OpenProgram
自编程 AI 助手框架：用 Python 固定流程、用 LLM 处理判断，捕获、自动化并持续打磨你的工作流。
证据显示令牌处理较严谨（backendAuth.test.ts 验证令牌不发给外部 URL、拒绝跨源重定向），依赖有版本上限与理由注释。但核心 agent 执行、沙箱、工具权限、用户确认流程的源码未在样本中，最小权限、确认机制、外部副作用、回滚均只见声明未见实现，扣分。数据流透明度也仅靠文档叙述。
pyproject 对每个依赖的导入路径、缺依赖症状、版本上限原因有详尽注释，CI 有锁文件安装与 120s 超时，ruff 强制异常处理门禁，自洽性和依赖可用性较好。但失败消息质量只有间接证据，未见实际错误输出。
平台矩阵（macOS/Linux/Windows x64/arm64）、Python 3.11-3.13、可选 extras、fallback 路径（Ink→Rich REPL、pty→token 粘贴）说明环境适配认真。能力边界有诚实标注（如'Windows 沙箱仍是独立级别'、'主动策略层需自建'）。但触发精度对自动化 agent 关键场景缺少证据。
AGPL-3.0 完整文本在库中，许可满分。文档结构清晰、安装说明覆盖平台矩阵与 doctor 命令、示例丰富且诚实标注限制。但无 CHANGELOG 文件（仅 releases 链接），维护者只有单人署名 'Fzkuji'，无治理或响应承诺，扣分。
README 对比示例清晰展示 @agentic_function 相对常见 prompt/JSON 模式的价值，输出可用性有结构化重试等证据。但边际价值和成本收益只有叙述性主张：未见基准、未见的 token 成本分析，'self-programming' 收益无法静态验证，扣分。
论文引用、arXiv 链接、CI badge 使关键主张可追溯；README 明确区分已建成部分与'留给你建'的部分，事实与推断分离良好。但可跨源印证的材料（arXiv 论文内容、第三方评测）不在本样本内，置信度只能为低。
- 安装脚本通过 curl|sh 从 openprogram.io 拉取执行，发布者身份未经核实，运行前应先审查该脚本。
- agent 具备自我修改文件并热加载、浏览器控制、GUI 自动化等高危能力，但其权限沙箱与确认机制的实现未在本次样本中可见，生产使用前需逐项核实。
- macOS DMG 为未签名发布；无 CHANGELOG，版本追溯依赖 GitHub Releases。
- AGPL-3.0 对作为网络服务运行的情形有开源义务，企业集成前请评估合规成本。
- 本评分为静态低置信度审查，未执行任何代码；关键安全主张（沙箱、令牌隔离）需复现验证。
这个 Agent 能做什么，适合哪些场景？
OpenProgram 是一个基于 Python 3.11+ 的自编程 AI 助手运行时，提出"Agentic Programming"范式：模型负责灵活判断，代码负责确定性流程。它提供 CLI（openprogram 命令）和 Web UI（默认 http://localhost:18100，也有桌面应用）两种交互入口，首次运行会打开 provider 设置向导。核心机制包括 @agentic_function 装饰器（将 agent 定义为 Python 函数，docstring 即 system prompt）、扁平 DAG 上下文（每个调用是一个可寻址节点，天然支持 spawn、fork、跨分支消息和 git worktree 隔离）、代码门（验证失败时强制模型重新决策，无法绕过）以及全进程统一事件总线。项目随附 GUI Agent、Research Agent、Scriptorium（Markdown 形式的 agent 记忆，支持 MCP 访问）三个配套开源项目。相关论文已被 KDD 2026 AgenticSE Workshop 接收。许可证为 AGPL-3.0，网络服务形式分发衍生品同样需开源。
通过 curl 脚本或 PowerShell 一键安装后，运行 openprogram 进入终端聊天，openprogram web 启动 Web UI，openprogram setup 重新配置 provider（内置 Anthropic、OpenAI、Gemini 适配，支持多账号自动轮换密钥）。开发者用 @agentic_function 装饰器编写 agent：docstring 作为 system prompt，参数作为输入，llm() 调用模型（支持 choices=[...] 约束输出直到合法），其余为普通 Python。多代理场景通过 spawn_branch() 在干净上下文运行子代理、message_branch() 跨分支通信、fork 节点尝试替代路径、在独立 git worktree 中安全触碰文件。代码门在模型输出未通过验证时打回重判。agent 还能用文件工具编辑自身 @agentic_function 文件，watcher 热加载后下一轮即刻生效。事件总线以 Event(type, payload, ts) 信封统一 agent loop、auth、context、channels、memory 的输出，可通过 get_event_bus().subscribe() 按事件类型订阅。额外的 harness 可通过 openprogram programs install <owner>/<repo> 安装。
- 需要构建多代理系统的 Python 开发者，希望子代理上下文隔离、跨分支消息传递无需自行搭建消息框架
- 客服/工单团队构建分类与回复流水线，利用 choices 约束保证 LLM 输出可解析，代码门防止模型跳过校验
- 研究人员使用配套 Research Agent Harness 自动化文献综述、实验到论文草稿的研究流程
- 需要 agent 记忆的团队，用 Scriptorium 把事实以 Markdown 笔记形式持久化并引用来源消息
- 需要自进化工具链的团队，让 agent 编写并热加载自己的 @agentic_function，无需手动注册
- 运维或自动化工程师通过事件总线订阅 file.changed、context.compaction_recommended 等事件触发告警
这个 Agent 有哪些优点和局限？
- @agentic_function 把 agent 写成普通 Python 函数，docstring 即提示词、choices 即输出约束，避免了常见的手写 JSON schema 和手动重试解析
- 扁平 DAG 上下文让 spawn、fork、跨分支消息、git worktree 隔离成为一行调用，多代理能力是原生的而非外挂的
- 代码门机制保证校验失败时模型被迫重新决策，关键步骤无法被提示词绕过，提升可信度
- agent 可通过文件工具编辑自身函数并由 watcher 热加载，实现真正的自编程/自进化
- 跨平台覆盖完整：macOS、Linux、原生 Windows x86_64/arm64 CLI/server 加 Web UI，并内置三大主流 provider
- AGPL-3.0 许可证要求任何分发或作为网络服务运行的衍生品同样以 AGPL 开源，对商业闭源集成是显著限制
- 需要 Python 3.11+，且 Windows 沙箱执行仍是一个独立层级，尚未完全对齐其他平台
- 事件基础设施中主动式策略层尚未实现，官方明确表示"这部分由你来构建"
- macOS 桌面版 DMG 未签名，企业环境可能被 Gatekeeper 拦截，需要额外处理
- 作为较新的框架（2026-04 首次发布），生态和第三方集成证据有限，迁移成本需自行评估
如何安装或部署这个 Agent？
macOS / Linux：curl -fsSL https://openprogram.io/install | sh。Windows x86_64 或 arm64 CLI/server：irm https://openprogram.io/install.ps1 | iex。桌面版：macOS 使用 GitHub Release 附带的未签名 DMG；Windows 使用签名的 win-x64.exe 或 win-arm64.exe（若 Release 附带该产物，否则为 CLI/server 加 Web UI）。需要 Python 3.11+。平台矩阵、PATH 配置、openprogram doctor 和源码安装方式见 docs/install/install.md。
如何使用这个 Agent？
首次运行 openprogram 会打开 provider 设置向导（配置 Anthropic/OpenAI/Gemini 密钥），随后进入终端聊天；openprogram setup 可重新运行向导。openprogram web 在 http://localhost:18100 打开 Web UI。快速验证：openprogram --print "Introduce yourself in one sentence"。编写 agent 时使用 @agentic_function 装饰器，例如 def triage(ticket: str, runtime=None) -> str，在 docstring 写系统提示，用 llm(ticket, choices=["bug","feature","question"]) 调用模型并约束输出。安装额外 harness：openprogram programs install <owner>/<repo>。
这个 Agent 与同类方案有什么区别？
README 将 OpenProgram 的写法与"常见方式"（手写 TRIAGE_PROMPT、TOOLS JSON schema、client.chat 调用加手动 .loads 解析和重试）作对比，即典型的 OpenAI 风格 tool-calling 客户端模式；OpenProgram 以装饰器和类型化约束替代这一样板。