BigSweetPotatoStudio/HyperChat

解决的问题

HyperChat 通过提供一个本地 AI Agent 平台，解决了 AI Agent 使用中的云依赖和隐私问题。它通过引入「AI as Code」理念，将 AI 能力、Agent 记忆和工具配置以文件形式存储在项目中，使其可通过 Git 进行版本控制，并在不同环境间轻松迁移。

如何工作

HyperChat 采用双层架构，在管理性和速度之间取得平衡：

• Web 前端：作为多工作区协作中心，用于可视化管理 Agent、MCP（Model Context Protocol）服务和项目级资源。
• CLI 前端：以 Agent 为中心的界面，支持用户在终端中快速启动特定 Agent 并直接执行命令。

系统采用 5 层优先级环境变量机制（默认 < 进程 < 全局 .env < 工作区 .env < CLI 参数）来管理 API 密钥和模型设置。通过集成 MCP 协议，使 Agent 能够与本地文件系统及其他工具进行交互。

适用人群

• 希望拥有理解代码库、并能与代码一同版本化的项目专属 AI 助手的 开发者。
• 希望通过 Git 共享 AI 最佳实践和 Agent 配置的 团队。
• 偏好命令行工作流进行 AI 交互和自动化脚本的 高级用户。

核心亮点

• AI as Code：Agent 配置和记忆存储在 .hyperchat/ 目录中，支持 Git 版本控制和一键迁移。
• 本地优先：通过将交互和配置保留在本地机器上，确保数据隐私。
• MCP 协议支持：使 Agent 能够深度集成工具，例如操作本地文件系统。
• 自定义命令系统：支持基于 Markdown 模板的快捷指令（如 /bug-fix、/review），实现专业级提示。
• 智能文件引用：在提示中支持多个 @file 路径，便于执行复杂文件操作。