开源雷达 · 2026-10-26：什么时候该多开一个 Agent，有人写成了阈值

每天从 GitHub 本周在涨的项目里挑 5 个，偏向 AI Agent 和开发工具。我读了每个项目的 README、发布记录和最近的提交，没有逐个安装运行；哪条试过，会在条目末尾写明。Star 数等数字取自 GitHub，截至 2026-10-26。

这一期的共同底色是"给自己做运维"：给编码 Agent 装记忆和门禁，给技能包装工位表，给部署面板装补丁，给提示装回归测试。

1. JetBrains/thinkrail ⭐ 1,945 · TypeScript

GitHub：github.com/JetBrains/t...

一句话：JetBrains 的孵化项目，把 pi 编码 Agent 包进一个真 IDE，用 git worktree 隔离任务、用 SPEC.md 当项目真相。

它是什么 ：三件东西的组合------隔离（每个任务切一条 git worktree 分支，Agent 并行干活不碰你的 checkout）、知识（代码旁边挂一张互连的 SPEC.md 规格图）、接口（把 pi 的模型、技能、压缩、成本、会话状态原样接出来）。代码分三环：packages/server 是 Bun 的 HTTP+WS 宿主，每个对话一个进程内 pi 会话；packages/contracts 是带版本号的类型协议；apps/web 是可直接独立发布的 React 19 前端。2026-07-08 建仓；v0.2.0 于 2026-10-18 打过标签（非预发布），之后每夜构建到 v0.3.0-nightly.6。

值得注意的地方：

每个模块旁边一份 SPEC.md，人和 Agent 读同一份。 Agent 通过一组专用的 spec_* 工具读它、搜它、维护它；开发方式本身也要求"改动一旦动了边界、契约或决策，同一次改动里必须更新规格"。这样意图有了一个会话之外的位置，人和 Agent 都能翻回去看；能不能真保住，取决于改动时有没有按这条规矩一起更新。
MCP 授权按"只读与否"三档分流。 服务器来自 pi 的 mcp.json；调用没标只读的接口前，它会在聊天里先问；仓库自己定义的服务器默认关着，等你批准；OAuth 服务器在设置里登录。授权的最小单位是调用，不是一个已经装好的服务器。
授权与成本按会话隔离。 同一工作区能同时跑多个会话，各自选模型、各自显示实时的 token 与成本读数；可以在回合进行中插话、排队后续、委派子代理，共享一份双方都能改的计划，每个完成的步骤能单独提交评审。
有分析上报，但边界写得清楚。 启动、建对话、发消息、接 provider 这几类事件与错误报告是默认上报的，绑一个随机安装 ID；README 声明不含提示、代码、文件、凭据与账号身份，额外使用数据要你在设置里打开，命令行可以用 --no-analytics 关掉。

和同类比：和 Gentle-AI（下面第 3 条）正好是两个层级。Gentle-AI 只配置你已有的 Agent，明说不替你装 Agent、也不接管编辑器；ThinkRail 自己就是宿主，所以能把隔离做成 worktree、把协议做成独立版本化的包。代价是能力上限被 pi 的接口锁住，而对方用 17 个 agent 集成换覆盖面。

最近更新：v0.3.0-nightly.6（2026-10-25）十几条改动几乎全是稳定性：终端录制只在打印标记到达后才持久化、滚动锚点在折叠变化后只按实际测量校正一次、Windows 安装脚本测试先预热 PowerShell。再往前，nightly.4 把 Remote 与 Pull request 常驻顶栏并给出下一步动作、评审详情进顶栏；nightly.3 把 CLI 二进制改成 JSC bytecode 编译，并把文件与 diff 渲染器抽成独立包。

适合谁：手上有多个仓库、又想并行跑几个编码 Agent 的人；愿意接受 0.x 版本、并对"分析上报"敏感（可以关）的人。worktree 只隔离代码目录：浏览器会话、端口和共享服务还是共用的。macOS 只有 Apple Silicon 桌面版，Intel 机器得自己编。

我的看法：⭐⭐。它把"上下文"问题当成文件结构问题解，而不是提示工程问题，这一点我认。但版本太早，日常主力还得等。

核验：读了 README、最近 5 条发布记录与最近 8 次提交；没有安装。

2. AgriciDaniel/claude-seo ⭐ 21,125 · Python

GitHub：github.com/AgriciDanie...

一句话：装在 Claude Code 里的 SEO 审计插件，26 个子技能 + 19 个专职 agent，最多 17 个并行查一个站。

它是什么：把"SEO 顾问会看的东西"拆成技能组：技术 SEO（9 个类别）、内容与 E-E-A-T、Schema 与 AI 搜索、本地/外链/电商；每组下面挂具体命令，共 30 条。跑一次全站审计，最多 17 个 agent 并行铺开，产出 Markdown 报告并可转 PDF。2026-02-07 建仓，release 页最近五个版本，最新 v2.5.0（2026-10-22）。

值得注意的地方：

模型按"要不要判断"分配，账算得明白。 19 个 agent 里 5 个跑 Opus（内容、GEO、话题聚类、SXO、变更监控），其余 14 个跑 Sonnet；README 直说完整审计比单页查询更吃额度，而且任何 agent 的模型都能在 agents/ 里改。
每条结论要带"你怎么知道修好了"。 建议里写明它基于什么、依赖什么、以及验证方式；报告落成 Markdown / PDF / JSON 三种文件留在本机，另外用 SQLite 快照做变更监控（/seo drift baseline|compare|history）。
先判业务类型再查。 先识别 SaaS / 本地 / 电商 / 内容站 / 代理公司，再按类型调整检查项；JS 站点先用无头浏览器渲染再审，单页应用拿到的是渲染后的 DOM，和真人浏览仍有差别。
CVE 检查只读，不主动探测。 v2.5.0 加的服务端栈 CVE 暴露检查按发布说明是从正常响应头（X-Powered-By、PHP session cookie、WordPress 特征）推断技术栈，不 fuzz、不发利用载荷，请求别的路径前先确认你是不是站主。
公开版与私有版分家。 MIT 是公开版；同作者的社群会员另有一个私有版，能早拿到新功能。

和同类比：项目的 FAQ 自己把界限写出来了------Screaming Frog 一类爬虫"crawl 更快更深"，大型 SEO 套件有自己的外链数据库；它换的是解释、按影响排序、把 AI 搜索查得够细、以及能用自然语言追问，并建议两边一起用。能确定的分界是产物的形状：一次性清单 vs 可重复运行的基线（每条建议带验证口径 + SQLite 快照做前后对比）。

最近更新：v2.5.0（2026-10-22）是一次安全与准确性审计后的修版。发布说明把 Python 下限升到 3.11（3.10 已 EOL），新增服务端栈 CVE 暴露检查并附了 PHP 远程执行公告作依据，Claude Desktop 恢复安装。最近三个版本的间隔都不到两周，其中至少两个是跟着平台变化走。

适合谁：SEO 代理公司（想每周给每个客户跑一次，而不是每季度）、有内建 SEO 的 SaaS 与电商团队、接单前想先出一份真分数的自由顾问。要注意它要 Python 3.11+，并且被审页面会随请求发给 Claude 模型------README 的隐私段自己写了这一条。

我的看法：⭐⭐。工程纪律是这篇里少见的：每条建议带验证口径，报告能反复跑。但它的价值高度依赖你是 SEO 从业者；不干这行的话，值得学的是它组织技能与 agent 的方式，不是它的检查项。

核验：读了 README 与最近 5 条发布记录；1,077 个测试与"12 周 10.8K 点击"为项目自报，未复现；没有安装。

3. Gentleman-Programming/gentle-ai ⭐ 8,017 · Go

GitHub：github.com/Gentleman-P...

一句话：给 Claude Code、Codex、Cursor、Gemini CLI 等 17 个编码 Agent 装三样东西------跨会话记忆、按风险决定轻重的流程、把评审证据绑到冻结版本的评审门禁。

它是什么 ：一个 Go 单二进制，姿态是"配置器"：跑一次，选 Agent、组件与人格，它把共享工作流写进每个 Agent 自己的原生配置；每次写配置前做快照备份，安全黑名单拦 ~/.ssh、.env 与凭据文件。它明确不替你装 Agent，也不在没人许可时改 Pi 的提示文件。2026-02-27 建仓，最新 v4.2.0（2026-10-15）。

值得注意的地方：

"什么时候该开子代理"被写成了可以吵的阈值。 四条触发器：探索（理解要超过约 3 次调用或 10k token，或 5 次以上串行查证）、并行写手（两处以上互不依赖、各自约 100+ 行改动）、上下文兜底、独立验证者（涉及数据、安全、共享契约、并发、交付，或没有能抓住回归的测试）。四条都不成立就在父会话里写，文件数、任务大小、模型价差本身不能决定走哪条路。
评审深度由冻结的候选决定，不由模型的自我感觉。 任何读取之前先把待评改动冻结成 lineage + revision + target，风险分级给出深度（被动→结构读回复；中→一个聚焦镜头；高→4R：Risk / Resilience / Readability / Reliability），最多一次有界修正，一次精确确认收尾；提交、推送、发布仍是人的决定。
"下一步是什么"收回给一个二进制。 gentle-ai 从磁盘上的文件读改动状态，只返回四个公开状态之一：Working / Checking / Ready / Needs your decision。作者的理由很硬：一个猜下一步的模型，明天猜得和今天不一样，对你的同事又不一样。
任务大小按"能不能从 diff 恢复"分。 小任务内联完成、不建任务文档；只有"几次会话、外部等待、需求长到活不过上下文压缩"才升级成大任务，大任务的功能文档逐字保存你的规格，每次交接都指向它而不是转述。
自带八件小工具 ：技能库（任务匹配即载入）、可选 Context7 MCP、只读的 CodeGraph 符号图、安全黑名单、写前配置备份、gentle-ai doctor 只读体检、人格与主题、按 Agent 分配模型。

和同类比：它敢把效果写成表格，也把边界写在表格旁边------作者自报的本地基准，隐藏验收套件，每格只跑一次（n=1），成本按 API 等价折算。3 行单函数 bug 从 335 秒 / 56 回合 / 0.339 美元变成 77 秒 / 10 回合 / 0.105 美元；共享逻辑的 bug 从 479 秒 / 0.361 美元变成 276 秒 / 0.207 美元；73 行规格 26 项隐藏检查，转述式交接 13 项失败、两轮返工后仍 23/26，改成"按引用传规格"后通过。同一模型在 Codex CLI 里对照、逐份盲评，作者称每格首轮通过、中/大任务排名更高，但大任务耗时约为对方 3 倍（17.5--17.9 分钟 vs 6.1 分钟），这句被它自己标成"open work"。这些数字我一次都没跑过。

最近更新 ：v4.2.0（2026-10-15）把 Pi 的路由块收进 provider contract 1.4.0，其他 Agent 的路由渲染与上一版字节一致（每运行时 sha256 金标）；改为约 400 行一个可评审切片提交，小任务保持内联。v4.0.0（2026-10-01）是破坏性改版：SDD 退役、ODD 接棒、模块路径迁到 /v4。

适合谁：已经有一套常用编码 Agent、又被"每个会话都从零解释"折磨的团队；想让质量门槛不随模型心情变化的人。要注意它只配置不安装、版本还在快速变动，以及商标声明------MIT 覆盖代码，不覆盖"暗示官方背书"的权利。

我的看法：⭐⭐⭐。这五篇里我读得最细的一份：它把"什么时候该多开一个会话"和"评审要看哪一层"这两件模糊事，落成了阈值、状态机和冻结对象。

核验：读了 README 与最近 5 条发布记录；基准表为项目自报，没有复现；没有安装。

4. coollabsio/coolify ⭐ 64,540 · PHP

GitHub：github.com/coollabsio/...

一句话：自托管的 PaaS，只要有 SSH 就能纳管服务器，部署应用、数据库和 360+ 个一键服务，带回滚、备份、补丁与 MCP 入口。

它是什么：2021-01-25 建仓的 Laravel 项目。部署来源覆盖 GitHub / GitLab / Bitbucket / Gitea，构建方式有 Nixpacks、Railpack、Dockerfile、Docker Compose 与预构建镜像；管的是"服务器 + 资源"，多服务器、容器网络、反向代理、健康检查、证书都在面板里。最新 v4.5.0（2026-10-23）。商业模式是自托管免费 + Cloud 收费，README 在募捐段写"no feature behind the paywall"。

值得注意的地方：

回滚分两层，第二层更实用。 一层是保留的应用镜像回滚；v4.5.0 新增的是"回到 Docker registry 里近期部署过的镜像"------对"镜像由 CI 推、环境变量只在面板改"的场景更贴近真实事故。
补丁被当成运维一等公民。 同版本的 server patching（beta）按服务器自动装安全更新、提示重启与有风险的软件包、在服务器列表里显示补丁状态。
升级前先备份自己。 v4.5.0 加了"更新前自动备份 Coolify 数据库"。这条不起眼，却决定你敢不敢跟着发版。
给 Agent 留了门。 v4.5.0 加 MCP 工具来管理资源，同一版还有文件浏览器、passkey 登录、以及从新 Git 项目里自动识别 build pack / Dockerfile / 环境变量的 Smart scan。
可观测做到"车队"层。 fleet Metrics 页有服务器与容器两张表、趋势图、一键开启；服务器页有磁盘/网络/负载曲线；日志支持 AWS CloudWatch 外送。

和同类比：同类里的 Dokploy，两边的 README 我都读了，能对上的差异是具体的：Coolify 主打 360+ 一键服务目录、四种接入入口（面板、API、CLI、MCP）、按服务器管补丁；Dokploy 把"多节点（Docker Swarm）扩展"和"日志/指标外送到 Loki、Prometheus、Datadog、New Relic 等十余个后端"列成一等功能。两边都是自托管免费 + 付费 Cloud、都用 Traefik、都支持 Compose。剩下的是配置与恢复的成本------多节点怎么接、补丁窗口怎么排、出事时从哪个备份回，这些得在自己的机器上量。

最近更新 ：v4.5.0（2026-10-23）列了 30 多条：Gitea App 源、服务器补丁、fleet Metrics、Canvas 看板、文件浏览器、passkey、维护模式与自定义错误页、Cloudflare 隧道、更新前自动备份、GitLab system hook 部署、MCP 资源管理、缓存清理、容器终端 docker attach。同月 21 日还连发了 v4.4.7 / v4.3.24 / v4.2.1 / v4.1.3 四个补丁版------发版很密，跟版要有准备。

适合谁：手上有一到几台 VPS、又不想被 Vercel 账单或平台锁定的人；给小团队做内部部署的中控。要注意：面板自己也是单点，且自托管意味着补丁与备份的责任在你身上（它只是把工具递给你）。

我的看法：⭐⭐⭐。功能密度和维护活跃度都够；真正的门槛不是装，而是你有没有运维纪律去用它的回滚和补丁。

核验：读了 README 与最近 5 条发布记录，另读了 Dokploy 的 README 做对照；没有部署服务器。

5. promptfoo/promptfoo ⭐ 26,428 · TypeScript

GitHub：github.com/promptfoo/p...

一句话：把提示、Agent 与 RAG 当代码来测：声明式配置写用例，跑评测、做红队扫描、横比多家模型、进 CI。

它是什么 ：TypeScript 写的 CLI + 库，2023-04-28 建仓。用 YAML 写测试集与断言，promptfoo eval 跑、promptfoo view 看矩阵结果；能力面四块------评测、红队与漏洞扫描（能生成漏洞报告）、模型横比（OpenAI、Anthropic、Azure、Bedrock、Ollama 等）、以及把检查放进 CI/CD 与 PR code scanning。最新 0.125.1（2026-10-25）。

值得注意的地方：

治理变了，许可没变。 README 顶部写着已并入 OpenAI，"remains open source and MIT licensed"；仓库根目录的 LICENSE 是标准 MIT 正文。
测的是断言，不是感觉。 0.125.0 加了 rouge-l / rouge-s 两个摘要型断言，以及 equals / contains 的可选 Unicode 归一化------对中文与多语言文本比对，比精确匹配实用得多。
把"重复跑一不一样"当指标。 同一版新增"跨重复测试报告稳定性"，并在评测摘要里标出哪些行命中了缓存。不标缓存，你看到的提速可能只是缓存。
安全侧有自己的开关。 同版加了 safe mode 可关掉内联 JavaScript 执行，另把 Claude Agent 与 Codex 的 SDK 改成 opt-in（破坏性变更）------默认不帮你连这些运行时。
横比是一等能力。 同一批用例跑多家 provider，矩阵视图直接比；"换模型会不会掉质量"这种问题，比读榜单可查。

和同类比：和上面的 gentle-ai 是"证据链"的两端------后者管一次改动在流程里的位置，promptfoo 管一批输入在多个模型上的得分。回归测试的用处在于随改动反复跑：改一次提示，同一批用例要能立刻重跑、结果可比。它把用例、断言、缓存、稳定性做成可反复执行的资产，这是它值钱的地方。

顺便把一句容易读错的话说准：README 说评测"100% 本地跑、prompt 不离开你的机器"。我读到的是执行与结果留在本机；被评测的每条用例，请求仍然要发给你选定的模型接口。

最近更新 ：0.125.0（2026-10-23）两条破坏性变更（jks-js 改为可选 peer 依赖、Claude Agent 与 Codex SDK 改 opt-in），加上 safe mode、cache-hit 披露、跨重复稳定性、rouge-l/rouge-s、按 trace span 属性过滤、Unicode 归一化；0.125.1（2026-10-25）为小修。0.124.0（2026-10-06）是一次大功能版。

适合谁：提示、Agent、RAG 已经上线、需要"改了就敢发"的团队；要接多家模型做选型的团队。要注意 node 环境、0.x 版本号（破坏性变更直接进 minor），以及评测用例本身要维护：它得跟着改动一起跑，否则下一次改动没有基线可比。

我的看法：⭐⭐⭐。这类工具的价值不在功能多，而在"同一批用例能不能反复跑出可比的数"；它把这件事做成了默认。

核验：读了 README 与最近 5 条发布记录；没有安装，也没有跑评测。

速览

项目	定位	最独特的一点	适合谁	值得深入
thinkrail	把编码 Agent 包进 IDE	规格图当真相 + worktree 按任务隔离	多仓库并行跑 Agent 的人	⭐⭐
claude-seo	SEO 审计技能包	26 技能 + 19 agent，各自指定模型档	SEO 代理与电商团队	⭐⭐
gentle-ai	Agent 的记忆/流程/评审外壳	分派写成阈值，下一步由二进制裁决	有固定编码 Agent 的团队	⭐⭐⭐
coolify	自托管 PaaS	补丁、自备份、registry 回滚都在面板里	有 VPS 的小团队	⭐⭐⭐
promptfoo	评测与红队	用例/断言/缓存/稳定性可反复执行	已上线 LLM 应用的团队	⭐⭐⭐

本期观察

"要不要多开会话"从手感变成了可以争的阈值。 gentle-ai 给的是阈值（约 3 次调用、10k token、100+ 行、四条触发器），thinkrail 给的是另一条路------给每个任务切一条独立工作树，代理照样可以并行，只是改动不互相踩。两边都在承认同一件事：并行不是免费的，理由得能说出来。
技能包开始有工位表，而不只是流程说明。 claude-seo 的 19 个 agent 各有角色、模型档与触发命令，跑一次审计最多 17 个并行。这带来一个副作用：技能包的维护成本从"写"转到"跟"------它最近五个版本里至少两个是跟平台变化（Python EOL、搜索算法更新、安全公告）。
基础设施产品开始给 Agent 留接口。 Coolify 一个版本里同时给了 MCP 资源管理、按服务器补丁、更新前自备份和 registry 回滚。MCP 让它多了一个给机器调的入口，补丁、自备份和 registry 回滚补的正好是手搓部署脚本最容易漏的那几件。
做完的产品被大厂收走，许可文件还留在原处。 promptfoo 并入 OpenAI 后，仓库根目录的 LICENSE 仍是标准 MIT 正文，发版节奏也没停。把它当门禁的团队，能查的就是这份许可与之后的发布记录。

作者：Renchao Wu ｜原文：开源雷达 · 2026-10-26：什么时候该多开一个 Agent，有人写成了阈值