开源编程 Agent 横向对比
下面每个 agent 都带有 GitHub 能识别出的开源许可证，并且都过了同一套 FARS 评审，所以这些数字之间是可比的，不是各自 README 里搬来的自述。表格先给评审结果，下面每一节是该 agent 自己的定位，包括它的文档承认自己不适合的场景。
| # | 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 | Codex Autoresearch | 91 | 27/25 | 834 | Apache-2.0 | TypeScript | 2026-10-02 |
| 4 | jev-axi 安全判断 CLI | 90 | 23/25 | 43 | MIT | TypeScript | 2026-09-24 |
| 5 | Zoetrope | 89 | 23/25 | 1.1k | MIT | Rust | 2026-09-11 |
| 6 | agnix 配置检查器 | 89 | 27/25 | 455 | Apache-2.0 | Rust | 2026-10-18 |
| 7 | Mirafold | 89 | 25/25 | 18 | MIT | TypeScript | 2026-09-16 |
| 8 | CommitLore | 89 | 25/25 | 18 | MIT | TypeScript | 2026-10-18 |
| 9 | elizaOS | 88 | 24/25 | 19.6k | MIT | TypeScript | 2026-10-18 |
| 10 | Pi Dynamic Workflows | 88 | 23/25 | 555 | MIT | TypeScript | 2026-10-06 |
| 11 | Piia Engram | 88 | 27/25 | 162 | AGPL-3.0 | Python | 2026-10-10 |
| 12 | YYLO CLI | 88 | 25/25 | 65 | MIT | Python | 2026-10-15 |
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. Codex Autoresearch
在代码库内运行可度量的优化循环：给出目标、基准和边界，它自动做实验、保留证据并留下可审查的补丁。
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. 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。
6. 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。
7. 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。
8. CommitLore
让编码代理只接收仍然有效的 Git 决策、约束与警告。
差异在哪
通用记忆或 RAG 主要检索语义上相关的旧文本；CommitLore 询问的是哪些决策现在仍适用于特定仓库路径。它以 Git 为权威来源，显式管理 active、superseded、expired 生命周期，并对交付内容划分 directive、claim 和 blocked，而不是把所有相关文本直接当作当前指导。相应地，它的范围更窄，不适合作为会话归档、通用用户记忆或向量数据库的替代品。
9. elizaOS
构建、运行并扩展自主 AI 智能体的开源 TypeScript 系统。
差异在哪
与可选的 Eliza Cloud 路径相比，本地运行时和直接模型提供商配置仍是一等选择：前者提供账户、认证、托管模型路由、应用与智能体部署、远程连接及跨设备服务；后两者提供更直接的自托管与提供商控制。对于整机系统，当前单体仓库负责 Eliza 应用外壳和原生运行时桥接，而独立的 elizaOS/os 仓库负责可启动 Linux、AOSP、安装器、发布清单和操作系统工具链。
10. Pi Dynamic Workflows
在 Pi 中把复杂任务拆成可路由、可恢复、可交叉验证的并行子智能体工作流。
差异在哪
它借鉴 Claude Code 的动态工作流：两者都采用代码模式编排、隔离子上下文、结构化输出、后台运行、模型选择和恢复机制。该项目在 Pi 中实现这些模式，并额外提供 Git worktree 隔离、实测成本统计、交互式 /workflows TUI、深度研究及质量辅助函数；它不是 Claude Code 插件，也没有文档证明可在 Claude Code 中直接运行。
11. 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。
12. YYLO CLI
用可审计凭据编排编码代理、任务、验证与受保护合并。