AI编程智能体转向终端、手机和预算表
两个新的开源项目分别把AI编程智能体放进终端和手机,第三个项目则按开发者出售支出上限。三者合起来说明开发者工具的争夺战已经转移了阵地。

其中之一是Docent,一个用Rust写的命令行工具,在终端里就能和PDF、Office文件对话,搜索网页,并连接MCP服务器。仓库里列出了面向Linux、macOS和Windows的预编译二进制文件。它的卖点是本地优先:如果没有智能体在运行,这个命令行工具会自己下载所需的框架和模型,然后启动一个。
最后这个细节值得留意。二进制文件里内置了一个智能体,也就是SLP框架1.2.9,首次运行时它在后台把框架拉下来,并写入~/.smartloop/server.log。内置智能体在macOS上通过Metal、在Linux和Windows上通过Vulkan做GPU推理,于是一台显卡还不错的笔记本不必把提示词发给厂商就能干活。对受数据规定约束的开发者来说,这改变了允许做什么。仓库里没讲清楚的是:下载的模型有多大,写代码的水平又如何。
这个项目还保留了旧名字。安装后同时有docent和smartloop两个命令,仓库说两者是同一个二进制文件。原有的命令照常能用,如果有人给早先的版本写过脚本,这一点很重要。
手机用来提需求,电脑用来合并
Nautilus把编程智能体拆成两半。手机上的PWA负责输入提示词,流式显示智能体的每一轮输出,并给出实时预览。桌面应用随后显示真正的内容差异,把改动合并进项目。仓库声明它从不碰你的.git目录。
整套配置跑在免费基础设施上:一台Lightning AI Studio运行器,一个对外提供应用、API和预览的公共HTTPS端口,不需要信用卡、域名、Docker或付费虚拟机。免费的OpenCode Zen模型开箱即用。README对取舍说得很直白:手机适合提需求,不适合审代码。只有当你让它同步时,电脑才需要处于可访问状态。
两个项目都没有公布基准测试、用户数量或融资情况。它们都是新项目,关于模型质量和成本的说法都出自各自的文档。
Kimchi卖的是上限,不是模型
Kimchi在信任问题上走的是相反的路。它的网站描述了一个统一执行层,管住支出、数据、部署和模型路由。上限可以按用户、团队、API密钥或模型来设,网站说请求会在到达限额时停下,而不是之后。页面上的例子显示某用户预算为$820,硬性上限为$800。
部署方式从无服务器到VPC再到本地部署都有,网站称提示词、代码和输出不用于模型训练。它还宣称提供一个开源模型的推理端点,延迟约80ms。这些数字来自公司自己,没有经过独立测试。
预算控制如今成了一个产品,原因很简单。智能体一跑就是几分钟,不是几秒,一次会话就能在没人注意的时候烧掉团队一个月的额度。按密钥设上限对CI流水线、机器人和外包人员同样重要,这些地方一旦凭据泄露就会变成账单。Kimchi没有说明怎么收费,页面上也没有出现任何价格。
助手在哪里停下,平台从哪里开始
这三个项目都落在一个更大的争论里:开发者用的工具究竟由谁掌控。Eval.blog上的一篇文章摆出了反对谷歌Android开发者验证计划的理由,作者说该计划从2027年1月1日起把Android变成封闭平台。文章指出,验证适用于认证设备上的每一个应用,而不只是Play商店里的应用。文章还引用了F-Droid的警告:开发者验证将终结今天这种自由开源应用的发行方式。
现在,APK拿来就能用。
这是作者的原话,论点也归他。但同样的逻辑适用于开发者工具。跑在你自己的机器上、或跑在你控制的运行器上的编程智能体,不依赖厂商的服务条款。而靠托管层来执行预算的工具则依赖。
反面的理由是维护。Docent在安装时编译llama.cpp,需要Rust、CMake和C/C++工具链;Linux构建打包了Vulkan加载器,macOS构建经过签名和公证,Windows构建也经过签名。对一个必须在上游变动之后继续工作的工具来说,这里面的活动部件实在不少。
又一次关于Web平台的争论
Nolan Lawson在10月3日那篇讲开发者为何不用平台的文章,在这里是个好用的框架。他认为浏览器花了好些年才追上各种库,而这个习惯留了下来。开发者伸手去拿自己熟悉的工具,哪怕浏览器已经能干这件事。
同样的反射现在落在智能体身上。团队伸手去拿已经在付费的托管助手,而不是那个还得自己编译的命令行工具。Lawson还指出,文档塑造了选择:npm包的示例比平台的好。开源智能体项目面对同样的问题,README就是它们唯一的橱窗。
另外两个小项目说明这个领域已经有多宽。Herbarium把AI工具生成的HTML页面存进一个普通文件夹,再按间隔复习把它们调出来。16agents项目让编程智能体做一次性格测试,给出自知之明分数,还埋了四个陷阱,用来抓那些声称自己有某种行为、实际却不做的智能体。作者称它是带正则表达式的占星术。两者都不是通常意义上的编程工具,但都指向同一个习惯:开发者现在会保存、整理并审查助手产出的东西。
值得关注的地方
对团队来说,这个季度实际的问题不是哪个模型胜出,而是智能体在哪里运行、谁能把它停掉。Docent和Nautilus的答案是本地或免费基础设施,不要账号。Kimchi的答案是一个控制平面和一道硬上限。
三者都没有公布采用数据,也没有一个说过大规模运行要花多少钱。在这些出来之前,选择取决于你已经有的约束:一条数据规定、一张账单,还是一台必须合上的笔记本。
资料来源
8- 01Docent: an open source private AI assistant in your terminalEN
- 02Nautilus: run a coding agent from your phone, merge on your PCEN
- 03Kimchi: governed AI coding platform with hard budget capsEN
- 04Authoritarian tendencies of Android Developer VerificationEN
- 05Why don't more developers use the platform?EN
- 06Herbarium: keep and review the HTML pages AI tools generateEN
- 0716agents: a personality test for your agentEN
- 08OpenBSD developers reject uutils coreutils portEN
本文所有数字与引语均来自下列来源,未添加来源之外的内容。
本内容由编辑部在人工智能辅助下制作完成。
评论
0- 还没有评论——来说两句吧。