localagent

我尝试过的每一个"本地"AI 编程工具，都停留在运行一个大模型这一步——比如 Ollama、LM Studio——并没有在此之上构建真正的智能体循环。而我尝试过的每一个完整的智能体，都会把我的代码发送到别人的云端，无论我是否愿意。我想要的是两者兼得：一个能读取、能行动、能检查自身工作的真正智能体，并且可以完全在我自己的机器上运行。

你在解决什么问题？是信任。不是"这个模型好不好"，而是"我是否真的知道它即将对我的文件做什么"。大多数工具要么让你盲目地批准一切，要么根本不询问。我想要的是一个清晰、可读的权限引擎——四种模式、一个命令风险分类器——而不是让大模型去猜测什么才安全；再加上在任何写入操作发生之前的真实彩色 diff，以及一个即便任务创建了新文件我也能够回滚的检查点。

这个方案是如何演进过来的？权限引擎和 diff 审查最先做出来，当时感觉够用了——直到我真正在一个实际项目上自我试用，眼睁睁地看着一个较小的本地模型用自然语言描述了一个文件变更，却根本没调用编辑工具。这促使我加入了一个纠错提示：当模型声称自己编辑了某处但实际并没有时进行纠正；并最终加入了一个自动验证步骤：在成功编辑之后，localagent 会自动运行项目自带的测试命令，并把真实的结果反馈回去，然后才允许模型宣称任务完成。小型本地模型在处理复杂变更时确实更不可靠——我宁愿在界面上直说这一点，也不想让人自己去踩坑发现。

目前仍处于早期阶段——现在是 beta 版、未签名的构建——因此非常欢迎反馈，特别是关于权限模型下一步该如何演进。