gptme Terminal Agent
在本地终端中调用模型与工具，完成编码、文件操作和网页任务。
按维度查看评分与理由
证据显示：README 明确说明工具以用户权限运行，交互模式需要用户确认，非交互模式仅限可信环境；SECURITY.md 提供安全模型和漏洞报告流程；pyproject.toml 中依赖版本有约束，且注明 pypdf 的 CVE 修复；有 /undo 命令和自动快照钩子；有安全联系邮箱。扣分原因：未提供最小权限的详细配置，用户确认机制的具体实现未在源码中展示，数据流透明度仅靠文档声明，敏感数据处理细节未深入，依赖安全仅部分版本固定，外部影响（如网络请求）未详细说明，回滚机制仅提及 /undo 和快照，来源归属仅靠作者信息。
证据显示：README 和 pyproject.toml 描述一致，版本号一致；依赖列表完整，有可选依赖分组；有测试文件和 CI 配置，但未提供失败消息的具体示例。扣分原因：自洽性仅基于文档和配置，未运行测试；依赖可用性未验证；失败消息未在源码中体现。
证据显示：README 明确目标用户为开发者，场景包括编码、数据分析、研究等；工具列表清晰，有 shell、python、browser 等；有 /tools 命令查看工具状态；支持多种平台和 Python 版本。扣分原因：能力边界未明确说明（如权限限制），触发精度（如工具调用条件）未详细描述，环境适配（如不同 OS 的差异）未深入。
证据显示：README 结构清晰，有目录、安装、使用、配置等；安装说明详细，包括 pipx、uv 等；命名稳定，版本号明确；有示例命令和 FAQ 链接；已知限制未明确列出；MIT 许可证文件存在；有 changelog 和 timeline 链接；维护责任由作者承担。扣分原因：信息架构良好但未提供完整文档索引；安装说明未覆盖所有平台；命名稳定性未验证；示例和 FAQ 未在仓库内；已知限制未明确；版本控制有 changelog 但未在仓库内；维护责任仅靠作者信息。
证据显示：README 提供多种使用场景和示例命令，输出格式有 JSONL 选项；边际价值高，功能丰富；成本效益未明确，但开源免费。扣分原因：输出可用性未实际测试；边际价值基于功能列表，未量化；成本效益未提供具体数据。
证据显示：README 中的声明有链接支持（如文档、示例）；有测试文件和 CI 配置，可交叉验证；事实与推断未明确区分。扣分原因：声明可追溯性仅靠链接，未验证；交叉验证未实际执行；事实与推断未明确标注。
- 该工具以用户权限运行，可执行任意命令，需在可信环境中使用，并注意非交互模式的风险。
- 依赖版本部分固定，但未提供完整的依赖锁定文件，建议使用锁文件确保可重现性。
- 安全模型依赖用户确认，但未展示具体实现，建议审查代码确认确认机制的有效性。
这个 Agent 能做什么，适合哪些场景？
gptme 是一个运行在终端中的个人 AI Agent，支持交互式会话、脚本化非交互运行，以及 JSON 输出。它通过 shell、ipython、read、save、patch、browser、vision、tmux 和 subagent 等工具，在本地工作区执行命令、处理文件并访问网页。项目支持 Anthropic、OpenAI、Google、xAI、DeepSeek、OpenRouter，也可通过 llama.cpp 使用本地模型。除 CLI 外，仓库还提供 gptme-server 的 REST API、打包的 gptme-webui，以及经 ACP 连接 Zed 和 JetBrains IDE 的路径。对于需要长期运行的场景，gptme-agent-template 提供了持久工作区、任务队列和计划或事件驱动运行循环的脚手架。
用户通过 gptme [PROMPTS]... 启动会话或传入任务；模型根据可用工具执行工作。shell 可运行终端命令，ipython 执行 Python，read 读取文件和目录，save、append、patch、morph 创建或修改文件，browser 通过 Playwright 搜索和浏览网页，vision 与 screenshot 处理图像和桌面截图；还可使用 gh、tmux、rag、computer、subagent 与 chats。工具输出会回传给助手以便继续响应和自我修正。自动化时可使用 gptme --non-interactive --output-format json，使标准输出逐行输出 JSON 对象；服务模式由 gptme-server 提供 REST API。
- 需要在本地仓库中编写、运行和修复代码的开发者，可让 gptme 调用 shell、ipython 与 patch 完成迭代。
- 在 SSH 会话、tmux、无头服务器或 CI 流水线中执行无交互任务的工程团队，可使用 -n 或 --non-interactive。
- 需要把网页检索结果与本地文件操作结合的研究或开发人员，可使用 Playwright browser 工具和 rag 工具。
- 希望在不同模型供应商或本地 llama.cpp 模型之间切换的个人开发者，可通过模型与环境变量配置选择路径。
- 需要让编码 Agent 在 Zed 或 JetBrains 中接收请求并回传结果的用户，可安装 gptme[acp]。
- 准备搭建持续运行自主 Agent 的用户，可采用 gptme-agent-template 的持久工作区和运行循环。
这个 Agent 有哪些优点和局限？
- 终端工具集覆盖命令执行、Python、增量文件编辑、Playwright 浏览、图像处理、tmux 与桌面交互。
- 支持多家模型提供商、OpenRouter 和 llama.cpp 本地模型，不限定单一云模型路线。
- 同时提供交互式 CLI、非交互 JSON 输出、REST API、Web UI 与 ACP 编辑器接入。
- gptme-agent-template 为持续运行的 Agent 提供任务管理、持久知识与协调机制。
- 安装要求 Python 3.10+，并且除本地 llama.cpp 路径外，至少需要配置一个模型提供商凭据。
- shell、文件修改、浏览器和 desktop 工具具有直接操作本地环境的能力；-y 与 -n 会跳过确认提示。
- 网页浏览需要 browser 可选组件中的 Playwright，完整功能可能需要安装额外组件。
- 持久自主 Agent 的完整工作流依赖单独的 gptme-agent-template，而不是基础 gptme 安装本身。
如何安装或部署这个 Agent？
运行环境为 Python 3.10+。推荐安装命令：pipx install gptme；也可使用 uv tool install gptme。若需网页浏览功能，使用 pipx install 'gptme[browser]'；安装全部可选组件使用 pipx install 'gptme[all]'。至少配置一个模型提供商凭据，例如 ANTHROPIC_API_KEY、OPENAI_API_KEY 或 OPENROUTER_API_KEY；也可以连接无需密钥的本地 llama.cpp 服务。
如何使用这个 Agent？
首次运行：gptme。可直接传入任务，例如 gptme 'suggest improvements to my vimrc'。自动处理测试可用 gptme -y 'run the test suite and fix any failing tests'；完全非交互运行可用 gptme -n 'run the test suite and fix any failing tests'。需要机器可读输出时，运行 gptme --non-interactive --output-format json 'summarize the current git diff'。使用本地模型时，先启动 llama-server，再设置 OPENAI_BASE_URL=http://localhost:8080/v1，并运行 gptme -m local/<model-name>。
这个 Agent 与同类方案有什么区别？
项目将自身定位为 Claude Code、Codex、Cursor 和 Warp 的替代选择。其明确强调的差异包括：可在任意终端环境运行、支持多提供商与 llama.cpp 本地模型、内置 MCP、网页浏览、可自托管，以及可通过模板运行持续自主 Agent。