本地AI生成九成代码，免费开源编程框架发布

一位开发者用本地Qwen 3.x 27B模型构建了一套AI编码框架。超过90%的代码由这台本地AI生成，全程在他的监督之下。他强调，这不是"vibe-coding“——那种把代码完全交给AI、开发者只负责验收的写法。

框架免费、无遥测、开源（AGPL许可证），支持Windows和Linux，Mac版还没有。作者还用这套框架搭建了这套框架本身。

功能亮点

代码真正写入前，会经过一层防护规则预审，获批才放行。作者做这个功能，是为了治一个坏习惯：下意识点”允许“。另一层审查来自一个专门挑刺的AI。它按你设的规则检查所有AI产出的消息，避开潜在陷阱。

子代理支持嵌套。代理和用户可以在同一个子代理线程里对话，形成三方聊天。任何一段对话都能转成另一个主对话的子代理。处理大型项目时，可以拆出子任务，拿别的对话当信息来源。

语音被作者当成效率工具：说话总比打字快。可以用语音听写写注释，也能直接和AI语音对话。TTS输出答案，不离开语音模式就能完成批注。工作模式可以切换AI行为——规划、构建、研究、审查，全部可自定义。

底层内置MCP工具，覆盖文件系统、网页抓取、代码图、待办事项，也能接外部MCP。服务器管理器能让LLM在本地跑起来，配合OpenCode、Claude Code这类工具使用。llama.cpp后端支持从任意GitHub分支自定义编译。兼容CUDA、ROCm和Vulkan，跟具体显卡无关。

使用心得

一个功能配一个聊天会话，对话始终保持高度聚焦，产出质量明显更好。作者最初在CLAUDE.md里写下项目的完整描述和所有功能。AI探索代码库时，会漏掉重要文件。改成只留一段简短描述，再附上完整的文件树，效果好得多。

不要污染上下文。如果对代码库有整体把握，模型请求读取与当前任务无关的文件，直接拒绝。坏代码也要提前修。一条技术债会被模型继承，复制到之后每一个新功能里。

硬件与监督

作者自己的配置是Strix Halo 128GB（FEVM FAEX1）加RTX Pro 5000 48GB。这不是普通开发机的量级。免费不假，但硬件门槛摆在那里，而且机器到手后仍需要人盯着。

社区反应

帖子在Reddit上引起讨论，反应不完全是赞赏。最高票的评论是句玩笑：”新编码框架发布以来的天数=0“，暗示这类项目隔三差五就会出现。有人在仓库里翻出AI痕迹：重复的库、AI风格的TODO注释。命名方式明显是AI风格。提交时间也带突发性。也有评论挖苦：这都不算vibe-coding，那不知道什么才算。

有人替作者辩护，说llama.cpp里有一半代码也是vibe-coding出来的。他每天都翻llama.cpp的PR，几乎没人会在AI披露一栏里填”没有使用AI"。也有人顺着自举的梗开玩笑：用这套框架造框架，再造一个，在框架里用框架。

技术层面的疑问也有人提：为什么不用opencode当底子，而要整套重写？构建这样的框架需要多少代码？会话压缩、MCP的运行机制也都被问到。有评论推荐了更简洁的Pi Coding agent和nanocoder。理由是它们可塑性更强，像橡皮泥一样，想怎么捏就怎么捏。也有一位评论者说，欣赏任何在搭建自己数字家园的人。

框架的边界在哪里，作者说得很直接：开始容易，代码库变大后就难了，前期的决策很重要。本地开发至少需要一双警惕的眼睛来引导模型。完全无人值守的vibe-coding，只适合云模型做的小型应用。这类应用没有多少超出最初需求的空间。