Hax – 一个用 C 编写的极简、终端原生编码代理
摘要
Hax 是一个用 C 编写的极简、终端原生编码代理,设计轻量、内存高效,对本地 LLM 使用友好,并支持多种提供商。
暂无内容
查看缓存全文
缓存时间: 2026/08/12 17:21
# hax —— 一个极简、终端原生的编码智能体
来源:https://usehax.dev/
## >轻量设计
一个原生 C 语言编写的单一二进制文件,依赖集很小。启动瞬间完成,内存占用极低(仅几 MB)——这样就能为本地 LLM 留出更多内存。
## >本地模型是一等公民
hax 会自动发现模型和运行时能力。默认设置无需自定义 provider 配置块。
```
llama-server -m [model].gguf
hax --provider llama.cpp
```
## >尊重你的终端
流式输出的 Markdown 和实时工具输出,会在终端内重新排版显示。只重绘当前流式行或输入区,保留终端原生回滚。不会接管或弄乱你的终端。
## >可检查
在可用的转录视图中(Ctrl+T)精确查看发送给模型的内容以及模型的回复。还可以选择收集详细的线路协议追踪。
## >使用任意 provider/模型
支持 OpenAI(+兼容接口)、Anthropic(+兼容接口)、Codex(通过 ChatGPT 订阅)、OpenRouter、llama.cpp 等。
## >行为规范的 Unix 工具
遵循 XDG 路径,在 `-p` 单次运行模式下 stdout 保持干净,stderr 上带有恢复提示;使用纯文本配置和会话文件;通过子进程组合,而非插件。
## >目标受众
面向那些常年待在终端里、运行本地模型、审计工具行为、为发行版打包软件,或在资源稀缺环境中运行智能体的开发者。如果你需要 MCP 市场、插件运行时、IDE 面板,或每条命令的权限提示,其他智能体正好提供这些——而 hax 刻意不做这些;[docs/philosophy.md](https://github.com/OleksandrChekhovskyi/hax/blob/master/docs/philosophy.md) 解释了每一项省略以及能够覆盖该需求的模式。
如果「老派极简包装中的新奇 AI 技术」符合你的风格,你可能会喜欢它。
## $开始使用
hax 支持 Linux 和 macOS;在 Windows 上,请在 [WSL](https://learn.microsoft.com/en-us/windows/wsl/) 下使用。
使用 [Homebrew](https://brew.sh/)(macOS 或 Linux):
```
brew install oleksandrchekhovskyi/hax/hax
```
在 Linux 上,从[最新发布](https://github.com/OleksandrChekhovskyi/hax/releases/latest)下载适用于你架构(x86_64 或 aarch64)的预构建静态二进制文件,然后将 `hax` 二进制文件解压到 `PATH` 中的任意目录。
从源码构建会得到一个链接到系统共享库的二进制文件,而非静态二进制文件:
```
git clone https://github.com/OleksandrChekhovskyi/hax.git
cd hax
scripts/install_deps.sh # Debian/Ubuntu, Fedora, Arch, openSUSE, Alpine, macOS
make # the binary is now at ./build/hax
相似文章
hax:一个Rust验证工具
hax是一个将Rust代码翻译成F*、Rocq和Lean等正式语言以进行高保障验证的工具。
将 hf CLI 设计为适合 Hub 使用的 Agent 优化工具
Hugging Face 重新设计了其 `hf` CLI,使其同时面向人类用户和 Claude Code、Codex 等 AI 编程 Agent 进行优化,具备 Agent 感知的输出渲染能力,基准测试显示在复杂任务上相比不使用 CLI 的方案最高可节省 6 倍的 token 消耗。
Show HN: Bash4LLM+ – 一个轻量级、无依赖的 Bash 封装器,用于 LLM API
Bash4LLM+ 是一个轻量级、无依赖的 Bash 封装器,用于 LLM API,提供与 Groq 及其他提供者的安全、可审计交互,具有动态模型列表、流式输出和可扩展附加功能等特点。
Show HN: Capn-hook —— 编码代理的持久记忆工具 —— 不再重复grep同一谜题
Capn-hook 是一个 CLI 工具,它为编码代理提供持久记忆,保存回答代码库问题的文件,使得代理不再跨会话重复探索同一谜题,将重复问题的 Token 使用量减少 77%。
层次化实验者智能体
介绍了层次化实验者智能体(HExA),这是一个基于上下文、以实验为中心的自我改进框架,使LLM智能体能够设计实验、学习可复用技能,并在新领域回答查询,在Interphyre物理模拟基准上取得了显著优于基线的改进。