新闻详情

新闻详情

首页 / 资讯中心 / 详情

Codeg是什么?一文读懂统一15个AI编程Agent的多智能体编码工作台

发布时间:2026/11/10 9:54:56来源:尧图网络
Codeg是什么?一文读懂统一15个AI编程Agent的多智能体编码工作台
Codeg是什么一文读懂统一15个AI编程Agent的多智能体编码工作台【免费下载链接】codegCollaborative multi-agent AI coding workspace: aggregate sessions from Claude Code, Codex, OpenCode, Pi, Grok Build, etc. Desktop app, self-hosted server, or Docker.项目地址: https://gitcode.com/gh_mirrors/co/codegCodegCode Generation是一款开源的多智能体 AI 编程工作台它把 Claude Code、Codex、Gemini、OpenCode、Grok 等 15 个主流 AI 编程 Agent 统一收进同一个工作区既能会话聚合、一键委派协作还能把任务挂到待办看板无人值守地跑。你可以把它理解成「AI 编程 Agent 的统一调度中心 完整代码工程环境」支持桌面应用、独立服务器、Docker 容器三种运行方式还配有原生 iOS 和 Android 客户端。Codeg 解决什么问题如果你同时用过几个 AI 编程 Agent大概率会遇到这些烦恼会话孤岛Claude Code、Codex、Cursor 各自的会话存在各自的地方互相找不到、读不懂来回切换想让 A 写代码、B 来评审只能在多个终端之间复制粘贴没人盯着干不完长任务必须挂着等跑完才知道结果。Codeg 的思路是一个工作区容纳所有智能体。无论正在干活的是谁它们共用同一个编辑器、同一套实时 diff、同一个 Git 客户端产出都是你仓库里真实变化的文件。所有智能体的历史会话一键导入、统一可搜索提及一个旧会话你正在对话的智能体就能跨 Agent 读到它——今天的 Codex 能接着上周 Claude Code 停下的地方继续做。15个内置AI编程Agent还能自己注册更多Codeg 内置 15 个 AgentClaude Code · Codex · Gemini · OpenClaw · OpenCode · Cline · Hermes · CodeBuddy · Kimi Code · Pi · Grok · Cursor · DeepSeek Harness · Qoder · Google Antigravity大部分 Agent 的安装、版本锁定和更新都由 Codeg 替你完成。名单之外从公开的 ACPAgent Client Protocol注册表里挑一个或粘贴它的分发 JSONCodeg 会安装、预检能否启动然后像内置 Agent 一样对待它——出现在选择器里、接受委派会话也被记录下来可搜索。ACP 连接管理的实现位于 src-tauri/src/acp/ 目录AGENTS.md 中也写明了各 Agent 的接入约定。多智能体协作输入一键委派多智能体协作在 Codeg 里被压缩成一个按键输入选中 Agent发送。被提及的每个 Agent 被拉起为独立会话各自开工工作实时汇流回你当前对话提及两个它们就并肩并行Claude Code 起草的同时 Codex 在评审Agent 自己派出的子智能体Claude Code、Codex、Grok、OpenCode 都会每个都有一张「边跑边填」的卡片点开就能读子 Agent 的完整会话。待办任务看板无人值守验收后才落地不想盯着的活写进待办就行——标题、说明、指定用哪个 Agent 跑然后Codeg 给任务一份独立的代码副本git worktree 独立分支多个任务并行互不干扰也不会碰你手头正在改的代码可以定今晚自动开始也可以让文件夹按并发上限自己把队列跑完做完的任务不会自动合并——它移到「待验收」栏等着你看 diff、打回重做、或点通过点通过后由 Agent 落地合并而 Codeg 会亲自核对 git确认不了的合并会退回待验收绝不虚报成功。工程能力拉满分屏、Git、Office、科研技能分屏视图右键会话标签即可向右/向下拆分左右一栏 Claude Code 重构、另一栏 Codex 审阅 diff布局含未发送的草稿重启后原样恢复完整 Git 客户端更改页直接提交、拉取、推送、贮藏分支/合并/变基/重置冲突进三栏合并编辑器逐块解决worktree 让一队 Agent 同时开发不同功能Office 文档让 Agent 产出真正的.pptx/.docx/.xlsx右侧面板实时渲染不满意直接发消息原地改无需离开 Codeg科研技能内置假设生成、实验设计、统计、可视化、文献检索等技能见 src-tauri/science/skills/任意 Agent 均可调用专家技能专家技能模块由 src-tauri/experts/skills/ 提供支持 MCP 本地扫描与市场安装。Codeg 如何安装与运行桌面端推荐新手从官方 Releases 下载 macOS / Windows / Linux 安装包即可支持自动更新。服务器模式无界面运行任意浏览器访问Linux / macOScurl -fsSL https://raw.githubusercontent.com/xintaofei/codeg/main/install.sh | bash CODEG_STATIC_DIR/usr/local/share/codeg/web codeg-serverDocker 一键部署docker run -d -p 3080:3080 -v codeg-data:/data ghcr.io/xintaofei/codeg:latest源码构建仓库可通过git clone https://gitcode.com/gh_mirrors/co/codeg获取技术栈为 Tauri 2Rust Next.js 16 React 19构建细节见 Dockerfile 与 docker-compose.yml。移动端原生 iOS / Android 客户端连接你的桌面端 Web 服务或codeg-server填地址 令牌三步完成配对即可在手机上发起会话、看流式回复、批准权限。文件与 Agent 始终留在跑 Codeg 的机器上令牌由 Keychain / Keystore 保管。隐私安全与延伸阅读默认本地优先解析、存储与项目操作都在本地仅用户主动触发才访问网络Web / 服务器模式使用令牌认证支持系统代理适配企业网络。更多细节可以在仓库内继续查看功能总览README.md另有 简体中文版自定义 URL 协议codeg://session/id从其他应用直接打开会话docs/url-scheme.mdTelegram 话题模式一个群同时托管多个 Codeg 会话docs/chat-channels/telegram-topic-mode.md消息渠道Telegram / 飞书 / 微信直接驱动 Agentsrc-tauri/src/chat_channel/待办任务核心逻辑src-tauri/src/work_task/总结Codeg 适合谁如果你已经在同时使用两三个 AI 编程 Agent或者希望「把活派出去、走开、回来验收」Codeg 值得认真一试——15 个 Agent 统一入口、一键协作、任务无人值守、Git 与编辑器齐活。它不是又一个聊天框而是把「AI 编程」变成了一条有验收环节的流水线。【免费下载链接】codegCollaborative multi-agent AI coding workspace: aggregate sessions from Claude Code, Codex, OpenCode, Pi, Grok Build, etc. Desktop app, self-hosted server, or Docker.项目地址: https://gitcode.com/gh_mirrors/co/codeg创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/10 4:49:37

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/9 8:37:19

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/10 9:14:31

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/10 1:10:29

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/9 8:37:18

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/9 8:37:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉