Aura IDE
在桌面工作区中让 AI 理解项目、修改代码、运行验证，并通过审批控制变更。
- Star 数
- ★ 57
- 最近更新
- 1 个月前
- License
- MIT
- 主语言
- Python
- FA 评分
- 52/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API · Claude API
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 需要在现有 Python 或其他代码仓库中完成小型改动的开发者，可让 Aura 查找待测试函数、补充测试、运行检查并解释结果。
- 不适合
- macOS 和 Linux 用户希望一键安装、不想从源码构建
- 希望手机端独立运行任务的用户，Aura Companion 依赖桌面端常开
- 源码审查
- 52/100 · 缺口较多
这个 Agent 能做什么，适合哪些场景？
Aura IDE 是一款开源桌面 AI 编程应用，将对话、项目文件、源代码和执行结果集中在同一个工作区。它会读取并搜索代码仓库、跟踪引用，并调用项目工具和终端来完成修改与验证。用户可以直接让 Aura 处理任务，也可以启用 Agents，将工作拆给具有独立指令、模型和权限的助手。多个 Agent 可连接成可复用的 Team，通过图形编辑器检查、调整和再次运行工作流。应用支持 DeepSeek、OpenAI、Anthropic、Gemini 和 OpenRouter 等托管服务，也能连接 Ollama、LM Studio、llama.cpp 及兼容 OpenAI 接口的本地服务器。它适合希望保留人工差异审查、只读或计划模式以及隔离工作树控制，同时又需要多模型选择的开发者。
用户先打开项目文件夹，并在 Settings → API Keys 中配置托管服务密钥，或在 Settings → Models 中连接本地服务器。Aura 随后读取和搜索仓库、跟踪代码引用，并通过项目工具、Git 和终端执行工作；界面会显示工具活动、终端输出、检查结果、失败信息和最终报告。启用 Agents 后，它可以组建团队或调用已保存的 Team；每个 Agent 可继承 Aura 当前模型，也可选择单独配置的模型和 thinking level。Team 把多个 Agent 的任务连接成图形工作流，用户可以安排节点、编辑任务、添加分支或助手，再为新任务重复运行。可写 Agent 在隔离的 worktree 中工作，保留下来的差异由用户在 Aura 中审查并应用；启用手动审批时，也可以在写入前检查 proposed diffs。Aura 还可连接 MCP servers，并通过 Aura Companion 让手机经本地或托管 relay 浏览项目、发送消息和跟踪任务，但桌面端必须持续运行。
- 需要在现有 Python 或其他代码仓库中完成小型改动的开发者，可让 Aura 查找待测试函数、补充测试、运行检查并解释结果。
- 希望固定“实现、测试、审查”流程的团队，可把这些职责保存为可重复运行的 Team，并在后续任务中重新使用。
- 处理敏感或高风险仓库的维护者，可使用 Read Only、Plan review 或写入前手动差异审批来限制变更。
- 希望比较或组合不同模型的开发者，可在同一 Team 中混用托管模型与本地模型，并为各 Agent 单独选择配置。
- 希望从手机查看长时间编码任务的用户，可通过 Aura Companion 配对仍在运行的桌面端，浏览项目并跟踪进度。
如何安装或部署这个 Agent？
Windows 用户可从 GitHub Releases 下载并运行最新的 .exe。安装按用户执行，Python 已打包在程序中，之后可在 Aura 内获取更新。
macOS 和 Linux 需要 Python 3.10 或更高版本并从源码运行。所提供材料没有列出克隆仓库、安装依赖或启动应用的准确命令，因此无法给出可验证的命令行安装步骤。
首次使用还需要二选一：准备受支持托管服务的 API key，或启动 Ollama、LM Studio、llama.cpp 等本地服务器。本地编码所用模型或服务器必须支持 tool calling，并具有足够的上下文容量。
如何使用这个 Agent？
- 打开一个项目文件夹。
- 使用托管模型时，在 Settings → API Keys 中添加 API key；使用本地模型时，在 Settings → Models 中连接正在运行的本地服务器。
- 提交第一个小任务，例如：Find a function that needs a test, add one, run it, and explain the result.
- 查看文件变更、差异以及 Aura 报告的验证结果。
- 如需多 Agent 流程，开启 Agents，让 Aura 临时组队或选择已保存的 Team。
- 若要建立可复用流程，可要求 Aura 创建一个负责实现、测试和审查修改的工作流；创建操作只保存流程，不会立即执行。检查图形卡片并调整后，点击 Run，再提供具体任务。
- Agent 产生的可写变更会进入隔离 worktree；在 Aura 中审查并应用需要保留的修改。
这个 Agent 有哪些优点和局限？
- 同时支持五类托管服务和多种本地服务器，并允许一个 Team 中混用托管与本地模型。
- Agent 和 Team 可保存、通过对话修改，并在图形编辑器中查看任务关系、分支和职责。
- 提供写入前差异审批、Read Only、Plan review 以及隔离 worktree，便于控制代码变更。
- 把项目文件、对话、工具活动、终端输出、验证结果和失败报告放在同一桌面工作区。
- Windows 安装包自带 Python，并支持应用内更新，降低 Windows 用户的运行时配置负担。
- macOS 和 Linux 只能从源码运行，而所提供材料没有给出完整、可复制的安装与启动命令。
- 托管服务会另行收取 API 使用费，并且需要配置相应密钥。
- 本地使用依赖外部运行中的 Ollama、LM Studio、llama.cpp 或兼容服务器；模型还必须支持 tool calling 并具备足够上下文。
- Aura Companion 不能独立执行项目任务，已配对的桌面端必须持续运行。
- 材料只展示了小型 Python 项目的示例，没有提供大型仓库、其他语言或复杂多 Agent 工作流的性能与可靠性证据。
这个 Agent 与同类方案有什么区别？
与仅使用托管 API 的方案相比，Aura 也能连接 Ollama、LM Studio、llama.cpp 和兼容 OpenAI 接口的服务器，从而把模型执行放在本地；代价是用户需要自行运行服务器，并确保模型具备 tool calling 与足够上下文。托管选项覆盖 DeepSeek、OpenAI、Anthropic、Gemini 和 OpenRouter，配置较直接，但会产生各提供商的 API 费用。单个 Agent 适合可独立完成的职责，而 Team 更适合把实现、测试和审查连接成可保存、可视化并重复运行的流程。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Aura IDE 当前 | 52 · 缺口较多 | 桌面应用免费 + 模型费 | ★ 57 | 1 个月前 | Python | OpenAI API · Claude API |
| Pi Dynamic Workflows | 72 · 存在缺口 | Agent 插件 / 技能免费 + 模型费 | ★ 591 | 12 天前 | TypeScript | — |
| Fusion 软件工厂 | 67 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 1.3k | 13 天前 | TypeScript | Codex · OpenAI API · Claude API |
| Synara | 57 · 缺口较多 | 桌面应用免费 + 模型费 | ★ 2.2k | 1 天前 | TypeScript | Codex · Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
README 和配置文档说明了只读、计划审阅、差异审批及 Agent 隔离 worktree；测试样例还覆盖提交时冻结权限、路径校验和失败回滚，因此最小权限、确认与回滚有实质依据，但仅属部分覆盖。文档建议分享日志前移除密钥和私有项目内容，却未展示密钥存储保护或完整数据流；依赖只给出版本下限，未见安全审计。MCP、终端、Git、模型服务及 Companion relay 会产生外部影响，现有摘录对其范围和防护说明有限。MIT 与仓库身份归属不足以充分证明作者或维护责任。
启动代码记录失败并展示错误对话框或控制台信息，入门文档也列出常见故障排查，因此失败处理有一定支持。README 宣称 Windows 下载并可应用内更新，而源码安装面向多平台；配置文档又称普通编码使用单一持续生产模型，README 同时介绍 Agents/Teams 和每 Agent 模型选择，表述边界不完全清楚。依赖有版本下限，但未见锁文件或可用性策略，不能给高分。
材料面向个人桌面编码用户，覆盖托管模型、本地模型、不同操作系统、Agents/Teams 和 Companion 场景。只读、计划、审批、sandbox 模式及本地服务器要求表明能力边界有所说明；但 WASM 标为未来保留，relay 配对端点明确是未实现桩。Agent 何时介入主要由用户启用或对话请求驱动，触发条件与自动组队行为的精确定义不足。
README、入门、配置及工具/安全指南链接形成清楚的信息入口，并提供安装步骤、示例任务、故障提示和若干限制说明。MIT 许可证文本完整，得满分。版本号存在，但本材料没有变更日志；项目支持渠道和报告入口清楚，却不足以明确具体维护责任或更新承诺。名称在 Aura、Aura IDE、Aura-IDE 之间略有变化。
产品以桌面工作区整合项目上下文、编辑、终端、验证和 Agent 工作流，报告差异并提供审批及隔离 worktree，具备可用产出的证据。团队复用和本地模型连接提供了实用增益；但该样例运行描述及功能宣称不能证明一般任务的结果质量。托管 API 费用由用户另付，且配置默认温度、工具轮数等成本信息未形成完整成本效益说明。
README 的审阅控制和 worktree 说法能在配置文档及 Agent 测试样例中找到对应材料；安装、版本和许可证也有文件依据。测试文件提供了具体断言，支持其所覆盖的边界行为，但静态材料不能证明测试实际运行或覆盖整体产品。文档将功能、限制和费用分别说明，推断空间相对受控；仍有部分产品行为仅由文档宣称，证据样本并非完整仓库。
- 这是低置信度静态审阅；材料未证明测试已运行，也未涵盖整个仓库。
- 使用前应核对模型/API 的数据传输、密钥保存方式，以及所启用终端、MCP 和 Companion relay 的实际权限与配置。
- 文档明确 WASM sandbox 尚未实现，relay 配对端点为未实现桩；不要据此假设这些能力可用。
你是这个项目的维护者？把 FARS 徽章加到 README
[](https://followagents.com/zh/agents/aura-ide)<a href="https://followagents.com/zh/agents/aura-ide"><img src="https://followagents.com/badge/aura-ide.svg?lang=zh" alt="FARS 评测"></a>最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
v2.3.04 # Aura v2.3.04
-
v2.3.03 # Aura v2.3.03
-
v2.3.02 # Aura v2.3.02
发布说明摘录
* Talk to Aura while she works: Send corrections or additional instructions during an active task. Updates reach Agents, Teams, and nested helpers, and remain in conversation history. * Steer now or queue next: Choose Send update to guide the current task or Queue next task to line up another request. Completed operations keep their results; unstarted tools from the previous plan are marked as skipped. …在 GitHub 查看 ↗
常见问题
Aura 本身收费吗？
它会直接修改我的主工作目录吗？
可以完全使用本地模型吗？
Agent 执行失败时能看到什么？
手机端能否在桌面关闭后继续运行任务？
谢谢反馈，我们会据此改进页面。