标签归档：编程工具

[ByAIGC] Windows 从零搭 AI 编程代理（七）：Lody，手机远程指挥电脑

发表评论

说明：本文为 AIGC 辅助撰写整理，基于官方文档核实，供快速上手参考。具体细节以官方文档为准。

系列收官。前六篇我们装好了各种 AI 编程代理，现在用 Lody 把它们统一起来——用手机在任何地方给电脑派任务、看进度、审查改动。

Lody 是一个”AI 代理的遥控器”：你在手机上发起任务，Agent（opencode / Claude Code / Codex / Kimi 等）在你自己的电脑或服务器上运行，然后你随时审查每个改动。支持 ACP 协议的所有代理都能接入。

1. 在电脑上装 Lody

两种方式，选一种即可：

方式 A：桌面应用（推荐） 到 https://lody.ai/download 下载 Windows 安装包，安装后浏览器会引导你注册登录。桌面应用会自动在你电脑上启动本地 CLI 守护进程（agent 就在这里运行）。

方式 B：纯 CLI（服务器/无界面机器） 需要 Node.js ≥ 18，执行：

npx lody daemon start

首次运行会自动打开浏览器完成登录，然后后台驻留。也可以 npx lody project add <你的项目路径> 添加项目。

2. 接入前面装好的 Agent

在桌面或手机应用的 Settings → Agents 里添加并配置代理：

  • 官方一键接入 Claude Code、Codex（能力支持最完整）。
  • 也支持 opencode、Kimi 以及任意 ACP 代理。
  • 列表里没有？选 Custom Agent，填上启动命令和参数（例如你上一篇装好的 kimi / opencode）即可。

3. 连接 GitHub（可选，做 PR 很爽）

Web/桌面应用左下角 Settings → GitHub Integration → Manage，授权后选择要接入的仓库。Lody 会用隔离的 worktree 跑任务，最终可以直接帮你提 PR。

4. 手机装 App，开始远程指挥

iOS / Android 到 https://lody.ai/download 下载安装，登录同一账号即可。

手机上你能做：

  • 发起任务：在项目里新建会话，描述需求，电脑上的 Agent 立刻开干。
  • 实时盯进度：看终端实时输出、文件改动、会话 diff。
  • 批准操作：Agent 请求权限时，手机上直接批准/拒绝（iOS 上还能在锁屏/灵动岛回复）。
  • 审查改动：查看 diff、评论，PR 就绪时收到推送。
  • 浏览文件：项目目录树直接预览文本文件。
  • 推送通知：任务完成、需批准、PR 就绪都会提醒。

没网也能看缓存的会话和已存 diff，联网后自动同步。

5. 一个典型流程

  1. 出门前电脑开着，Lody 桌面/CLI 守护进程在跑。
  2. 路上用手机开 Lody，挑一个项目，发消息：”帮我修复首页登录 bug，跑测试通过后提 PR。”
  3. 电脑上的 Agent 自动工作，你在手机实时看进度。
  4. 需要批准时手机一键确认，改完审查 diff，Lody 帮你提 PR。

写在最后

至此，从零开始你已经拥有了一套完整的”随身 AI 编程工作室”：

  • 打好基础（Node / Git / 终端）
  • 装了多款代理（opencode、Codex、DeepSeek Harness、Claude Code、Kimi）
  • 用 Lody 串起来，手机随时随地指挥电脑

有任何不确定的细节，都以各官方文档为准。祝编码愉快！

[Windows 从零搭建 AI 编程代理]

[ByAIGC] Windows 从零装 AI 编程代理（六）：Kimi Code

发表评论

说明：本文为 AIGC 辅助撰写整理，基于官方文档核实，供快速上手参考。具体细节以官方文档为准。

Kimi Code CLI 是月之暗面（Moonshot AI）的终端 AI 编码代理，单二进制分发，无需 Node.js，TUI 启动极快。

1. 前置要求

  • 无需 Node.js，但 Windows 下首次运行前要先装 Git for Windows（见本系列第一篇），因为 Kimi Code 用内置的 Git Bash 作为 shell。
  • 若 Git Bash 装在自定义位置，设置环境变量 KIMI_SHELL_PATH 指向 bash.exe 的绝对路径。

2. 安装

PowerShell 执行官方脚本：

irm https://code.kimi.com/kimi-code/install.ps1 | iex

重开一个新终端后验证：

kimi --version

3. 登录

进入项目并启动：

cd 你的项目路径
kimi

首次运行输入 /login，选择 Kimi Code OAuth 或 Moonshot AI 开放平台 API Key 即可。

4. 使用要点

  • 直接开干：登录后就能给任务，例如”看一下这个项目的目录结构并解释”。
  • 视频输入：可以把录屏/演示片段拖进对话，让代理”看”视频干活。
  • MCP 配置：用 /mcp-config 对话式地增改 MCP 服务器，不用手改 JSON。
  • 插件生态：可安装 skills、MCP、数据源，每个插件的信任级别会提前提示。
  • 子代理：内置 coder、explore、plan 子代理，可并行处理。
  • 编辑器接入：Kimi Code 支持 ACP 协议，可用 kimi acp 接入 Zed / JetBrains 等。

5. 搞定

kimi

登录后即可用。下一篇：最后一篇，把前面所有工具接入 Lody，实现手机远程指挥电脑。

[Windows 从零搭建 AI 编程代理]

[ByAIGC] Windows 从零装 AI 编程代理（五）：Claude Code

发表评论

说明：本文为 AIGC 辅助撰写整理，基于官方文档核实，供快速上手参考。具体细节以官方文档为准。

Claude Code 是 Anthropic 的 AI 编码助手，能在终端、IDE、桌面应用、网页里使用。终端 CLI 免费可用（需 Claude 订阅或 Anthropic Console API）。

1. 安装

Windows 原生（PowerShell）推荐用官方脚本：

irm https://claude.ai/install.ps1 | iex

也可以直接跑下面的 winget 命令（Windows 自带，无需 Node）：

winget install Anthropic.ClaudeCode

用 winget 安装的话记得定期 winget upgrade Anthropic.ClaudeCode 更新。

装完重开终端验证：

claude --version

原生 Windows 下建议装 Git for Windows（见第一篇），这样 Claude Code 能用 Bash 工具；没装的话会退化为用 PowerShell。

2. 登录

进入项目目录：

cd 你的项目路径
claude

首次运行会引导登录。最简单是用 Claude 订阅账号登录（Claude.ai 订阅包含 Codex 类似的使用额度）。如果你已设了 ANTHROPIC_API_KEY 环境变量，它会跳过登录提示、直接要求确认使用该 Key。

3. 使用要点

  • 描述任务：直接说需求，Claude Code 会规划、跨多文件改代码并验证。
  • CLAUDE.md 记忆：在项目根放一个 CLAUDE.md，每次会话开始它会自动读取，用来约定编码规范、常用库、审查清单。
  • 自动化：支持管道，例如把日志喂给它： 
    Get-Content app.log | claude -p "找出异常并说明"
  • 更多形态：可用 VS Code 插件、桌面应用，甚至网页版（claude.ai/code）。

4. 搞定

claude

登录后即可在任意项目中使用。下一篇：Kimi Code（Moonshot 官方）。

[Windows 从零搭建 AI 编程代理]

[ByAIGC] Windows 从零装 AI 编程代理（四）：DeepSeek Harness

发表评论

说明：本文为 AIGC 辅助撰写整理，基于官方文档核实，供快速上手参考。具体细节以官方文档为准。

DeepSeek Harness（命令行 dsh）是 DeepSeek AI 开源（MIT）的代理框架，采用”一切皆插件”的架构，基于 Node.js。

注意：目前处于 developer preview（开发者预览），迭代很快，可能存在破坏性变更。适合尝鲜，生产使用需留意版本。

1. 前置要求

需要先装好 Node.js（见本系列第一篇）。无需额外安装 npm 全局包，直接用 npx 跑即可。

2. 启动 Web 界面

在项目目录下执行：

npx @deepseek-ai/dsh web

首次执行会下载并运行。成功后默认会在 http://127.0.0.1:3080 打开 Web UI，直接在浏览器里使用。

dsh 的形态和传统终端代理不同，它提供的是 Web UI，配置和管理大模型能力都通过浏览器完成。具体模型接入方式以官方 Web UI 引导与文档为准。

3. 从源码运行（可选）

想深入源码/二次开发：

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web

4. 获取帮助

搞定

npx @deepseek-ai/dsh web

然后打开浏览器访问本地 Web UI 即可。下一篇：Claude Code（Anthropic 官方）。

[Windows 从零搭建 AI 编程代理]

[ByAIGC] Windows 从零装 AI 编程代理（三）：Codex CLI

发表评论

说明：本文为 AIGC 辅助撰写整理，基于官方文档核实，供快速上手参考。具体细节以官方文档为准。

Codex CLI 是 OpenAI 出品的、在本地运行的终端编码代理，直接用 ChatGPT 订阅或 API Key 登录即可。

1. 安装

在 PowerShell 里执行官方安装脚本：

powershell -ExecutionPolicy ByPass -c "irm https://chatgpt.com/codex/install.ps1 | iex"

也可以只用 npm（上一篇已装 Node）：npm install -g @openai/codex。

装完重开一个终端，验证：

codex --version

2. 登录

首次运行：

codex

选择 Sign in with ChatGPT。这会用你的 ChatGPT Plus / Pro / Business 等订阅直接使用 Codex，最省事。

想用 API Key 方式也可以，但要额外配置（codex login --api-key 等），对大多数个人用户，直接用 ChatGPT 订阅最简单。

3. 开始使用

进入项目目录：

cd 你的项目路径
codex

然后像跟同事对话一样描述任务即可。Codex 能读代码、改文件、跑命令。

  • 看它怎么想：codex exec 可让代理执行并回显。
  • 批量/脚本化：codex exec "把这段日志里的报错找出来" 可直接传参运行。

4. 在编辑器里用（可选）

Codex 也提供了 VS Code / Cursor / Windsurf 的插件，以及桌面应用（codex app）。终端版够用，编辑器可选。

搞定

codex

登录后即可工作。下一篇：DeepSeek Harness（DeepSeek 官方）。

[Windows 从零搭建 AI 编程代理]

[ByAIGC] Windows 从零装 AI 编程代理（二）：opencode

发表评论

说明：本文为 AIGC 辅助撰写整理，基于官方文档核实，供快速上手参考。具体细节以官方文档为准。

opencode 是开源（MIT）的终端 AI 编程代理，支持几乎任意大模型提供商，也是本系列其他工具的好搭档。

1. 安装

opencode 在 Windows 上可以用 npm、Scoop 或 Chocolatey 安装。推荐用 npm（上一篇已装好 Node）：

npm install -g opencode-ai

验证：

opencode --version

想用包管理器也行：scoop install opencode 或 choco install opencode。官方在 Windows 上最推荐 WSL，但原生 PowerShell 也能用。

2. 配置模型提供商（API Key）

opencode 支持任意 LLM，只要配置对应提供商的 API Key 即可。首次运行会在界面里引导你选择。

  • 最简单（官方托管）：在终端输入 /connect，选 opencode，按提示到 https://opencode.ai/auth 登录获取 Key 后粘贴回来。
  • 自带 Key：也可在配置中填入任意兼容提供商（如 DeepSeek、Anthropic、OpenAI 等）的 ANTHROPIC_API_KEY / OPENAI_API_KEY 等。

3. 初始化一个项目

进入你的项目目录并启动：

cd 你的项目路径
opencode

在界面里运行：

/init

opencode 会分析项目并生成一份 AGENTS.md（记录项目结构与编码规范）。建议把它提交到 Git 里。

4. 常用玩法

  • 问问题 / 加功能：直接描述即可，支持用 @ 模糊搜索文件，还能把图片拖进终端作为参考。
  • 先规划再动手：按 Tab 切到 Plan 模式（只读，不改文件），让它给出方案后再切回 Build 模式执行。
  • 撤销改动：不满意就用 /undo 回退，可多次撤销，/redo 重做。

5. 搞定

opencode

打开即可用。想个性化，可以挑主题（/themes）、改快捷键、加自定义命令等。

下一篇：Codex CLI（OpenAI 官方）。

[Windows 从零搭建 AI 编程代理]

[ByAIGC] Windows 从零装 AI 编程代理（一）：通用前置配置

发表评论

说明：本文为 AIGC 辅助撰写整理，基于各官方文档核实，供快速上手参考。具体细节请以官方文档为准。

本系列要带你在 Windows 上从零装好并配置几款主流 AI 编程代理：opencode、Codex、DeepSeek Harness、Claude Code、Kimi Code，最后再接入 Lody 用手机远程指挥电脑干活。

这是第一篇：先把公共的地基打好。装好下面这些东西，后面五款工具基本都能直接用。

1. 装 Node.js 与 npm

绝大多数代理都是基于 Node 的工具，Node.js 会附带包管理器 npm。装一个即可。

  1. 打开官网 https://nodejs.org，下载 LTS（长期支持） 版 Windows 安装包（.msi）。
  2. 双击安装，一路”下一步”，保持默认勾选即可。
  3. 装完后重开一个终端，验证： 
    node -v
npm -v

    能打印出版本号（如 v22.x）就成功了。

提示：本系列里的 DeepSeek Harness 和 Lody CLI 都要靠 npm，Node 是必装项。

2. 装 Git（Windows 版）

很多代理需要调用 Git，且自带一个 Bash 终端（如 Kimi Code）。装 Windows 版 Git 最省事。

  1. 到 https://git-scm.com/download/win 下载安装包。
  2. 安装向导里注意两步：
    • 调整 PATH 时选 “Git from the command line and also from 3rd-party software”（推荐默认的第二项）。
    • 行结束符转换选 “Checkout as-is, commit as-is”（避免换行符问题）。
  3. 装完验证： 
    git --version

3. 装一个好用的终端（推荐）

Windows 自带的 CMD/PowerShell 能凑合用，但给 AI 代理配个现代终端体验更好。

  • 在 Microsoft Store 搜索并安装 Windows Terminal（免费，微软官方）。
  • 打开后把默认配置设为 PowerShell 或你喜欢的 shell 即可。

4. 可选：装 WSL（更推荐但非必需）

如果你的电脑开不了代理功能、或想获得最接近 Linux 的体验，可以装 Windows Subsystem for Linux（WSL）。opencode 官方在 Windows 上最推荐用 WSL。

管理员 PowerShell 里执行：

wsl --install

重启后按提示装一个 Ubuntu，之后在 Ubuntu 里照常装 Node.js、Git，跑代理即可。嫌麻烦可以跳过，本系列其余内容在原生 Windows（PowerShell）下同样能完成。

小结

  • Node.js + npm：代理运行基础。
  • Git for Windows：提供 Bash 终端与版本管理。
  • Windows Terminal：让终端更好用（可选）。
  • WSL：Linux 体验更佳（可选，非必需）。

地基打好了，下一篇开始装第一个代理：opencode。

[Windows 从零搭建 AI 编程代理]

主流编程智能体工具横向对比：Claude Code、Codex、OpenCode、CodeWhale、GitHub Copilot

发表评论

最近编程智能体（Coding Agent）工具更新非常快，不同产品在“自主程度、代码理解深度、集成能力、生态开放性、价格和上手门槛”上差异很大。本文把几个常见工具放在一起做一个实用导向的对比，帮助你按场景选型。

一图速览：核心差异横向对比

说明：以下结论基于当前公开信息与实际使用体验，产品能力迭代很快，建议你最终按自己项目做一轮小规模实测。

工具 主要形态 主要接入模型（默认/主力） 模型开放性（是否可接入其他模型） 自主执行能力 长上下文与大项目理解 生态集成 上手门槛 更适合谁
Claude Code 命令行 Agent Claude 系列（Anthropic） 中：主打 Claude 体验，第三方模型可配能力相对有限 高（可多步执行、自动迭代） 强（复杂代码库推理较稳） 中（CLI 为主） 中 资深开发者、重度终端用户
Codex（OpenAI） 云端/CLI/IDE 辅助 OpenAI 模型（GPT/Codex 系） 中：以 OpenAI 体系为核心，外部模型接入灵活性一般 高（任务分解与执行积极） 强（跨文件与任务链表现好） 高（OpenAI 生态与 API 完整） 中 全栈与平台工程团队
OpenCode 开源本地/CLI 方案 可按配置接入多模型（如 OpenAI/Anthropic/DeepSeek 等） 高：强调模型可替换、可自托管与可编排 中高（可编排流程） 中（依赖模型与配置） 中高（可定制） 中高 喜欢自托管与可控性的开发者
CodeWhale（DeepSeek-TUI） 终端交互式 Agent 以 DeepSeek 系列为主 中：主流用法偏 DeepSeek 生态，扩展能力取决于实现版本 中高（终端内效率高） 中高（中文语境表现好） 中（偏 TUI 工作流） 中 中文开发场景、终端党
GitHub Copilot IDE 插件 + Chat + Agent 默认主力为 GitHub 提供的模型池（含 OpenAI/Anthropic 等） 中高：可在支持范围内切换模型，但不是完全自由接入任意模型 中高（从补全到任务级） 中高（仓库上下文整合成熟） 很高（GitHub/Actions/PR） 低 大多数团队的默认选择
Cursor AI 原生 IDE 支持多模型（常见如 OpenAI/Anthropic/Gemini 等） 高：模型选择与切换相对灵活 高（Agent 模式成熟） 强（多文件修改体验好） 中高（插件与 MCP 生态增长快） 低中 追求“开箱即用 AI IDE”的个人与小团队
Windsurf（原 Codeium） AI IDE/插件 以自家能力 + 第三方模型组合为主 中高：提供一定模型选择，但开放边界受产品策略限制 中高（强调流式协作） 中高 中高 低中 希望低成本尝试 AI IDE 的用户
Aider 终端 Git 驱动助手 可连接多家 LLM（按 API 配置） 高：模型后端可替换，适合自定义工作流 中（以补丁改动为主） 中高（对仓库改动可控） 中（与 git/workflow 绑定紧） 中 重视可审计改动、偏 CLI 的开发者

各工具特点与擅长场景

Claude Code

特性

  • 以终端为中心，强调“给目标 -> 自动执行 -> 反馈结果”的 Agent 流程；
  • 在复杂任务中会主动做拆解、验证、回滚式修正；
  • 对大型仓库的语义理解和推理链稳定性较好；
  • 模型生态相对聚焦在 Claude 体系，优势是体验一致，代价是模型侧开放度一般。

擅长的事情

  • 大规模重构、跨模块改动；
  • 需要连续多步执行的工程任务（改代码、跑测试、修复再验证）；
  • 适合已深度使用 terminal + git 的工程师。

Codex（OpenAI）

特性

  • 强项在任务规划与执行连续性，尤其是多步骤编码任务；
  • 与 OpenAI 模型和 API 生态联动紧密；
  • 在“解释代码 + 生成实现 + 修复问题”三段式流程表现稳定；
  • 模型生态以 OpenAI 官方体系为核心，开放性更偏“平台内能力完整”。

擅长的事情

  • 业务功能快速原型；
  • 跨语言项目协作；
  • 需要结合 API/自动化平台的团队型工作流。

OpenCode

特性

  • 开源与可定制属性强，可按团队需求编排工作流；
  • 本地化与自托管友好，模型选择更灵活；
  • 可以和现有工具链深度绑定，减少平台锁定；
  • 生态开放性高，通常可接入多家模型与私有推理服务。

擅长的事情

  • 对数据合规、隐私与可控性要求高的团队；
  • 想搭建内部 AI 编程平台的技术团队；
  • 有能力维护 Agent 配置和运行环境的用户。

CodeWhale（DeepSeek-TUI）

特性

  • 终端 TUI 交互自然，适合“边看日志边改代码”的开发节奏；
  • 中文语境下交流和问题理解体验较好；
  • 强调低干扰、轻量化的 CLI 工作方式；
  • 主流使用路径偏 DeepSeek 生态，开放程度取决于具体发行版本和接入实现。

擅长的事情

  • Linux/后端开发与运维混合场景；
  • 需要快速定位问题、生成补丁、立即验证的任务；
  • 已经以 terminal 为主战场的个人开发者。

GitHub Copilot

特性

  • 从“代码补全”发展到“聊天 + 工作区理解 + 任务代理”；
  • 与 GitHub 生态深度融合（仓库、PR、Actions、Issue）；
  • 团队推广成本低，覆盖 VS Code、JetBrains 等主流 IDE；
  • 模型侧提供“平台可选集”，对团队治理友好，但不等于完全开放接入任意模型。

擅长的事情

  • 日常编码提效（补全、解释、单测生成）；
  • 团队协作场景（代码评审、PR 上下文、规范一致性）；
  • 希望快速落地、降低学习成本的组织。

其他值得关注的流行工具

Cursor

  • 代表“AI 原生 IDE”路线，Agent 模式与多文件编辑体验优秀；
  • 模型可选范围相对广，生态开放性在商业 IDE 中较突出；
  • 适合希望把 AI 作为第一工作入口的开发者。

Windsurf（Codeium）

  • 强调低门槛与速度，订阅成本相对友好；
  • 提供一定的多模型能力，但开放边界受产品路线影响；
  • 适合从传统 IDE 迁移到 AI IDE 的过渡人群。

Aider

  • Git 驱动、patch 导向，改动可追踪；
  • 支持按 API 配置接入多个模型提供商，开放性高；
  • 特别适合喜欢“每一步都可审计”的终端开发流程。

关于“生态开放性”的实用判断标准

如果你在意模型选择自由度，建议重点看这三件事：

  • 模型可替换性：是否能无缝切换不同模型供应商；
  • 配置控制权：是否可自定义 API、路由、预算与默认模型策略；
  • 锁定成本：迁移到其他工具时，提示词、工作流和团队习惯是否可复用。

通常来说，开源/CLI 可配置工具的开放性更高；而平台化产品的一体化体验更强，但边界由平台定义。选型时本质是“开放度”与“开箱效率”的权衡。

选型建议（按场景）

  • 个人开发者、追求即开即用：优先看 GitHub Copilot / Cursor；
  • 终端重度用户：优先看 Claude Code / CodeWhale / Aider；
  • 团队规模化协作：优先看 GitHub Copilot / Codex；
  • 注重私有化与可控性：优先看 OpenCode；
  • 中文语境密集沟通：CodeWhale 往往更顺手。

总结

这些工具没有绝对“谁最好”，关键在于你要优化哪一段流程：

  • 你是要更快写出代码？
  • 还是要更稳地完成“需求到上线”的全链路？
  • 或者你更看重合规、私有化与成本控制？

建议方式是：先选 2~3 款做同一任务 A/B 测试（如“实现 + 测试 + 修复”完整闭环），再按实际产出质量、可维护性和团队接受度决定长期方案。