GanyuanRan/Autoloom
AI coding with Aegis governance built into execution: baseline-aware changes, evidence-backed delivery. Free desktop client, your choice of model. 将哲科思维融入 AI 开发执行,让变更有依据、交付有证据。用创意编织现实。
解决的问题
编码代理常常在未暂停询问变更是否必要、是否增加不必要的复杂性、或结果是否真正符合需求和证据的情况下,就贸然进行更改。Autoloom 通过将工程治理直接嵌入编码运行时来解决这一问题,使代理质疑假设、检查结构膨胀,并根据已验证的事实审查交付——减少您不断提醒其先进行调查的需求。
工作原理
Autoloom 是一款基于 DeepSeek 官方 DeepSeek Harness 构建的 Windows 桌面客户端,并将 Aegis 治理方法融入工作流程。在关键节点——任务开始、编辑前、失败后以及记录结果前——它应用特定方法,如第一性原理推理、反熵检查、反例审查和完成验证。它维护任务状态、先决条件和执行证据,并在项目变更操作即将运行时,在对话中显示折叠的治理影响行。它还记录项目目标和决策,并允许您设置测试优先偏好和复杂度阈值。
适用对象
适用于在 Windows x64 上使用 AI 编码代理的开发者和团队,他们希望在保持工程判断的同时实现更自主的开发。它适合那些厌倦重复解释上下文和重新检查结果的人,以及希望代理展示其实际验证内容的人。macOS 和 Linux 版本已计划但尚未提供。
亮点
- 集成 Aegis 治理:变更必要性、复杂度检查、因果诊断和交付审查。
- 基于 DeepSeek Harness(源代码提交 b150a551)构建,保留 Cordis 插件机制。
- 支持本地项目和通过 SSH 的 Linux x64 项目,提供差异、命令日志、预览和停靠终端。
- 内置通过 Parallel/Exa MCP 服务的网络搜索,无需单独的 API 密钥。
- 记录过程证据,并允许检查决策和差异。
- 目前处于 Windows x64 的 Beta 版本;提供可下载的安装程序和 SHA256 校验和。
相关
- 项目
StanleyNull/AutoHunterAutoHunter 是一个基于 Docker 的 AI 驱动平台,可不间断地进行 Web 漏洞挖掘。它利用 LLM 引导的智能体(Collector、Worker、Reviewer)结合 nmap、nuclei 和 sqlmap 等专业工具,仅需人工进行最终审核。该系统支持多种搜索引擎(FOFA、Quake、Shodan 等),提供 Vue 仪表盘,并使用 SQLite 持久化数据。项目采用 Apache 2.0 协议,仅供授权的安全测试使用。
- 项目
valkor-ai/loomLoom 是一个与 AI 编码代理(Claude Code、Codex、OpenCode)协同工作的开源交付工具链。它通过在项目本地的 `.loom/` 文件夹中持久化一个有状态的交付循环(范围、计划、构建、测试、审查、修复、预览),实现可靠、可恢复的功能开发和部署预览。
- 项目
ningbainb/deepseek-harness-desktopDeepSeek Harness Desktop 是一款跨平台(Windows、macOS、Linux)的开源桌面客户端,将 DeepSeek AI 编码运行时与完整的 IDE 风格界面捆绑在一起。它提供 LLM 聊天、代码编辑、Git 集成、可扩展的 Skills/插件、代理驱动的任务自动化、远程 SSH 开发以及隐私优先的设计,全部以 BSD-3-Clause 许可证发布。
- 项目
theJayTea/WritingToolsWriting Tools 是一款免费开源的桌面应用,支持 Windows、Linux 和 macOS,可通过快捷键在计算机任意位置调用 LLM。它可进行校对、重写、改变语气、翻译、总结网页或 YouTube 字幕,甚至与模型聊天。支持使用云 API(Gemini、OpenAI、Anthropic 等)或通过 Ollama、llama.cpp、Apple-silicon MLX 运行本地模型。该应用注重隐私(无遥测、API 密钥本地存储),并采用 GPL-v3 许可证。
- 项目
JasonLiu0826/ackemAckem is a local-first Windows desktop application that provides an AI companion capable of maintaining long-term memory, emotional state, and relationship context while keeping all user data private on the local machine.