Tern

Hi Product Hunt，

我很高兴向大家分享 Tern，一个面向 Coding Agents 和 Language Models 的开源互操作框架。

AI 编程生态正在以极快的速度发展。新的 Agent 不断出现，模型能力快速变化，本地推理变得越来越实用，而不同团队的部署需求也千差万别。

这带来了一个问题：一旦你的工作流与某个 Agent 或某个模型提供商深度绑定，切换成本就会变得很高。

Tern 正是我们为解决这个问题所做的尝试。

Tern 不是直接围绕某一个 Coding Agent 或 LLM 提供商来构建，而是提供一个用于运行 Agent 和路由模型调用的通用层。目前，它支持 Claude Code 和 Codex 作为 Coding Agents，并支持 OpenAI、Anthropic、Google 和 Ollama 作为 LLM 后端。

该项目包括：

用于运行 Coding Agent 会话的服务器

CLI 客户端 ternctl

Go 客户端库

Claude Code 和 Codex 适配器

面向 OpenAI、Anthropic、Google 和 Ollama 的 LLM 后端

安全密钥保险库支持

围绕 CAWA 和 LLMGP 的早期协议工作

我们的长期愿景是实现上下文可移植性：开发者应该能够在不同 Agent、模型和部署环境之间切换，而无需放弃现有工作流或从零开始。

Tern 仍处于早期阶段，我们希望获得来自开发者、AI 工具构建者，以及在真实项目中尝试 Coding Agents 的团队的反馈。

我很想听听大家的看法：

接下来我们应该支持哪些 Coding Agents 或 LLM 后端？

什么会让 Agent/模型切换在你的工作流中真正有用？

上下文可移植性在实践中应该如何运作？

感谢大家了解这个项目。