🐇 Rabbit Agent：基于python几千行代码打造的轻量级本地 AI 编程助手
不依赖 VS Code、不绑定 IDE ------ 一款跑在终端里的开源 AI 编码助手。
为什么又造一个 Agent？
过去一年，AI 编程助手赛道已经非常拥挤：GitHub Copilot、Cursor、Claude Code、通义灵码......每一款都有各自的拥趸。
但它们大多有三个共性问题：
- 绑定特定 IDE：你只能在 VS Code 或 JetBrains 里用，终端党被遗忘；
- 闭源 / 付费墙：想用好功能？先订阅；
- 体量巨大：Electron 套壳、插件层层嵌套，启动慢、吃内存。
Rabbit Agent 就是冲着这三个痛点来的。
它是一个纯 Python 实现、仅几千行代码、跑在终端里的本地 AI Agent，支持 CLI 和 TUI 两种交互模式，兼容 DeepSeek / OpenAI / Anthropic / Ollama 等主流 LLM，开箱即用，完全开源（MIT）。
核心亮点
🧩 26+ 内置工具，覆盖日常开发全流程
Rabbit Agent 不是"聊天机器人"，它是真正能动手干活的 Agent：
| 类别 | 工具 | 说明 |
|---|---|---|
| 文件 | read_file write_file edit_file batch_edit |
读、写、精确替换、批量编辑 |
| 搜索 | search_files find_files list_directory |
grep、glob 查找、目录浏览 |
| 终端 | terminal |
执行任意命令，支持超时控制 |
| Git | git_status git_diff git_commit git_push git_pull git_branch |
完整 Git 工作流 |
| 网络 | web_fetch web_search |
抓取网页、搜索信息 |
| 协作 | delegate_task |
向子 Agent 委派任务 |
而且工具注册机制是可扩展的------你可以轻松添加自己的工具。
🧠 跨会话记忆系统
Rabbit Agent 会记住你的偏好、项目约定、常用命令。下次开新会话，它依然记得你说过"缩进用 2 空格""测试框架用 pytest"。记忆按 user / project / preference / knowledge 分类存储，支持 CRUD。
🎨 双模式交互：TUI + CLI
bash
# 沉浸式 TUI 界面（推荐）
python main.py --tui
# 极简 CLI 模式
python main.py
# 单次问答（适合脚本/CI）
python main.py -c "帮我修一下 config.py 里的 bug"TUI 模式基于 prompt_toolkit，提供：
- 多行输入、语法高亮
- 实时流式输出，逐 token 展示思考过程
- 工具调用状态可视化（🔄 迭代轮次 / 💭 思考 / 🏷 工具 / ✓ 完成）
- Token 用量实时统计
CLI 模式基于 Rich，输出美观、支持 Markdown 渲染。
🔌 灵活的 LLM 后端
| Provider | 示例模型 | 适用场景 |
|---|---|---|
deepseek |
deepseek-v4-pro, deepseek-v4-flash | 性价比之选，中文友好 |
openai |
gpt-5.5, gpt-5.4 | 最强综合能力 |
anthropic |
claude-4.6, claude-4.8 | 代码生成质量高 |
ollama |
gemma4, qwen3, llama3 | 完全本地、零成本 |
一键切换：python main.py --tui --provider ollama --model qwen3:4b
📦 技能 / 插件系统
Rabbit Agent 支持加载可复用的技能包（Skill），每个技能是一组预设的提示词 + 工具组合，例如：
self-improving-agent：自我进化，从错误中学习super-dev-skills：超级开发者套件（架构、TDD、安全、UX 等）
你可以像安装 npm 包一样扩展 Agent 的能力。
项目架构：极简但不简陋
LiteAgent/
├── main.py # 入口，70 行
├── config.py # 配置层（YAML + 环境变量）
├── cli.py # CLI 模式（Rich）
├── tui.py # TUI 模式（prompt_toolkit）
├── agent/
│ ├── core.py # Agent 主循环 & 系统提示词
│ └── llm.py # LLM 抽象层（适配多 Provider）
├── tools/ # 工具注册 & 实现
├── memory/ # 跨会话记忆存储
├── plugins/ # 插件管理器
├── context/ # 项目上下文感知
└── skills/ # 技能包目录架构设计非常清晰：Agent 核心 → 工具层 → LLM 抽象层 → 配置层 → UI 层，每一层职责单一，便于理解和扩展。
五分钟上手指南
bash
# 1. 克隆 & 安装
git clone https://github.com/your-org/LiteAgent.git
cd LiteAgent
pip install -r requirements.txt
# 2. 配置 API Key
export LITE_AGENT_PROVIDER=deepseek
export LITE_AGENT_API_KEY=sk-your-key-here
# 3. 启动！
python main.py --tui
# 4. 试试看
rabbit> 帮我分析这个项目的代码结构，生成一份架构文档适用人群
| 角色 | 典型场景 |
|---|---|
| 后端/全栈开发者 | 代码审查、重构、写测试、调试 |
| DevOps / SRE | 脚本编写、配置管理、日志分析 |
| 数据工程师 | 数据处理脚本、SQL 优化 |
| 开源贡献者 | 快速理解陌生项目、生成贡献指南 |
| 学生 / 学习者 | 边问边学、代码解释、项目实战 |
结语
Rabbit Agent 不是一个"大而全"的商业产品，而是一个小而美的开源工具。它证明了：用几千行 Python 代码，完全可以打造一个实用的 AI助手。
如果你也厌倦了被 IDE 绑定、被订阅费用困扰，不妨试试这只兔子 🐇。
欢迎 Star、PR、提 Issue，一起打磨更好用的本地 AI Agent！
GitHub: https://github.com/WangJunqing-coder/rabbit-agent
License: MIT
作者: WangJunqing-coder