开发者社区的福音来了！ 为了推动 AI 智能体技术的民主化进程，构建充满活力的创新生态，我们激动地宣布：Kode 已正式从 AGPLv3 协议升级为 Apache 2.0 开源协议。
- ✅ 完全自由：在任何项目中使用 Kode - 无论是个人项目、商业产品还是企业方案
- ✅ 无障碍创新：构建专有解决方案，无需开源您的代码
- ✅ 极简要求：仅需保留版权声明和许可信息
- ✅ 共创未来：与全球开发者一起，加速世界向 AI 驱动生产的转型
让我们携手共建未来！🚀
2025-08-29：我们添加了 Windows 电脑的运行支持！所有的 Windows 用户现在可以使用你电脑上的 Git Bash、Unix 子系统或 WSL（Windows Subsystem for Linux）来运行 Kode。
Kode 是一个强大的 AI 助手，运行在你的终端中。它能理解你的代码库、编辑文件、运行命令，并为你处理整个开发工作流。
⚠️ 安全提示：Kode 默认以 YOLO 模式运行（等同于 Claude 的
--dangerously-skip-permissions标志），跳过所有权限检查以获得最大生产力。YOLO 模式仅建议在安全可信的环境中处理非重要项目时使用。如果您正在处理重要文件或使用能力存疑的模型，我们强烈建议使用kode --safe启用权限检查和手动审批所有操作。📊 模型性能建议：为获得最佳体验，建议使用专为自主任务完成设计的新一代强大模型。避免使用 GPT-4o、Gemini 2.5 Pro 等较老的问答型模型，它们主要针对回答问题进行优化，而非持续的独立任务执行。请选择专门训练用于智能体工作流和扩展推理能力的模型。
- 🤖 AI 驱动的助手 - 使用先进的 AI 模型理解并响应你的请求
- 🔄 多模型协同 - 灵活切换和组合使用多个 AI 模型，发挥各自优势
- 📝 代码编辑 - 直接编辑文件，提供智能建议和改进
- 🔍 代码库理解 - 分析项目结构和代码关系
- 🚀 命令执行 - 实时运行 shell 命令并查看结果
- 🛠️ 工作流自动化 - 用简单的提示处理复杂的开发任务
- 🎨 交互式界面 - 美观的终端界面，支持语法高亮
- 🔌 工具系统 - 可扩展的架构，为不同任务提供专门的工具
- 💾 上下文管理 - 智能的上下文处理，保持对话连续性
npm install -g @shareai-lab/kode
安装后，你可以使用以下任一命令：
kode- 主命令kwa- Kode With Agent（备选）kd- 超短别名
启动交互式会话：
kode
# 或
kwa
# 或
kd
获取快速响应：
kode -p "解释这个函数" main.js
# 或
kwa -p "解释这个函数" main.js
# 克隆仓库
git clone https://github.com/shareAI-lab/Kode.git
cd Kode
# 本地构建镜像
docker build --no-cache -t kode .
# 在你的项目目录中运行
cd your-project
docker run -it --rm \
-v $(pwd):/workspace \
-v ~/.kode:/root/.kode \
-v ~/.kode.json:/root/.kode.json \
-w /workspace \
kode
该 Docker 配置包含以下内容：
-
卷挂载（Volume Mounts）：
$(pwd):/workspace- 挂载当前项目目录~/.kode:/root/.kode- 在运行间保留 kode 配置目录~/.kode.json:/root/.kode.json- 在运行间保留 kode 全局配置文件
-
工作目录：容器内工作目录设置为
/workspace -
交互模式：使用
-it标志以交互式终端方式运行 -
清理：使用
--rm在退出后自动删除容器
注意：
Kode 同时使用 ~/.kode 目录（存放额外数据，如内存文件）和 ~/.kode.json 文件（全局配置）。
第一次运行 Docker 命令时会构建镜像，之后的运行会使用缓存镜像以加快启动速度。
你可以通过引导流程（onboarding）来设置模型，或使用 /model 命令。
如果在列表中没有你想要的模型，可以在 /config 中手动设置。
只要你有一个 OpenAI 风格的 API 端点，就可以正常使用。
/help- 显示可用命令/model- 更改 AI 模型设置/config- 打开配置面板/cost- 显示 token 使用量和成本/clear- 清除对话历史/init- 初始化项目上下文
与 CC 仅支持单一模型不同，Kode 实现了真正的多模型协同工作，让你能够充分发挥不同 AI 模型的独特优势。
我们设计了统一的 ModelManager 系统，支持：
- 模型配置文件（Model Profiles）：每个模型都有独立的配置文件，包含 API 端点、认证信息、上下文窗口大小、成本等参数
- 模型指针（Model Pointers）：用户可以在
/model命令中配置不同用途的默认模型：main：主 Agent 的默认模型task：SubAgent 的默认模型reasoning：预留给未来 ThinkTool 使用quick：用于简单 NLP 任务（如安全性识别、生成标题描述等）的快速模型
- 动态模型切换：支持运行时切换模型，无需重启会话，保持上下文连续性
专门设计的 TaskTool（Architect 工具）实现了：
- Subagent 机制：可以启动多个子代理并行处理任务
- 模型参数传递：用户可以在请求中指定 SubAgent 使用的模型
- 默认模型配置：SubAgent 默认使用
task指针配置的模型
我们专门设计了 AskExpertModel 工具：
- 专家模型调用：允许在对话中临时调用特定的专家模型解决疑难问题
- 模型隔离执行：专家模型的响应独立处理，不影响主对话流程
- 知识整合：将专家模型的见解整合到当前任务中
- Tab 键快速切换：在输入框按 Tab 键即可快速切换当前对话使用的模型
/model命令：使用/model命令配置和管理多个模型配置文件，设置不同用途的默认模型- 用户控制：用户可以随时指定使用特定的模型进行任务处理
架构设计阶段
- 使用 o3 模型 或 GPT-5 模型 探讨系统架构，制定犀利明确的技术方案
- 这些模型在抽象思维和系统设计方面表现卓越
方案细化阶段
- 使用 gemini 模型 深入探讨生产环境的设计细节
- 利用其在实际工程实践中的深厚积累和平衡的推理能力
代码实现阶段
- 使用 Qwen Coder 模型、Kimi k2 模型 、GLM-4.5 模型 或 Claude Sonnet 4 模型 进行具体的代码编写
- 这些模型在代码生成、文件编辑和工程实现方面性能强劲
- 支持通过 subagent 并行处理多个编码任务
疑难问题解决
- 遇到复杂问题时，可单独咨询 o3 模型、Claude Opus 4.1 模型 或 Grok 4 模型 等专家模型
- 获得深度的技术见解和创新的解决方案
# 示例 1：架构设计
"用 o3 模型帮我设计一个高并发的消息队列系统架构"
# 示例 2：多模型协作
"先用 GPT-5 模型分析这个性能问题的根本原因，然后用 Claude Sonnet 4 模型编写优化代码"
# 示例 3：并行任务处理
"用 Qwen Coder 模型作为 subagent 同时重构这三个模块"
# 示例 4：专家咨询
"这个内存泄漏问题很棘手，单独问问 Claude Opus 4.1 模型有什么解决方案"
# 示例 5：代码审查
"让 Kimi k2 模型审查这个 PR 的代码质量"
# 示例 6：复杂推理
"用 Grok 4 模型帮我推导这个算法的时间复杂度"
# 示例 7：方案设计
"让 GLM-4.5 模型设计微服务拆分方案"
// 支持多模型配置的示例
{
"modelProfiles": {
"o3": { "provider": "openai", "model": "o3", "apiKey": "..." },
"claude4": { "provider": "anthropic", "model": "claude-sonnet-4", "apiKey": "..." },
"qwen": { "provider": "alibaba", "model": "qwen-coder", "apiKey": "..." }
},
"modelPointers": {
"main": "claude4", // 主对话模型
"task": "qwen", // 任务执行模型
"reasoning": "o3", // 推理模型
"quick": "glm-4.5" // 快速响应模型
}
}
- 使用统计：
/cost命令查看各模型的 token 使用量和花费 - 多模型成本对比：实时追踪不同模型的使用成本
- 历史记录：保存每个会话的成本数据
- 上下文继承：切换模型时保持对话连续性
- 上下文窗口适配：根据不同模型的上下文窗口大小自动调整
- 会话状态保持：确保多模型协作时的信息一致性
- 效率最大化：每个任务都由最适合的模型处理
- 成本优化：简单任务用轻量模型，复杂任务用强大模型
- 并行处理：多个模型可以同时处理不同的子任务
- 灵活切换：根据任务需求随时切换模型，无需重启会话
- 取长补短：结合不同模型的优势，获得最佳的整体效果
| 特性 | Kode | 官方 CC |
|---|---|---|
| 支持模型数量 | 无限制，可配置任意模型 | 仅支持单一 Claude 模型 |
| 模型切换 | ✅ Tab 键快速切换 | ❌ 需要重启会话 |
| 并行处理 | ✅ 多个 SubAgent 并行工作 | ❌ 单线程处理 |
| 成本追踪 | ✅ 多模型成本分别统计 | ❌ 单一模型成本 |
| 任务模型配置 | ✅ 不同用途配置不同默认模型 | ❌ 所有任务用同一模型 |
| 专家咨询 | ✅ AskExpertModel 工具 | ❌ 不支持 |
这种多模型协同能力让 Kode 成为真正的 AI 开发工作台，而不仅仅是一个单一的 AI 助手。
Kode 使用现代化工具构建，开发需要 Bun。
# macOS/Linux
curl -fsSL https://bun.sh/install | bash
# Windows
powershell -c "irm bun.sh/install.ps1 | iex"
# 克隆仓库
git clone https://github.com/shareAI-lab/kode.git
cd kode
# 安装依赖
bun install
# 在开发模式下运行
bun run dev
bun run build
# 运行测试
bun test
# 测试 CLI
./cli.js --help
我们欢迎贡献！请查看我们的贡献指南了解详情。
Apache 2.0 许可证 - 详见 LICENSE。
