fluffypony/dothething

解决的问题

dothething 是一个设计用于自主处理复杂多步骤任务的本地 AI 代理。它通过自动管理研究、数据提取、浏览器自动化、文件编辑和代码执行，直到达成目标或明确提供失败原因，从而消除了手动干预的需求。

工作原理

该代理通过 OpenRouter 路由各种模型，使用主代理（Claude Fable 5）进行任务规划和执行。它采用专门的架构以保持高效性和成本控制：

• 工具编排： 使用 "result_mode" 通过 Gemini 3.5 Flash 对长输出进行摘要，并使用 exec_order 实现 "堆叠工具调用"，在单次往返中并行或顺序执行多个操作。
• 浏览器自动化： 使用 Notte 和 Camoufox（Firefox 的分支）绕过机器人检测并自动解决验证码，使其能够与 SPA 和复杂网页表单交互。
• 混合搜索： 结合本地 SearXNG 实例与基于浏览器的桥接，确保 Google 等搜索引擎实际返回结果，同时优先使用一次来源 API（如 arXiv 和 PubMed）。
• 可扩展性： 支持通过 SKILL.md 文件添加自定义技能，以及连接 Model Context Protocol (MCP) 服务器以扩展新功能。
• 资源管理： 通过 Anthropic 实现提示缓存以降低使用成本，并提供 "快速模式" 用于简单的一次性任务。

适用人群

需要一个能够执行深度研究、管理本地文件、与网络交互并执行 shell 命令，且无需持续监督的自主代理的 macOS 或 Linux 用户。

主要亮点

• 自主网络交互： 具备指纹规避和自动验证码解决能力的完整浏览器控制。
• 编排器模式： 提供终端 UI，可并行运行和管理多个代理。
• 自定义技能与 MCP： 可注入行为指令或隔离子任务，并连接外部 MCP 服务器。
• 集成通信： 内置 AgentMail，支持发送和接收邮件消息。
• 实时交互： 支持任务执行过程中的输入和排队指令，以引导代理工作。
• 状态持久化： 保存完整的对话线程和 shell 会话，允许用户恢复中断的工作。