证据显示：README 明确了目标受众（开发者、本地使用）、使用场景（本地编码代理）、能力边界（支持的语言、硬件平台）和触发条件（通过 TUI 或 CLI 启动）。环境适配方面，支持多种 GPU 和操作系统，并有 SUPPORT_MATRIX.md 和 SETUP.md 等文档。扣分原因：能力边界和触发精度的具体细节（如工具调用的分类、安全限制）在提供的文件中仅部分描述，未深入代码层面。
证据显示：README 提供了清晰的信息架构（文档链接、目录结构）、安装说明（一键安装脚本、手动安装路径）、命名稳定性（版本号、组件名称）、示例和 FAQ（文档中有示例）、已知限制（明确列出）、许可证（AGPL-3.0 完整文本）、版本变更日志（CHANGELOG.md 链接）和维护责任（贡献指南、赞助信息）。扣分原因：维护责任仅由单一维护者承担，未提供明确的更新路径或社区治理细节；版本变更日志的具体内容未在提供的文件中展示。
证据显示：README 描述了输出可用性（TUI、CLI、结构化日志）、边际价值（在小型模型上实现前沿推理）和成本效益（本地运行、无 API 费用）。扣分原因：缺乏实际运行数据或基准测试结果来支持这些声明；成本效益分析未量化。
证据显示：README 引用了具体的基准测试（LiveCodeBench 74.6%）和方法论文档（V3_ABLATION_STUDY.md），表明声明有可追溯性。测试文件展示了针对特定问题的回归测试，支持事实与推断的分离。扣分原因：跨来源佐证有限，主要依赖单一仓库的文档和测试；基准测试结果未在提供的文件中独立验证。
- 发布者身份未验证，来源归属仅基于仓库元数据，需谨慎对待。
- 沙箱默认有出站网络访问，可能增加外部影响风险；建议设置 ATLAS_SANDBOX_NET_INTERNAL=true 以限制。
- 依赖版本未固定，可能影响可重现性。
- 基准测试结果（如 LiveCodeBench 74.6%）未在提供的文件中独立验证，需谨慎引用。
这个 Agent 能做什么，适合哪些场景？
ATLAS 是一个在本机运行的编程代理，围绕兼容 GGUF 的本地模型增加规划、候选生成、质量评分、沙箱验证和修复流程。其主要交互入口是 Bubbletea 终端界面：在项目目录运行 atlas 即可启动对话。外层 atlas-proxy 负责工具调用路由、语法约束、复杂度分级和安全限制，V3 Pipeline 则生成并筛选候选代码。Geometric Lens 利用模型自身嵌入进行候选评分，Sandbox 可在隔离环境中编译、运行 lint 与测试。部署可使用 Docker 或 Podman；系统不需要托管模型或第三方模型供应商 API 密钥，但 ATLAS 服务使用本地的每安装实例令牌认证。
用户在 atlas-tui 中输入任务，或使用 /add、/diff、/commit、/run 等命令提供本地文件上下文和执行 shell 操作。atlas-proxy 对文件操作进行复杂度分级，使用 GBNF 约束模型输出的 JSON 形状，并在格式错误或截断时恢复。V3 Pipeline 通过 PlanSearch、DivSampling、Budget Forcing、PR-CoT Repair 和 Refinement Loops 生成多个候选并迭代修复。Geometric Lens 的 C(x) 与 G(x) 对候选及写入步骤评分；Sandbox 在隔离环境中执行 Python、Rust、Go、C、Shell 等工作负载，编译、lint 并运行生成的和现有的测试套件，帮助决定是否接受或继续修复代码。
- 使用单张消费级 GPU 的个人开发者，希望在自己的项目目录中通过终端让本地模型完成代码修改。
- 需要先编译、运行 lint 或测试，再决定是否接受生成代码的团队或个人。
- 在 Python、Rust、Go、C 或 Shell 项目中，希望将生成代码放入隔离执行环境验证的开发者。
- 拥有兼容 GGUF 模型、希望通过 atlas lens build 或 retrain 为额外模型训练 Lens 工件的本地模型使用者。
- 需要在终端查看 V3 各阶段流式进展，并用 /diff 或 /commit 管理本地修改的工程师。
这个 Agent 有哪些优点和局限？
- 以 PlanSearch、DivSampling、候选选择和修复循环替代单次生成，并将验证纳入代理流程。
- Sandbox 可编译、lint 并运行生成与既有测试，覆盖 Python、Rust、Go、C、Shell 等多语言执行。
- 支持本地兼容 GGUF 模型及 CUDA、ROCm、Metal 和 Vulkan 路径，不依赖托管模型或第三方模型 API。
- 原生 Bubbletea TUI 提供实时管线视图，以及 /add、/diff、/commit、/run 等本地工作流命令。
- 需要 Docker 或 Podman、Python 3.9+、模型权重和约 20–22 GB 磁盘空间；推荐硬件为至少 16 GB 显存。
- 预构建 CUDA 镜像面向 Blackwell RTX 50xx，较旧 NVIDIA GPU 需要一次本地重建。
- Vulkan 仍属预览，AMD ROCm 仅为社区测试；Intel Arc/SYCL 尚在路线图中。
- 语法约束解码速度约为 51 tok/s，复杂功能开发在陌生代码库中仍可能不稳定。
- Sandbox 默认允许出站网络访问，采用前需根据环境安全要求设置网络限制。
如何安装或部署这个 Agent？
满足 Python 3.9+、Docker 或 Podman，以及 16 GB 以上显存的受支持 GPU 后，可执行：
curl -fsSL https://raw.githubusercontent.com/itigges22/ATLAS/main/scripts/atlas-bootstrap.sh | bash安装脚本会检测发行版和 GPU 厂商、安装相应运行时、下载模型权重、构建 ASA steering vector 并启动服务。若要固定到 V3.1.3：
curl -fsSL https://raw.githubusercontent.com/itigges22/ATLAS/v3.1.3/scripts/atlas-bootstrap.sh | ATLAS_BOOTSTRAP_REF=v3.1.3 bashNVIDIA 使用 CUDA 路径；AMD 使用 ROCm；Apple Silicon 使用原生 macOS hybrid Metal 路径；Vulkan 为预览支持。ATLAS 不要求托管模型或第三方模型 API 密钥，但服务以本地每安装实例令牌认证。
如何使用这个 Agent？
在任意项目目录启动：
atlas
在 atlas-tui 中输入编程任务，使用 /add 添加本地文件上下文，/diff 查看变更，/commit 创建提交，或 /run 执行命令。也可使用聊天、!bash 与 /slash 输入模式。默认情况下，Sandbox 内的命令具有出站网络访问；如需禁用，设置：
ATLAS_SANDBOX_NET_INTERNAL=true