Muvon/octomind

项目介绍

Octomind 是一个用 Rust 写的编码代理运行时。它通过 MCP 让任意大模型获得操作仓库的工具——读写文件、执行 shell、搜索代码、派发子代理——并把同一套会话暴露为交互式 CLI、stdin 管道、非交互 --format 输出、守护进程、WebSocket 服务，或编辑器里的 ACP 代理。核心设计是把策略写成代码：确定性的守卫、钩子和校验器放在 .agents/guardrails.toml 与脚本里，而不是依赖人工批准弹窗，因此可以在 CI 和定时任务中无人值守运行。第二个监督模型负责维护计划、裁剪过大的工具输出，并在证据不足时拒绝模型自称的「完成」。可选的 learning 会在 /done 后提取经验，并能把反复出现的经验升级为技能或护栏候选。想了解两个最有特色的部分，可以看 护栏文档 和 监督模型文档。

快速使用

在 macOS 或 Linux 上用安装脚本安装，Windows 用 PowerShell 脚本；macOS 也可以用 Homebrew：

curl -fsSL https://raw.githubusercontent.com/muvon/octomind/master/install.sh | bash
# 或：brew install muvon/tap/octomind

然后配置模型访问。最省事的是 Octomind Cloud，登录后会把网关密钥存到本地：

octomind login

如果想用自己的供应商密钥，导出对应环境变量（如 OPENROUTER_API_KEY、OPENAI_API_KEY、ANTHROPIC_API_KEY 或 DEEPSEEK_API_KEY），再修改模型表。README 特别提醒监督模型和压缩配置默认也指向云端网关，需要一并修改。之后在项目根目录运行专家代理：

cd ~/your/project
octomind run developer:general

你会进入一个纯行式提示界面，代理可以读代码、运行命令、修改文件。首次运行某个专家代理时，它可能会安装工具并索要凭据。非交互场景可以直接管道输入：echo "Explain the auth module" | octomind run developer:general --format plain。仓库里还有一个修复 bug 的录屏示例，演示两个失败测试、代理修复和独立重跑测试的过程。

使用约束

• 安装脚本面向 Linux 和 macOS 的 x86_64/aarch64，装到 ~/.local/bin/；PowerShell 脚本装到 %LOCALAPPDATA%\octomind\bin 并修改用户 PATH。从源码构建需要 Rust 1.95+ 和 protoc。
• 必须有模型来源：要么 octomind login 使用 Octomind Cloud，要么提供供应商 API key。每个角色可以单独配置模型和温度，成本和表现取决于你写的配置。
• 可以按请求和按会话设置花费上限。超预算时，交互式会话询问 y/N，非交互运行以退出码 75 结束。
• 沙箱是可选功能：--sandbox 通过 Linux 的 Landlock 或 macOS 的 Seatbelt 把写操作限制在工作目录内，并被 shell、MCP 服务和子代理继承；不开启时，写操作由护栏和操作系统权限决定。
• 匿名遥测默认开启，不包含代码、提示词、路径和工具参数；可以用 DO_NOT_TRACK=1、OCTOMIND_TELEMETRY=0 或配置里的 telemetry = false 关闭。
• 项目采用 Apache-2.0 许可证。

基准测试

README 公布了 2026 年 7 月 30 日在 octobench 上的一次测试：25 个任务取自合并的 PR，在修复前的仓库里完成，由合并修复中的留出测试判定通过与否。Octomind 配 glm-5.2 解出 24/25，花费 $63.43、耗时 3.6 小时；Claude Code 解出 23/25，Codex 21/25，使用同一 glm-5.2 模型的 OpenCode 解出 19/25、花费 $129.54。逐题表格和复现指南在 BENCHMARK.md。这些是旧模型组合下的公布结果，不代表当前代码版本的实测。

HotRepo 点评

该项目在 2026-11-04 登上 HotRepo 的 Rust 日榜，新增 126 Star，最好名次为 13；前一天 HN 讨论获得 54 分和 37 条评论。讨论中有一个具体质疑：有评论者指出基准测试用的是 Opus 5、GPT-5.6 Sol 和 GLM-5.2，且没有列出思考强度设置和竞品代理的版本（讨论原文）。维护者回复说正在用前沿模型更新基准测试。因此这些数字应视为 7 月的快照，在看到刷新后的表格之前，不宜据此判断当前相对性能。更值得实际评估的差异点是 TOML 护栏模型和五种运行面，这两点在文档里有详细说明，而不只是 README 里的宣称。