Claude Code Agent 横向对比
这里的兼容指的是完整支持，取自各 agent 自己的 AGENTS.md 与文档，而不是因为它是个 agent 就默认能跑。只有部分支持的没有收进来——收进来才是真的浪费你一个下午。
| # | Agent | FARS | 信任 | Star | 许可证 | 语言 | 最近提交 |
|---|---|---|---|---|---|---|---|
| 1 | AGF 本地编码会话查找器 | 96 | 27/25 | 158 | MIT | Rust | 2026-10-01 |
| 2 | Argot 仓库风格审查器 | 93 | 28/25 | 51 | MIT | Rust | 2026-09-02 |
| 3 | 材料学习工坊 | 92 | 25/25 | 1.1k | MIT | Python | 2026-10-07 |
| 4 | jev-axi 安全判断 CLI | 90 | 23/25 | 43 | MIT | TypeScript | 2026-09-24 |
| 5 | QuantDinger AI 量化交易系统 | 89 | 25/25 | 12.9k | Apache-2.0 | Python | 2026-10-19 |
| 6 | Zoetrope | 89 | 23/25 | 1.1k | MIT | Rust | 2026-09-11 |
| 7 | agnix 配置检查器 | 89 | 27/25 | 455 | Apache-2.0 | Rust | 2026-10-18 |
| 8 | Mirafold | 89 | 25/25 | 18 | MIT | TypeScript | 2026-09-16 |
| 9 | Piia Engram | 88 | 27/25 | 162 | AGPL-3.0 | Python | 2026-10-10 |
| 10 | YYLO CLI | 88 | 25/25 | 65 | MIT | Python | 2026-10-15 |
| 11 | Blave Agent | 87 | 25/25 | 113 | Apache-2.0 | Python | 2026-10-19 |
| 12 | myc 本地代理记忆与任务层 | 87 | 24/25 | 14 | MIT | TypeScript | 2026-10-18 |
排序依据是 FARS 总分，Star 只用来打平手——热度衡量的是关注度，不是这东西撑不撑得住。看排序之前有两点要知道：这些都是静态评审（只看源码、文档与仓库元数据，没有做运行复测），可靠性、有效性、可验证三项因此被压了上限，实际可得满分是 77 而不是 100；而且几分之差落在这套方法的噪声范围内。请把这张表当成值得进一步考察的短名单，而不是结论。每个分数都链到完整的维度拆解和背后的证据。 评分方法 →
1. AGF 本地编码会话查找器
统一搜索并恢复散落在本机的 AI 编码会话。
差异在哪
与逐个打开各 Agent 的原生会话选择器或手工翻查历史文件相比，AGF 将 16 种工具的本地会话汇总到同一个可搜索界面，并提供统一的 JSON 与 MCP 查询入口。不过它不会取代原生 Agent：恢复最终仍交给各自的命令行程序，部分会话的删除也必须回到提供方自己的选择器完成。
2. Argot 仓库风格审查器
从 Git 历史学习隐性规范，发现新代码与仓库惯例的偏离。
差异在哪
类型检查器主要回答代码能否通过类型约束，而 Argot 关注变更是否符合该仓库历史形成的代码语言、布局和依赖方向。与把代码交给第二个 LLM 评判不同，它使用本地统计、图结构、脚本和嵌入证据生成提示，不由生成式或观点形成模型决定结论；相应地，它也不是通用正确性验证器。
3. 材料学习工坊
把书籍、论文与办公文档转成可追溯、可测验、可离线阅读的学习网页。
差异在哪
本项目明确建立在两个 MIT 项目之上：virgiliojr94/book-to-skill 提供材料提取、知识拆解和基础知识库结构，crayon-ai/book-to-webpage 提供交互式学习页、主题、来源展示和追问交互设计。learn-from-materials 在这些基础上整合了跨智能体 Agent Skills 工作流、快速概览与系统学习两种深度、方法库与整篇方法论、覆盖和内容复核记录，以及离线交付流程。若只需要上游项目各自的基础提取或网页转换能力，上游方案可能范围更聚焦；若需要同源知识库、来源审核、方法积累和完整交付包，本项目覆盖得更广。
4. jev-axi 安全判断 CLI
为编码智能体快速评估命令、文本、差异和任务进度。
差异在哪
与 foreman 在智能体之上运行监督器不同，jev-axi 不负责启动智能体，而是把类似的进度和卡顿判断接入 Claude Code 或 Codex 自身的钩子。它也不同于会生成文本的编码模型：Jev 只回答类型化问题并给出概率，因此定位是快速判断层，而不是代码生成或代码理解替代品。
5. QuantDinger AI 量化交易系统
将 AI 市场研究转化为 Python 策略、回测、模拟盘、实盘执行与持续监控。
差异在哪
与黑盒信号服务相比，QuantDinger 不把策略逻辑和执行托管在不可见系统中：策略代码、风险设置、凭据及部署均由操作者控制。与单一 AI 提供商绑定的方案相比，它列出了 OpenRouter、OpenAI-compatible、Google、DeepSeek、Grok、MiniMax 和自定义端点；但使用者仍需自行配置相应服务。基础 Compose 不包含监控栈，而 observability overlay 可按需加入 Prometheus、Grafana 和 Alertmanager。
6. Zoetrope
在终端或浏览器中，将 Claude Code 会话实时呈现为流程图，看清主 Agent、子 Agent 与工具调用的全貌。
7. agnix 配置检查器
在错误配置干扰 AI 编程工作流之前发现并修复问题。
8. Mirafold
在浏览器中运行并集中监管本机编码智能体。
差异在哪
与直接在终端中使用 Claude Agent、Codex、OpenCode 或 Gemini CLI 相比，Mirafold 保留原生智能体及其本机权限模型，同时增加浏览器界面、结构化生成式 UI、多会话监管、文件与 Git 变更视图。它不是统一代理层，也不会用自有通用智能体替代这些 CLI。四种集成各自使用独立适配器，因此是否能启动实时会话仍取决于对应后端及其认证是否可用。
9. Piia Engram
让多个 AI 编程工具共享一套由用户掌控、可审阅和覆盖的本地工作身份与长期知识。
差异在哪
与 Claude Memory 相比，Piia Engram 把资料存放在用户控制的本地文件中，并面向多个 MCP 工具，而不是限定在 Claude 生态。与 CLAUDE.md 或 .cursorrules 相比，它保存跨仓库的个人偏好、经验与决策；仓库规则文件仍更适合项目专属构建步骤和规范。与 Mem0、Zep、Letta 这类 Agent 记忆系统相比，它强调“用户是谁”及其长期工作标准，而不是单次 Agent 工作流发生了什么。与官方 @modelcontextprotocol/server-memory 的通用实体关系图相比，它提供开发者身份、质量标准、经验、决策和审阅治理等专用结构。
10. YYLO CLI
用可审计凭据编排编码代理、任务、验证与受保护合并。
11. Blave Agent
让 Claude Code 或 Codex 把交易想法变成经检验并可实盘运行的策略。
差异在哪
使用自己的 Claude Code 或 Codex 时，桌面应用只负责启动相应 CLI，不要求 Blave 账户，Blave 也不收取 AI 费用；用户仍自行承担原有 AI 订阅或服务成本。Blave AI 是内置的替代路径，需要登录 Blave 账户并按用量计费。本地桌面模式免费且数据与密钥保存在用户机器上，但只有应用运行时才能下单；付费云端机器则可在电脑关闭后继续运行，并通过网页工作区、Telegram 或 SSH 访问。
12. myc 本地代理记忆与任务层
为编码代理提供本地任务、持久记忆与代码索引。
差异在哪
与 beads 相比，myc 不只是导入器：它提供自己的任务图、记忆、检索和代理接线层。仓库提供 myc import-beads --dry-run 与正式导入流程，并支持后续同步、字段冲突报告、评论、依赖和记忆迁移。其就绪队列还实现了从父任务继承阻塞关系，以修正早期版本与 beads 队列结果不一致的问题。不过，该迁移路径依赖可用的 bd export --include-memories 数据，局部与双向修改可能需要人工处理冲突。