CodeAF
面向开放模型的终端软件工厂,把多任务调度、校验与合并收归一处。
- Star 数
- ★ 812
- 最近更新
- 1 天前
- License
- Apache-2.0
- 主语言
- Go
- FA 评分
- 41/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台ChatGPT · Codex · OpenAI API
- 费用
- 软件免费,模型调用费用自付
- 上手难度
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- 维护多个仓库的开发者:在一个窗口中跨项目查看待办、未读和花费,切换标签页即可继续之前的工作。
- 不适合
- 只依赖单一云厂商闭源生态、拒绝接入开放模型的团队
- 无法接受产品向 AgentField 发送匿名使用统计的用户
- 官网
- agentfield.ai/codeaf ↗ 来自 GitHub 仓库设置
- 维护状态
- 近 30 天有提交最近提交 2026-11-20最新版本 v0.8.3(2026-11-19)近 7 天每天 +12.7 ★
- 源码审查
- 41/100 · 缺口较多
这个 Agent 能做什么,适合哪些场景?
CodeAF 是 AgentField AI 用 Go 编写的单二进制编码 harness,面向 DeepSeek、Qwen、GLM、Kimi、MiniMax、Ollama 等开放模型优化单位成本产出。它的核心是一个控制台界面:home 汇总机器上所有项目与对话,enter 在标签页中打开任意项目,多个任务并行时各自使用独立的仓库副本和分支。用户用自然语言描述问题,系统把它拆分为多个任务并派发给由 worker、planner、checker 组成的模型班组,通过校验的工作自动落到你的分支而非 main。内置 senior-dev、sec、review 三个 subharness 分别处理代码变更、本地安全审计和 GitHub PR 审查,同时提供 codeaf do 等 headless 命令接入 CI 与脚本。界面跑在本地、对话跑在工作机上,可通过 ssh 从笔记本或手机接入同一会话。项目采用 Apache 2.0,目前处于早期预览阶段。
读取终端中的自然语言需求,将其切分为任务树,每个任务在独立仓库副本与分支上运行。按 worker/planner/checker 三个 seat 从已接入的 provider 中按评分挑选模型,provider 包括 OpenRouter、DeepSeek、GLM、Kimi、MiniMax、Qwen、ChatGPT 计划的 Codex、Ollama 及任意 OpenAI 兼容端点。subharness 由斜杠命令触发:/senior-dev 执行代码修改并返回构建与测试结果,/sec 对自 main 以来的变更或整个仓库做安全审计,输出 Markdown、JSON 与 SARIF;/review 审查 owner/repo#123 形式的 GitHub PR。通过校验的改动自动合并到你自己的分支;无法自动校验的落进 unread,由用户按 1 接受或 2 拒绝。codeaf do 接收一段 brief,规划、执行并校验后打印一个 JSON 对象和退出码。codeaf chat --host devbox 把界面与对话分离,本地终端渲染界面,对话与任务驻留在 devbox 上。
- 维护多个仓库的开发者:在一个窗口中跨项目查看待办、未读和花费,切换标签页即可继续之前的工作。
- 需要在开放模型上压低编码成本的团队:用 /senior-dev 跑 DeepSWE 类真实 issue,并对比每解一题的成本。
- 在 CI 中运行自动化编码任务的工程师:用 codeaf do "..." --timeout 30m --json 获得结构化输出和退出码。
- 负责安全审计的安全工程师:用 /sec changes since main 生成带证据和修复建议的 Markdown/JSON/SARIF 报告。
- 审查 GitHub PR 的评审者:用 /review owner/repo#123 focus on retries 得到带文件位置与覆盖范围说明的评审结果。
- 在远程开发机上工作的用户:codeaf chat --host devbox 让本地终端或手机通过 ssh 接入同一会话。
安装与配置要点
摘自下方的安装和使用说明,以项目 README 的最新说明为准。
- 安装 / 启动命令
curl -fsSL https://agentfield.ai/get/codeaf | bash
- 配置文件
~/.codeaf/bin
如何安装或部署这个 Agent?
在终端执行官方安装脚本,脚本会把对应平台的发布二进制放入 ~/.codeaf/bin:
curl -fsSL https://agentfield.ai/get/codeaf | bash
codeaf如需固定版本,可从 releases 页面取 tag:
curl -fsSL https://agentfield.ai/get/codeaf | VERSION=<tag> bash也可以从源码构建(需要 Go 工具链):
git clone https://github.com/Agent-Field/CodeAF
cd CodeAF
make build
bin/codeaf首次启动会在浏览器中连接 OpenRouter 或接受 API key;Codex 通过 ChatGPT 计划登录,DeepSeek、GLM、Kimi、MiniMax、Qwen 需要各自密钥,Ollama 无需密钥。
如何使用这个 Agent?
安装后直接在项目目录运行 codeaf 进入对话,用自然语言描述需求,例如一句话里点名三个问题即可拆成三个任务。用斜杠命令调用内置 specialist:
/senior-dev fix the retry bug and add tests
/sec changes since main
/review owner/repo#123 focus on retries管理模型班组与预算:
/crew
/crew pin checker <model>
/crew models open
/task --best
/task --cheap
/redo stronger在 CI 或脚本中走 headless 路径:
codeaf do "bump every dependency whose changelog is worth reading" --timeout 30m --json远程驱动工作机:
codeaf chat --host devbox快捷键:home 列出全部项目,enter 打开,tab 切换标签页,alt+k 跳转到任意会话,alt+. 查看键位表;codeaf manual 查阅内置手册。
这个 Agent 有哪些优点和局限?
- 单 Go 二进制、无需额外运行时:README 实测磁盘占用 53 MB,新增会话内存约 27 MB,明显小于 claude 与 opencode。
- 面向开放模型做成本优化,README 称在 DeepSWE 113 个真实 issue 上以相同模型取得最高解决率与最低每解一题成本。
- 模型与 provider 解耦:内置 OpenRouter、DeepSeek、GLM、Kimi、MiniMax、Qwen、Codex、Ollama 及任意 OpenAI 兼容端点,支持 /crew models open 限定开放权重模型。
- 把调度、校验、合并纳入产品:多任务并行于独立分支,通过校验才自动合入,且明确不落到 main、dev 或发布分支。
- 同一套引擎提供交互与 headless 两种入口,codeaf do 输出单个 JSON 对象与退出码,便于接入 CI、cron 和基准测试。
- 界面与执行分离:界面在本地渲染,对话驻留工作机,掉线后仍可重连并看到等待中的问题。
- 项目自述为 early preview,README 明确提示会有粗糙边缘,稳定性与兼容性尚无长期验证。
- 匿名遥测默认开启,虽可通过 /settings、CODEAF_TELEMETRY=off 或 DO_NOT_TRACK=1 关闭,但需要用户主动处理。
- 默认需要联网调用云端模型并依赖第三方 API key,完全离线只能依赖 Ollama 等本地端点。
- sec 与 review 只读源码、不运行你的测试或构建,报告中的覆盖范围与未完成分析需要人工判断,且明确说明“无发现”不等于“无漏洞”。
- 无 ssh 的远程接入(中继与配对码)虽已构建,但仍需等待托管中继上线。
- 部分能力(subharness 自动设计、模型池)需要用户理解配置项与开关,文档分散在多份 docs 与内置手册中。
这个 Agent 与同类方案有什么区别?
README 点名了同模型同基准下的对手:Claude Code、Codex、OpenCode、Kilo、DeepSeek 自家 harness、mini-swe-agent、pi、muse-code、omp,并在体积与内存上对比 claude 与 opencode。与一般 copilot 的差异在于 CodeAF 强调跨项目控制台、多 seat 模型班组与 headless 入口,而非单仓库单线程补全。
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 |
|---|---|---|---|---|---|---|
| CodeAF 当前 | 41 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 812 | 1 天前 | Go | ChatGPT · Codex · OpenAI API |
| UNCUT | 57 · 缺口较多 | — | ★ 101 | 6 天前 | Go | OpenAI API |
| Maestro 编排平台 | 64 · 存在缺口 | Agent 插件 / 技能免费 + 模型费 | ★ 489 | 19 天前 | JavaScript | Codex · Claude Code |
| Codewhale 终端编码助手 | 79 · 表现良好 | 命令行工具免费 + 模型费 | ★ 41k | 今天 | Rust | OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
README 明确披露遥测默认开启、Model Pool 默认关闭及其字段与关闭方式,数据流透明度较好(2)。但权限最小化仅见 CI 工作流的 contents: read,产品本身以单二进制在用户机器上运行、可跨项目执行任务与自动化,未见权限边界或沙箱说明(1)。用户确认方面只有“通过检查的工作自动落到分支、不落 main”和 needs you 队列的叙述,缺少对破坏性操作(提交、推送、发布)的强制确认证据(1)。敏感数据处理仅声明不发送提示词/代码/路径,未见密钥存储与日志脱敏的实现证据(1)。依赖安全只有 go.mod 的版本锁定与 raft 的 replace 补丁,无漏洞扫描或 SBOM 证据(1)。外部效应(自动提交、定时任务、headless 执行)有描述但无回滚或撤销机制(1)。回滚仅提到“不覆盖运行中的可执行文件”,任务级回滚未见(1)。来源归属做得较好:PR-AF/SEC-AF 导入被明确标注,并声明其基准结果不适用于 codeaf 的 review 专家(2)。
自洽性存在可指出的矛盾:README 称基准模型为 DeepSeek V4 Flash,而视频说明写 DeepSeek V4.1 Flash;README 称“六个座位”,表格只列 worker/planner/checker 三个加 reflex/small 两行,计数不一致(1)。依赖可用性方面 go.mod 大量伪版本与本地 replace,且 go 1.26.5 版本要求较新,未见 vendor 或校验说明(1)。失败信息在 AGENTS.md 与 census 工具有部分体现(如无调用日志时的明确报错),但产品级错误处理未见(1)。
受众与场景描述充分:终端、服务器、手机 ssh、CI/headless、自动化,覆盖多种使用方式(2)。能力边界部分说明:sec/review 只读源码不运行测试、不保证无漏洞,但整体能力边界(哪些操作会写盘、推送、联网)未系统列出(1)。触发精度方面,斜杠命令与自然语言触发混用,未见触发条件与歧义的说明(1)。环境适配:宣称 darwin/linux/windows 单二进制,但内置专家仅 macOS/Linux,Windows 支持存在缺口(1)。
信息架构清晰:README 分节、docs 索引、manual 内置于二进制(2)。安装说明完整,含 curl 脚本、版本固定、源码构建(2)。命名稳定性有 internal/namelaw 强制小写 codeaf 并有 legacy-name 规则(2)。示例有但偏营销截图,缺少可复制的完整工作流与 FAQ(1)。已知局限仅“early preview、粗糙边缘”一句,未列具体限制(1)。许可证为完整 Apache-2.0 文本(2)。版本化有 releases 与 docs/changes/unreleased 流程,但未见 CHANGELOG 文件本体(1)。维护责任指向 AgentField 团队与 Discord/issue,但发布者身份未经 FollowAgents 验证,责任主体不明确(1)。
输出可用性:headless 模式输出单个 JSON 与退出码,任务产出为分支上的变更与报告,形式可用;但缺少输出 schema 的完整示例(1)。边际价值:多项目单窗口、模型池、子专家确有差异化,但同类编码 harness 竞争激烈,且核心基准为自述(1)。成本收益:宣称最低每解决成本,但基准数据来自项目自身且未提供可复现脚本细节,成本控制有 /crew 限额但默认 $5 上限的合理性未论证(1)。
声明可追溯性一般:基准称 113 个 DeepSWE 问题与官方验证器,但未在仓库内给出结果文件或复现命令(1)。交叉印证:README 与 docs/model-usage-accounting.md 对遥测字段的描述基本一致,但基准数字无第二来源(1)。事实与推断分离:README 明确区分 PR-AF 原始基准与 codeaf 导入专家,属良好实践;但“#1 on DeepSWE”等营销表述与实测证据混排(1)。
- 遥测默认开启,且 Model Pool 可选择性上报模型测量数据;在受监管或敏感代码环境中使用前应显式关闭 CODEAF_TELEMETRY 与 model_pool。
- 产品以单二进制在用户机器上跨项目执行任务、自动提交到分支并运行定时自动化,未见沙箱或权限边界说明,建议在隔离环境或专用账户下运行。
- 基准“#1 on DeepSWE”与成本数据为项目自述,仓库内未见结果文件或复现脚本,不应作为采购决策的唯一依据。
- README 中模型名称(V4 Flash 与 V4.1 Flash)与座位数量描述不一致,说明文档与实现可能不同步。
- 内置专家仅支持 macOS/Linux,Windows 用户的实际能力与宣传的单二进制跨平台不完全一致。
- 发布者身份未经 FollowAgents 验证,维护责任与更新路径需自行核实。
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。
-
发布说明摘录
Install this dev build: ```sh curl -fsSL https://raw.githubusercontent.com/Agent-Field/CodeAF/12c3656e25d780375aded88ae12e74481a9382d0/scripts/install.sh | bash -s -- --dev curl -fsSL https://raw.githubusercontent.com/Agent-Field/CodeAF/12c3656e25d780375aded88ae12e74481a9382d0/scripts/install.sh | VERSION=dev-20261120-12c3656e25d7 bash ``` This installs this dev channel as devaf beside codeaf: ```sh curl -fsSL https://agentfield.ai/get/devaf | bash ```在 GitHub 查看 ↗ -
v0.8.3 codeaf v0.8.3
发布说明摘录
Fixed - A slow local model gets ten times the wait, and response.patience changes it — [#2854](https://github.com/Agent-Field/codeaf/pull/2854) · engine chat docs <details><summary>4 things that are no longer true</summary> - A model on your own machine or network (Ollama, LM Studio, llama.cpp, a box on the LAN or Tailscale) was held to the hosted figures: 2 minutes for response headers, 10 seconds of silence after headers, 45 seconds quiet mid-reply, a 5-minute reply wall, 150 seconds for a non-streamed reply, and a 2-minute compaction summary. Under the default `response …在 GitHub 查看 ↗
常见问题
软件本身收费吗?
它会自己把代码合并到主分支吗?
sec 和 review 会执行我的代码或测试吗?
能否完全离线使用?
支持哪些系统?
CodeAF 官网是什么?
CodeAF 开源吗?
CodeAF 安全吗?
CodeAF 还在维护吗?
CodeAF 是谁开发的?
谢谢反馈,我们会据此改进页面。