开发与工程 coding-agentrust-runtimemcpopenai-compatibleanthropic-compatiblelocal-deploymentdesktop-appcode-search

Devo 桌面编码智能体

模型中立的 Rust 编码智能体运行时,提供桌面应用与终端 TUI/CLI,可在私有、内网环境中连接 DeepSeek、Qwen、Kimi、GLM 等任意兼容模型端点。

FollowAgents 评估 · FARS-2.1
不推荐
58/ 100 五分制 2.9 / 5
1 2 3 4 5 6
1信任安全13 / 29 · 2.2/5

证据显示 README 声称具备权限审查、沙箱 crate(linux/windows-sandbox、execpolicy、network-proxy)与备份回滚测试,但本次审查仅见声明与 crate 名称,未提供权限模型与确认流程的实现细节,least_privilege 与 user_confirmation 仅记 1 分;敏感数据处理有具体机制(auth. 分离、keyring-store、预览脱敏测试),记 2 分;依赖为常规 crates.io 版本但有 git patch 与本地 vendor,记 2 分;备份/恢复有完整测试支持回滚,记 2 分;MIT LICENSE 含版权人信息但发布者未经验证,source_attribution 记 1 分。

2可靠稳定8 / 14 · 2.9/5

CI 含 check/test/fmt/clippy/doc 且 -D warnings,桌面端测试覆盖备份与迁移转换,self_consistency 记 2 分;依赖 nornagon 分支的 crossterm/ratatio git patch 与固定 rev 的 nucleo 引入供应链可用性风险,dependency_availability 记 1 分;测试中的错误消息('No backups found' 等)与文档指向清晰,failure_messages 记 2 分。

3适用触发12 / 18 · 3.3/5

README 明确定位企业/私有部署、模型中立(DeepSeek/Qwen/Kimi/GLM 等)、支持离线安装与麒麟 OS,audience_and_scenarios 记 3 分;FAQ 明示 pre-1.0 状态与 API 变动风险,capability_boundaries 记 2 分;但工具触发精度与审批粒度仅在权限描述中一笔带过,trigger_precision 记 1 分;多平台构建矩阵覆盖 mac/linux/windows、musl/ARM,environment_fit 记 2 分。

4规范维护12 / 18 · 3.3/5

多语言 README、docs 链接、配置文档结构清晰,information_architecture 记 2 分;双形态安装说明详细含 macOS 未签名处理,install_notes 记 2 分;crate 命名统一 devo-* 前缀,naming_stability 记 2 分;FAQ 回答实际问题,examples_and_faq 记 2 分;明示 pre-1.0 与未签名构建限制,known_limitations 记 2 分;LICENSE 完整,记 3 分;workspace version 0.1.39 与 README 提及 v0.1.12→v0.1.15 升级示例不一致且无 CHANGELOG,versioning_changelog 记 1 分;CI/发布流程健全、欢迎贡献并指明方向,maintenance_responsibility 记 2 分。

5有效结果9 / 13 · 3.5/5

会话可恢复、token/成本可视化、TUI 与 Desktop 双入口,output_usability 记 2 分;模型中立 + 本地代码搜索 + 企业/离线场景与主流单厂商 agent 形成差异化,marginal_value 记 2 分;单二进制 Rust 运行时宣称轻量、默认不安装可选组件,cost_benefit 记 2 分。

6证据核验4 / 8 · 2.5/5

README 的能力声称(MCP、Skills、权限)缺乏可直接核对的配置/代码片段在本次证据中,claim_traceability 记 1 分;CI 配置、Cargo 清单、测试与 README 声明部分互证(如 code_search 默认关闭与安装器默认行为一致),cross_source_corroboration 记 1 分;项目对'测试过'与'支持'、'路线图'表述区分清楚(如 HarmonyOS 明确标为路线图),fact_inference_separation 记 2 分。

证据充分度: 评估于 2026年9月10日 审查版本 045d17af7caf
使用前请注意
  • macOS Desktop 构建未签名,需手动执行 xattr 移除隔离属性——请确认你信任该二进制来源后再操作。
  • crossterm 与 ratatui 依赖第三方个人分支的 git patch,nucleo 锁定到特定 rev,供应链与升级稳定性存在风险。
  • 项目处于 pre-1.0,公开 API 与配置可能变动;workspace 版本 (0.1.39) 与 README 升级示例版本不一致。
  • 权限审批与沙箱能力仅有声明性描述,本审查未能核对其实现;部署前应自行审计 crates/execpolicy、crates/sandbox 与权限确认代码。
  • README 中的'验证模型'徽章为静态声明,未附可复现的评估证据。
  • 在线安装脚本采用 curl | sh 模式,建议先阅读 install.sh 再执行。
查看完整评分方法 →

这个 Agent 能做什么,适合哪些场景?

Devo(GitHub 仓库 7df-lab/devo)是一个开源编码智能体,由桌面应用、终端 TUI/CLI 和一个模型中立的 Rust 运行时三部分组成。它通过 provider/model Connections 连接 OpenAI 兼容 Chat Completions、OpenAI 兼容 Responses、Anthropic Messages 协议以及 DeepSeek、Qwen、Kimi、GLM、MiniMax 等模型端点,支持离线和内网部署,不依赖任何托管智能体服务。运行时内置 MCP 服务器管理、可复用 Skills、长任务上下文管理、多智能体协作、Plan Mode、并行工具调用和权限审批机制。它还提供可选的本地语义代码搜索 MCP(code_search),结合稠密检索与 BM25 关键词匹配。项目为 MIT 许可,处于 pre-1.0 活跃开发阶段,适合本地评估与贡献者参与。

Devo 在本地仓库中执行编码任务:运行 devo onboard 写入 providers.(provider 连接与模型目录)并在 auth. 中存储 API 密钥;通过 wire_api 配置(openai_chat_completions、openai_responses、anthropic_messages)调用模型。devo 命令启动交互式 TUI,devo resume <session-id> 恢复会话。运行时管理多轮上下文、拆分 Plan Mode 多步计划、并行执行独立工具调用,并在敏感工具调用执行前请求权限审批。会话记录模型输出、工具调用、审批、token 用量与历史,可检查和续接。通过 devo mcp add|list|enable|disable|remove 管理 MCP 服务器;可选的 code_search MCP(devo-code-search-mcp)在本地 CPU 上运行代码嵌入模型,结合稠密检索与 BM25 进行语义代码搜索。桌面应用提供图形化的会话浏览、项目侧边栏和模型控制界面。

  1. 需要在内网或离线环境中使用编码智能体的企业团队,将 Devo 指向内部模型网关,无需依赖托管智能体服务。
  2. 使用 DeepSeek、Qwen、Kimi、GLM 等国产模型 API 的开发者,通过内置模型目录直接接入并保持随时可切换端点。
  3. 偏好终端工作流的工程师,在远程 shell 或脚本化场景中使用 TUI/CLI 进行自动化编码任务。
  4. 希望对模型输出、工具调用和 token 成本保持可审计记录的团队,利用可续接的会话历史进行复查。
  5. 使用麒麟 OS 等国产操作系统的中国企业用户,在 macOS、Linux、Windows、Kylin OS 上部署。
  6. 希望在编码智能体中扩展 MCP 工具和可复用 Skills 的高级用户,将重复工作流打包为 Agent Skills。

这个 Agent 有哪些优点和局限?

优点
  • 模型中立:通过 Connections 支持 OpenAI 兼容 Chat Completions/Responses 和 Anthropic Messages 三种 wire API,可切换 DeepSeek、Qwen、Kimi、GLM、MiniMax、OpenRouter 或本地端点,避免锁定单一模型生态。
  • 本地优先部署:单个 Rust 二进制,内存开销低,支持离线安装和内网端点,桌面与终端共享同一本地运行时。
  • 运行时级可扩展性:MCP 服务器、可复用 Skills、多智能体、权限审批和可审计会话是内置运行时功能,而非一次性提示。
  • 可选本地语义代码搜索:code_search MCP 在本地 CPU 运行嵌入模型,稠密检索加 BM25,减少纯 grep/find 的上下文消耗。
局限
  • 项目处于 pre-1.0 阶段,公开 API 和配置可能变更,生产采用存在迁移风险。
  • 当前 macOS 桌面构建未签名,用户需手动移除 quarantine 属性才能启动,增加初始摩擦。
  • code_search MCP 及其 Hugging Face 模型默认不安装,需显式 --with-code-search 安装并手动启用。
  • 供应商响应无应用级超时,慢速或本地模型生成可能耗时较长,依赖用户手动取消。
  • 对 Chinese enterprise 之外的深度定制(如 HarmonyOS)仍在路线图中,尚无发布版本。

如何安装或部署这个 Agent?

桌面应用:从 GitHub Releases 下载对应系统的安装包(macOS .dmg/.zip、Windows .exe、Linux .AppImage/.deb/.rpm)。macOS 构建未签名,安装后需执行:sudo xattr -dr com.apple.quarantine /Applications/Devo.app

终端 TUI/CLI:Linux/macOS 运行 curl -fsSL https://raw.githubusercontent.com/7df-lab/devo/main/install.sh | sh;Windows 运行 irm 'https://raw.githubusercontent.com/7df-lab/devo/main/install.ps1' | iex。安装器会安装 rg 侧car用于仓库搜索,默认不安装 code_search MCP 及其本地模型;如需安装可加 --with-code-search(Windows 设 DEVO_INSTALL_CODE_SEARCH=1)。已有安装可运行 devo upgrade 升级。离线/内网安装参见 docs/offline-installation.md。

如何使用这个 Agent?

  1. 配置供应商:cd /path/to/your/repo && devo onboard,它将 provider 连接写入 providers.,API 密钥存入用户级 auth.。
  2. 或手动配置:在 providers. 定义 provider.<id>.models.<model-id>,将密钥放入 DEVO_HOME/auth. 并由 provider.<id>.credential 引用(切勿将密钥写入 providers.),并将 wire_api 设为 openai_chat_completions、openai_responses 或 anthropic_messages。
  3. 运行 devo 启动当前仓库的交互式 TUI;用 devo resume <session-id> 恢复会话。
  4. 管理 MCP:devo mcp add|list|enable|disable|remove;启用代码搜索用 devo mcp enable code_search 或 TUI 内 /mcps。

这个 Agent 与同类方案有什么区别?

README 将自身定位为面向'需要脱离单一托管模型生态的团队'的编码智能体,可视为与绑定特定供应商托管服务的编码智能体(如依赖 OpenAI 或 Anthropic 专有端点的工具)相对的选择;具体差异在于 Devo 允许自带模型端点并在本地运行全部运行时。

常见问题

使用 Devo 需要哪些费用?
软件本身是 MIT 许可的开源项目,无许可费。费用取决于你连接的模型供应商:自带 API 密钥时按供应商计费,内置界面会显示输入/输出 token、缓存 token 和上下文窗口用量。
可以完全离线运行吗?
可以。Devo 支持离线安装路径,单个本地 Rust 二进制可指向内部模型端点,不依赖托管智能体服务;离线/内网安装参见 docs/offline-installation.md。
工具调用有安全控制吗?
有。敏感工具调用在执行前需要权限审批,会话记录包括模型输出、工具调用、审批和 token 使用,可检查、可续接。
支持哪些操作系统?
已在 macOS、Linux、Windows 和麒麟 OS 上测试;HarmonyOS 支持在路线图中,尚待社区贡献者发布。
code_search 是默认开启的吗?
不是。内置语义代码搜索 MCP(code_search / devo-code-search-mcp)默认不安装、不启用,需要用 --with-code-search 显式安装,再用 devo mcp enable code_search 或 TUI /mcps 启用。

对比同类 Agent

用同一套 FARS 评审,横向比较这个 Agent 所属的短名单。

相关 Agents