English | 贡献指南 | 文档

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 Code 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

• 请安装 Git for Windows（包含 Git Bash 类 Unix 终端）：https://git-scm.com/download/win
  • Kode 会优先使用 Git Bash/MSYS 或 WSL Bash；没有时会回退到默认终端，但在 Bash 下体验更佳。
• 推荐在 VS Code 的集成终端中运行（而非系统默认的 cmd）：
  • 字体与图标显示更稳定，UI 体验更好。
  • 相比 cmd 路径/编码等兼容性问题更少。
  • 在 VS Code 终端中选择 “Git Bash” 作为默认 Shell。
• 可选：若通过 npm 全局安装，建议避免将 npm 全局 prefix 设置在含空格的路径，以免生成的可执行 shim 出现路径解析问题。
  • 示例：npm config set prefix "C:\\npm"，然后重新安装全局包。

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" 路径/到/文件.js
# 或
kwa -p "解释这个函数" 路径/到/文件.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

1. 效率最大化：每个任务都由最适合的模型处理
2. 成本优化：简单任务用轻量模型，复杂任务用强大模型
3. 并行处理：多个模型可以同时处理不同的子任务
4. 灵活切换：根据任务需求随时切换模型，无需重启会话
5. 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。

• 📚 文档
• 🐛 报告问题
• 💬 讨论