fluffypony/dothething

解決的問題

dothething 是一個設計用於自主處理複雜多階段任務的本地 AI 代理。它透過自動管理研究、資料提取、瀏覽器自動化、檔案編輯與程式碼執行，直到達成目標或明確提供失敗原因，從而消除手動介入的需求。

工作原理

該代理透過 OpenRouter 路由各種模型，使用主代理（Claude Fable 5）進行任務規劃與執行。它採用專門的架構以維持高效性與成本控制：

• 工具編排： 使用 "result_mode" 透過 Gemini 3.5 Flash 對長輸出進行摘要，並使用 exec_order 實現 "堆疊工具呼叫"，在單次往返中並行或順序執行多個操作。
• 瀏覽器自動化： 使用 Notte 和 Camoufox（Firefox 的分支）繞過機器人檢測並自動解決驗證碼，使其能夠與 SPA 和複雜網頁表單互動。
• 混合搜尋： 結合本地 SearXNG 實例與基於瀏覽器的橋接，確保 Google 等搜尋引擎實際返回結果，同時優先使用一次來源 API（如 arXiv 和 PubMed）。
• 可擴展性： 支援透過 SKILL.md 檔案新增自訂技能，以及連接 Model Context Protocol (MCP) 伺服器以擴展新功能。
• 資源管理： 透過 Anthropic 實現提示快取以降低使用成本，並提供 "快速模式" 用於簡單的一次性任務。

適用對象

需要一個能執行深度研究、管理本地檔案、與網路互動並執行 shell 命令，且無需持續監控的自主代理的 macOS 或 Linux 使用者。

主要亮點

• 自主網路互動： 具備防 fingerprinting 與自動驗證碼解決能力的完整瀏覽器控制。
• 編排器模式： 提供終端 UI，可並行執行與管理多個代理。
• 自訂技能與 MCP： 可注入行為指令或隔離子任務，並連接外部 MCP 伺服器。
• 整合通訊： 內建 AgentMail，支援發送與接收郵件訊息。
• 即時互動： 支援任務執行過程中的輸入與排隊指令，以引導代理工作。
• 狀態持久化： 保存完整的對話線程與 shell 會話，允許使用者恢復中斷的工作。