linghungegeg/Linghun

What it solves

Linghun 是一个 AI 驱动的编程终端，专为真实软件工程而非简单问答设计。它解决了常见的 AI 编码失败问题，如模型在未阅读代码或验证结果的情况下声称已修复 bug 的“幻觉”、因大量日志导致的上下文窗口溢出，以及在 Windows 环境（中文路径、PowerShell）中工作的摩擦。

How it works

Linghun 不仅依赖提示工程，而是实现了一个系统级的“工程外骨骼”来包装 LLM。它将模型集成到受控运行时中，管理以下内容：

• Evidence-First Loop：强制模型将结论绑定到实际文件读取、工具输出和 Git 状态。
• Verification Gates：区分部分、模拟和完整冒烟测试，防止模型在没有证据的情况下声称任务“完成”。
• Architectural Guardrails：使用“AntiCodeBlob”系统防止生成庞大、难以维护的文件和函数。
• Managed Environment：处理 Windows 特有的进程防护、路径兼容性和 Git 稳定点，便于轻松回滚。
• Workflow Matrix：将复杂目标拆分为阶段、角色和证据需求，支持多代理探索和后台任务。

Who it’s for

• Individual Developers：想用自然语言驱动真实项目且不想学习复杂工具语法的开发者。
• Professional Engineers：需要可靠 AI 合作伙伴、遵守架构边界、管理 Git 状态并提供可验证交付的工程师。
• Enterprise Teams：需要严格权限边界、本地执行隐私以及通过标准化 Capability Runtime 连接内部工具的组织。

Highlights

• Anti-Hallucination System：约束模型必须提供证据，降低“自信却错误”的回答。
• Windows-First Design：全面支持 PowerShell、中文路径和原生进程追踪，确保在 Windows 上的稳定性。
• Git Integration：自动创建稳定点和受管工作树，使 AI 驱动的更改可逆。
• Capability Runtime：可扩展的“通用插件”，允许外部软件通过基于清单的连接器向 AI 暴露能力。
• Multi-Model Routing：根据任务将不同模型分配给规划、执行、审查、摘要等角色。
• Context Optimization：通过索引和噪声控制实现 92‑96% 的高缓存命中率，降低 token 成本。