AI辅助编码系列包括：

• Vibe Coding、AI IDE/插件
• Claude Code实战
• AI IDE/插件（二）:Zed、SpecKit、OpenCode、Roo Code、Plandex、Flyde、iFlow CLI
• AI IDE/插件（三）：OpenHands、TaskMaster、DeepCode、cc-switch、ZCF、KimiCLI、CodeBuff、Neovate、CatPaw、CodeFlicker
• Claude Code生态：CCR、SuperClaude、opcode、CCUsage
• Claude Code生态（二）：Everything CC、Claude-Mem、Ruflo、Auto-Claude、CC StatusLine、CodePilot
• AI Coding Agent：Aider、vibe-kanban、Trellis、MonkeyCode、Synkra AIOS、Letta Code、Mux、OpenDevTeam
• 蚂蚁百灵研发助手CodeFuse介绍
• AI Coding Agent：OMO、Goose、Ralph Wiggum、x-cmd、HolyClaude、Halo

oh-my-codex

官网，开源（GitHub，28.1K Star，2.3K Fork）AI Coding辅助工具，支持15种语言。

并不是替代Codex，而是给它加上一层更好的"工作流"：

• 任务边界模糊？先用$deep-interview把需求聊清楚
• 方案太多不知道选哪个？用$ralplan批准一个再动手
• 大项目需要并行处理？用$team多线程同时搞
• 想要持续推进直到完成？用$ralph自动循环

功能特性：

• 角色提示词：33个专用提示词，通过/prompts:名称调用，覆盖实现、审查、领域和协调等维度的定向专家能力
• 工作流技能：37个工作流技能和命令界面，通过$名称语法调用，支持自动驾驶、团队编排、规划、恢复和质量保证周期
• 团队编排：隔离式并行执行，自动使用git worktrees，工作进程默认获得专用worktree，零合并冲突、自动提交集成、增量合并追踪
• MCP服务器：状态、记忆、代码智能和追踪服务器等5个，提供持久上下文和跨会话学习能力
• 分阶段管道：plan→prd→exec→verify→fix生命周期，用于结构化、基于证据的开发工作流
• 启动配置：--yolo、--high、--xhigh、--madmax模式，对推理强度和执行力度进行精细控制

内置技能清单

命令	技能名	描述
autopilot	autopilot	从创意到可运行代码的全自主执行
ralph	ralph	带验证器校验的自循环，直至完成
ulw	ultrawork	通过并行智能体编排实现最大并行度
team	team	N个协调智能体使用CodexCLI原生团队模式
plan	plan	带共识与审查模式的战略规划
research	research	并行科学家智能体进行全面研究
cancel	cancel	停止执行模式并清除活跃状态
tdd	tdd	测试优先开发，遵循红-绿-重构循环
build-fix	build-fix	修复构建错误、类型错误及工具链故障
code-review	code-review	跨所有质量维度的全面代码审查
security-review	security-review	聚焦漏洞与信任边界的安全审计

适用场景

• 复杂需求的前期澄清和方案制定
• 大型项目的并行开发协作
• 需要持续跟踪的多阶段任务
• 团队协作的协调管理

实战

基于npm安装：

npm install -g @openai/codex oh-my-codex
omx setup
omx --madmax --high

oh-my-pi

官网，开源（GitHub，16.9K Star，1.5K Fork）AI Coding Agent，用7500行的Rust N-API重写底层，还引入大量学术级的机制（如TTSR穿梭机和Hashline锚点）。

技术特性：

• 让模型读取文件时，会为文件的每一行附加一个极简的内容哈希短锚点。当模型输出编辑指令时，不再需要复读大段的上下文代码，只需指定“从锚点A到锚点B进行替换”。意味着完全免疫缩进错误、彻底消除匹配歧义。不再复读代码，模型输出Token数量骤降（据测算Grok 4 Fast的输出Token减少61%）。
• 文本搜索：直接内嵌Ripgrep的grep-regex和grep-matcher核心代码。参考命令行搜索利器：fzf、ripgrep、fd
• 内嵌Shell：集成brush-shell获得原生PTY（伪终端）以及超高速的流式输出拦截能力。
• 跨平台进程树：使用Linux的/proc，macOS的libproc，Windows的原生API实现毫秒级进程管控与幽灵进程斩杀。
• TTSR 时空穿梭机制 (Time Traveling Streamed Rules)：长系统提示词是吞噬上下文Tokens的元凶。提供一种“按需注入”的魔法：在模型流式输出时挂载正则表达式监控器，一旦模型“即将”使用某个被废弃的API或破坏特定设计模式，系统立即熔断输出，在时间线上回滚，并将对应的规则当面“拍”在模型的记忆里让它重新作答。未被触发的规则，永远不占Tokens。
• Subagents：并发任务子系统，不再是单一Agent线性工作。内置Explore、Plan、Designer等特化Agent。主控制台可将子任务派发给它们并行执行，甚至可通过隔离机制（isolated: true），让子任务跑在Git Worktree创建的临时分支或沙盒文件系统中。这种机制使得大规模的代码库重构变得安全可控。
• IDE级感知：LSP集成支持40多种语言，让模型像在使用VS Code一样查询类型定义、寻找引用（References）、获取错误诊断。
• 持久化交互：自带IPython Jupyter交互式内核工具，支持代码的状态保留执行，内置海量Prelude Helper（如搜索、精准行替换等），可直接在终端渲染出Markdown和图表输出结果。
• Puppeteer浏览器组件：模型查最新文档被Cloudflare拦截？内置14款独立Stealth反侦察脚本的无头浏览器。从抹除WebGL指纹到篡改音频上下文，它能悄无声息地绕过市面上绝大部分的Bot检测盾，获取最新最准的技术文档。

实战

通过命令行，支持多种安装方式：

curl -fsSL https://omp.sh/install | sh
brew install can1357/tap/omp
bun install -g @oh-my-pi/pi-coding-agent
irm https://omp.sh/install.ps1 | iex
mise use -g github:can1357/oh-my-pi
curl -fsSL https://raw.githubusercontent.com/can1357/oh-my-pi/main/scripts/install.sh | sh

jcode

官网，基于Rust的开源（GitHub，8.2K Star，930 Fork）终端TUI形态的Coding Agent，竞品如：Claude Code、Cursor Agent。

区别：

1. 全部用Rust写，自研TUI渲染引擎
2. 单进程Server架构，多客户端通过Unix socket连接
3. 自带本地Embedding推理（all-MiniLM-L6-v2），不依赖外部向量数据库
4. 支持30+模型供应商，包括OAuth登录商业模型和本地模型

内存基准测试

指标	jcode	Claude Code	差距
1 会话内存	27.8 MB	386.6 MB	13.9x
10 会话内存	117 MB	2300.6 MB	19.7x
首帧时间	14 ms	3436 ms	245x
首次输入	48.7 ms	3512 ms	72x
每增一个会话	~9.9 MB	~212.7 MB	21.5x

极致性能调优：

• 自研TUI：没有用Ink（JS）或Bubble Tea（Go）这类框架，直接用ratatui+crossterm做终端渲染，自研Mermaid渲染库mermaid-rs-renderer，号称比JS版快1800倍）
• 内存分配器调优：默认使用jemalloc，配置dirty_decay_ms:1000和muzzy_decay_ms:1000，空闲一秒就归还页面给操作系统；还限制arena数量到4个

语义记忆系统：图结构+异步检索，三层结构：

• Tags：用户显式打标签，或系统从上下文推断
• Clusters：用HDBSCAN聚类算法自动发现记忆簇
• Links：记忆之间的语义关系（RelatesTo、Supersedes、Contradicts）

检索流程：当前对话嵌入成向量→相似度搜索命中初始节点→BFS遍历图（深度2）→模型（GPT-5.3 Codex Spark）验证相关性→注入下一轮对话。

关键设计：记忆检索是完全异步、非阻塞的。当前轮N发出检索请求，轮N+1才拿到结果，主Agent永远不会因为等记忆而卡住。这在工程上意味着什么？意味着记忆系统可以跑得很重（embedding+BFS+sidecar验证），但用户感知到的延迟是零。

记忆衰减：不同类型的记忆有不同半衰期——Correction 365天、Preference 90天、Fact 30天、Inferred 7天。每次被命中会增强，被拒绝会衰减。

存储在~/.jcode/memory/下，全是JSON文件，支持jcode memory命令行管理。

Swarm模式，允许多个Agent在同一个仓库里并行工作。架构上分为三层角色：

• Coordinator：创建计划、分配任务、管理生命周期
• Worktree Manager：管理git worktree内的协调和集成
• Worker：执行具体任务

Agent之间通过DM、广播和频道通信：当某个Agent编辑其他Agent正在读的文件，服务端会自动通知其他Agent。

Agent本身可自主生成Swarm。通过 swarm 工具，一个 Agent 可以 spawn 自己的队友，自己变成协调者，实现多智能体编排。

Self-Dev：Agent改自己的代码。进入此模式后，Agent会修改jcode源码，编辑、编译、测试、reload二进制，继续工作。

支持LLM供应商：Claude、OpenAI、Gemini、GitHub Copilot、Azure、Alibaba Cloud Coding Plan、Fireworks、MiniMax，以及OpenRouter、vLLM、Ollama、LM Studio等兼容端。

OAuth登录流程比较成熟，支持--headless模式用于SSH/无头环境，也支持两步式脚本化认证流程（打印URL→稍后完成回调）。

内置多账号切换，使用/account命令。

缓存感知：Anthropic Claude提示词缓存5分钟过期。UI会主动提醒缓存已过期，还会检测意外的缓存命中失败。

Session Resume：可从CC、Codex CLI、OpenCode、pi的会话直接恢复。切到jcode继续干。

Skill系统：Skills不在启动时全部加载，而是对对话做Embedding，语义匹配时才注入——和记忆系统同一套机制。

浏览器自动化：内置Firefox Agent Bridge，提供status、click、type、screenshot、eval等16个工具动作。

Ambient Mode（设计阶段）：一个持续运行的后台Agent，会整理记忆图、发现有用的工作、主动执行。类似"睡眠时的记忆巩固"。

工程量与风险：30万行Rust，13个workspace crate，近两个月1846次提交。

实战

支持macOS、Linux、Windows，有多种安装方式：

• 官网下载安装包
• 命令行

curl -fsSL https://jcode.sh/install | bash
curl -fsSL https://raw.githubusercontent.com/1jehuang/jcode/master/scripts/install.sh | bash jcode

首次运行会引导配置模型供应商，并且会自动检测用户根目录Claude、OpenAI等凭据。

想基于源码部署或二次修改，官方也提供良好的基础设施：构建队列、canary构建、reload恢复、后台任务持久化。cargo build --release大约需要1分钟（增量debug构建更短），目标是优化到5-20秒。

Codebuff

官网，开源（GitHub，7.2K Star，879 Fork）终端多代理协作AI编程助手，通过自然语言指令在终端中直接编辑代码库，官方文档。

多智能体架构

• File Picker：文件探索智能体，扫描代码库，理解项目架构，找到相关文件。理解项目结构，哪些文件是路由文件，哪些是控制器，哪些是配置文件。
• Planner：规划智能体，根据文件探索的结果，规划哪些文件需要修改，按什么顺序修改。它会考虑依赖关系，确保修改不会破坏现有功能。
• Editor：编辑智能体，根据规划进行精确的代码修改。它不仅会添加新代码，还会确保代码风格与现有代码一致。
• Reviewer：审查智能体，验证变更是否正确，运行测试确保没有引入新问题。

通过OpenRouter接入任意模型，避免Vendor Lock（供应商锁定）

实战

通过npm安装：npm install -g codebuff

质量与性能选项：

• --lite- 使用经济型模型，获取更少文件（更快，成本更低）
• --max- 使用更高质量的模型，获取更多文件（更彻底，更慢）

模式选项：

• --ask- 询问模式，不会修改代码（适合探索）
• --print, -p- 仅打印模式，运行一次并退出（适合脚本/CI）

智能体控制：

• --agent <id>- 运行特定智能体（例如--agent file-picker）
• --spawn <id>- 直接派生智能体（例如--spawn reviewer）
• --params <json>- 向智能体传递 JSON 参数

调试选项：

• --trace- 将所有子智能体活动记录到.agents/traces/*.log
• --cwd <dir>- 在特定目录而非当前目录运行

项目设置：

• --init- 为你的项目初始化 Codebuff
• --create <template>- 从模板创建新项目

执行命令：codebuff init-agents
生成如下目录和文件，包含一个完整的智能体开发指南：

.agents/
├── README.md			# 完整智能体指南
├── my-custom-agent.ts	# 可编辑的工作智能体模板
├── package.json		# NPM包配置
├── examples/			# 3个示例智能体（基础→高级）
└── types/				# 完整TypeScript定义

abtop

基于Rust开源（GitHub，3.3K Star，298 Fork）AI Coding辅助工具，一个窗口查看各个Agent会话状态：Token用量、上下文窗口占比、Rate Limit、当前任务、Git状态、子进程和开放端口等信息。

主要读取本地文件、本地进程和open-file元数据，不需要API Key，也不需要登录认证。UI里会展示工具名和文件路径，但不会展示文件内容和提示词文本。

在tmux里跑abtop，选中某个会话按Enter，就能直接跳到对应pane。

实战

提供多种安装方式：

• 基于cargo安装：cargo install abtop
• 基于命令行安装

curl --proto '=https' --tlsv1.2 -LsSf https://github.com/graykode/abtop/releases/latest/download/abtop-installer.sh | sh
# Windows系统
powershell -c "irm https://github.com/graykode/abtop/releases/latest/download/abtop-installer.ps1 | iex"

注意，在Windows和Linux系统下，针对OpenCode会话，需依赖sqlite3库，安装：

winget install SQLite.SQLite

命令行使用：

# 启动TUI
abtop
# 打印快照信息后退出
abtop --once
# 以JSON格式打印快照信息后退出
abtop --json
# 启动时安装速率限制收集hook
abtop --setup
# 以指定主题启动TUI
abtop --theme dracula
# 启动时允许鼠标导航，速度会慢一些
abtop --mouse

~/.config/abtop/config.toml配置文件：

theme = "btop"
hidden_agents = ["codex"]
# 额外支持自定义配置目录
claude_config_dirs = ["~/.claude-personal", "~/.claude-work-team"]
# 允许置空，将从环境变量自动检测语言
language = "zh"