Keep on to blur preview images; turn off to show them clearly
Pull requests and GitHub/JIRA issues are human process markers that happen to relate to code. Agentic tools can handle these fine, but they likely can benefit from a more source-proximate format.
Building https://t.co/od97B0HVrk and https://t.co/666FnyVVE0 in Public. Raising all the boats with kindness. 🎙️ https://t.co/6w69DZmi8H · ✍️ https://t.co/lpnor5rsTW
![[开源推荐] Every Code: 最初是 OpenAI codex-cli 的一个社区维护 Fork，目标是打破单一模型的限制，通过一个统一的界面，将当前最强大的 AI 模型（如 OpenAI GPT 系列、Anthropic Claude、Google Gemini ...）整合在一起，让它们不仅能“写代码”，还能“自主思考”和“执行任务”
核心亮点与技术特性
· 多模型协同：它不依赖单一厂商。你可以让 Claude 进行深度推理，让 GPT-4 编写代码，再让 Gemini 进行资料查阅。它通过一个名为 Ensemble 的组件来管理和轮换这些模型，试图结合各家之长。
· 不仅仅是聊天，而是“行动”：与普通的 Chatbot 不同，Every Code 被设计为可以执行操作。它深度集成了本地文件系统、浏览器和终端命令。它能够读取你的代码库、运行命令调试报错、甚至浏览网页查找文档，然后将结果反馈给 AI 进行下一步决策。
· Magi 系统：这个项目的一个独特组件（Magi），代表了“Mostly Autonomous Generative Intelligence”。它赋予了 AI 持久的思维链能力。当面对复杂任务时，它不会急于给出肤浅的答案，而是会像人类工程师一样拆解任务、一步步规划并执行。
· MCP 工具支持：它支持 MCP，让 AI 模型更容易连接到外部数据和工具。Every Code 可以通过标准化接口扩展其能力，不仅限于写代码，还能处理更广泛的开发任务。
实际应用场景
· 自动化重构： 你可以命令它“读取整个 src 目录，将所有使用旧 API 的地方更新为新 API，并运行测试确保通过”。它会自动遍历文件、修改、运行测试、根据报错修正，直到任务完成。
· 复杂故障排查： 当遇到报错时，它不仅是解释错误，还可以被授权去执行 ls 查看文件、grep 搜索日志，甚至打开浏览器搜索最新的 GitHub Issue 来寻找解决方案。
· 沉浸式开发： 对于习惯使用 Vim/Neovim 或纯终端环境的“极客”开发者，它提供了一个无需离开终端就能获得顶级 AI 体验的方案，且支持高度的主题定制和快捷键操作。
开源地址](/_next/image?url=https%3A%2F%2Fpbs.twimg.com%2Fmedia%2FG8Na9NNawAA1KnI.jpg&w=3840&q=75 "[开源推荐] Every Code: 最初是 OpenAI codex-cli 的一个社区维护 Fork，目标是打破单一模型的限制，通过一个统一的界面，将当前最强大的 AI 模型（如 OpenAI GPT 系列、Anthropic Claude、Google Gemini ...）整合在一起，让它们不仅能“写代码”，还能“自主思考”和“执行任务”
核心亮点与技术特性
· 多模型协同：它不依赖单一厂商。你可以让 Claude 进行深度推理，让 GPT-4 编写代码，再让 Gemini 进行资料查阅。它通过一个名为 Ensemble 的组件来管理和轮换这些模型，试图结合各家之长。
· 不仅仅是聊天，而是“行动”：与普通的 Chatbot 不同，Every Code 被设计为可以执行操作。它深度集成了本地文件系统、浏览器和终端命令。它能够读取你的代码库、运行命令调试报错、甚至浏览网页查找文档，然后将结果反馈给 AI 进行下一步决策。
· Magi 系统：这个项目的一个独特组件（Magi），代表了“Mostly Autonomous Generative Intelligence”。它赋予了 AI 持久的思维链能力。当面对复杂任务时，它不会急于给出肤浅的答案，而是会像人类工程师一样拆解任务、一步步规划并执行。
· MCP 工具支持：它支持 MCP，让 AI 模型更容易连接到外部数据和工具。Every Code 可以通过标准化接口扩展其能力，不仅限于写代码，还能处理更广泛的开发任务。
实际应用场景
· 自动化重构： 你可以命令它“读取整个 src 目录，将所有使用旧 API 的地方更新为新 API，并运行测试确保通过”。它会自动遍历文件、修改、运行测试、根据报错修正，直到任务完成。
· 复杂故障排查： 当遇到报错时，它不仅是解释错误，还可以被授权去执行 ls 查看文件、grep 搜索日志，甚至打开浏览器搜索最新的 GitHub Issue 来寻找解决方案。
· 沉浸式开发： 对于习惯使用 Vim/Neovim 或纯终端环境的“极客”开发者，它提供了一个无需离开终端就能获得顶级 AI 体验的方案，且支持高度的主题定制和快捷键操作。
开源地址")
[开源推荐] Every Code: 最初是 OpenAI codex-cli 的一个社区维护 Fork，目标是打破单一模型的限制，通过一个统一的界面，将当前最强大的 AI 模型（如 OpenAI GPT 系列、Anthropic Claude、Google Gemini ...）整合在一起，让它们不仅能“写代码”，还能“自主思考”和“执行任务” 核心亮点与技术特性 · 多模型协同：它不依赖单一厂商。你可以让 Claude 进行深度推理，让 GPT-4 编写代码，再让 Gemini 进行资料查阅。它通过一个名为 Ensemble 的组件来管理和轮换这些模型，试图结合各家之长。 · 不仅仅是聊天，而是“行动”：与普通的 Chatbot 不同，Every Code 被设计为可以执行操作。它深度集成了本地文件系统、浏览器和终端命令。它能够读取你的代码库、运行命令调试报错、甚至浏览网页查找文档，然后将结果反馈给 AI 进行下一步决策。 · Magi 系统：这个项目的一个独特组件（Magi），代表了“Mostly Autonomous Generative Intelligence”。它赋予了 AI 持久的思维链能力。当面对复杂任务时，它不会急于给出肤浅的答案，而是会像人类工程师一样拆解任务、一步步规划并执行。 · MCP 工具支持：它支持 MCP，让 AI 模型更容易连接到外部数据和工具。Every Code 可以通过标准化接口扩展其能力，不仅限于写代码，还能处理更广泛的开发任务。 实际应用场景 · 自动化重构： 你可以命令它“读取整个 src 目录，将所有使用旧 API 的地方更新为新 API，并运行测试确保通过”。它会自动遍历文件、修改、运行测试、根据报错修正，直到任务完成。 · 复杂故障排查： 当遇到报错时，它不仅是解释错误，还可以被授权去执行 ls 查看文件、grep 搜索日志，甚至打开浏览器搜索最新的 GitHub Issue 来寻找解决方案。 · 沉浸式开发： 对于习惯使用 Vim/Neovim 或纯终端环境的“极客”开发者，它提供了一个无需离开终端就能获得顶级 AI 体验的方案，且支持高度的主题定制和快捷键操作。 开源地址
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴
“iRobot Corp., the company that revolutionized robot vacuum cleaners in the early 2000s with its Roomba model, filed for bankruptcy and proposed handing over control to its main Chinese supplier.” 😥 https://t.co/sSifua7Tjn
Building @SakanaAILabs 🧠
Redreach just became the Superhuman of Reddit marketing! You can now use ⌨️ keyboard shortcuts for almost EVERYTHING. I believe growth marketing tools should accelerate your workflow, not slow it down so Redreach had to become keyboard-native. Let me demo how it works ↓
⚡ Founder & 🌊 Surfer bootstrapping SaaS. ✍️ Notion ➯ Help Center @HelpkitHQ 💰 Reddit ➯ Customers https://t.co/3kdqfXzlsK🔋 Battery ➯ Alerts https://t.co/cX8QhAoG55
RT @commonsenseplay: BREAKING: TRUMP LIES TO THE ENTIRE COUNTRY Trump’s tariff claim is completely false. Trump said: "Because of the ta…
Professor at NYU. Chief AI Scientist at Meta. Researcher in AI, Machine Learning, Robotics, etc. ACM Turing Award Laureate.
I was thinking about this a lot recently when I imagined the „next-gen“ coding language/framework/env. Prompts are architecture and intent documents. They need to become part of the code, as a trace/comment/metadata. Whatever the AI equivalent of a „git blame“ result is, too.
Pull requests and GitHub/JIRA issues are human process markers that happen to relate to code. Agentic tools can handle these fine, but they likely can benefit from a more source-proximate format.