最新

我正在构建一个以终端为主的人工智能配对编程工具，旨在使每个工具调用都透明且可审计。这个应用是用Rust编写的，具有一个分为三个窗格的Ratatui用户界面（聊天、工具活动、输入）。代理循环流式传输大型语言模型（LLM）的输出，排队等待手动批准的可写Lua脚本，并将每次运行记录为JSONL日志，存储在.selenai/logs目录下。 关键点： - 单一工具，真实的保护措施——LLM仅能访问一个沙箱化的Lua虚拟机，并提供明确的辅助功能（rust.read_file、rust.list_dir、rust.http_request、受限的rust.write_file等）。写入操作默认禁用，除非您选择启用并通过/tool run批准每个脚本。 - 透明的工作流程——聊天窗格显示对话，工具窗格显示每次调用及结果，流式处理保持一切响应迅速。提供CTRL快捷键用于滚动、清除日志、复制模式等，使其感觉像一个普通的TUI应用。 - 可插拔的LLM——有一个用于离线开发的存根客户端和一个基于特征的OpenAI流式客户端。添加更多提供者只需在src/llm/下创建另一个模块。 - 会话历史——每次退出时都会写入一个带有时间戳的日志目录，包含完整的记录、工具日志和关于Lua写入是否被允许的元数据。这使得演示、调试和共享重现变得更加容易。 - Lua易用性——提供简单的io.* API和一个小型的require("rust")模块，使得模型可以编写符合习惯的脚本而无需调用外部命令。如果您想手动运行代码片段，还有一个/lua命令可用。 代码库（MIT许可）：[https://github.com/Almclean/selenai](https://github.com/Almclean/selenai) 希望获得以下方面的反馈： - 您希望在LLM特征后看到的其他提供者或本地模型。 - 感觉安全但能解锁有用工作流程的其他沙箱辅助工具。 - 关于重放那些保存会话的想法（网页查看器？CLI差异？）。 如果您尝试使用，运行cargo run，输入内容，您将看到ASCII横幅和聊天窗格。如有问题或想提交PR，请随时联系我——正在制定CONTRIBUTING.md，并且有许多路线图项目（日志查看器、主题、Lua辅助包）如果您感兴趣的话。