Sphinx's Notes

Appearance

Pi vs 其他 Agent 框架 ​

Pi 不是孤岛。本篇把 Pi 与市面上 5-6 个主流 terminal AI coding agent 做横向对比，目标是回答"我该选谁"。

数据采集说明：所有统计数据（stars、license、语言占比）均从对应 GitHub 仓库元数据直接抓取（2026-06-05）。功能描述从官方 README/docs 提取，对应 URL 见各小节。

重要更正（相对既有 tools/pi-agent.md）：

  • 主仓库现名 badlogic/pi-mono（不是 earendil-works/pi；后者是公司 org 镜像），59.9k stars / 7.2k forks / MIT
  • can1357/oh-my-pi 实际 10.6k stars（不是 7.6k）
  • Dicklesworthstone/pi_agent_rust 实际 1.1k stars / MIT + Rider
  • Goose 仓库迁移：block/goose → aaif-goose/goose（2024 末迁入 Linux Foundation 旗下 Agentic AI Foundation）
  • OpenCode 仓库迁移：sst/opencode → anomalyco/opencode（仍由 sst 团队主导）

0. 评测维度定义 ​

维度含义为什么重要
License开源 + 许可证类型决定 fork/审计/合规自由度
Lang/Runtime实现语言 + 分发形式决定二次开发门槛、启动速度、冷启动成本
Providers可驱动哪些 LLM单供应商锁定 vs 多家 / 本地模型
ModesTUI / Print / RPC / SDK决定能用在哪些场景（CLI / 嵌入 / IDE / CI）
Tools extensibility工具扩展用什么语言决定可定制深度
Context system上下文装配自动 compaction / 项目记忆文件 / skills / 模板
Subagents子代理派发能力长程任务并行与可观测性
MCPModel Context Protocol工具生态互操作
Permission授权模型auto-allow / prompt / 沙箱 / capability-based
Session会话持久化线性 / tree / 可分享 / 可导出
Plan/Todo计划 + 待办用户对 agent 长程路径的掌控
Memory跨会话记忆项目记忆 / RAG / 仓库索引
Primary use case优化目标长程自主 / 人机协作 / CI headless / provider 桥接

1. 各 Agent 简介 ​

1.1 Pi (Earendil Works / badlogic) ​

  • License：MIT
  • Stars：59.9k
  • Language/Runtime：TypeScript / Node（官方）；Rust（pi_agent_rust 端口）；TS+Rust+Bun（oh-my-pi fork）
  • Install：npm i -g --ignore-scripts @earendil-works/pi-coding-agent
  • Providers：Anthropic、OpenAI、Azure、DeepSeek、NVIDIA NIM、Google Gemini、Vertex、Amazon Bedrock、Mistral、Groq、Cerebras、Cloudflare、xAI、OpenRouter、Vercel AI Gateway、Hugging Face、Fireworks、Together AI、Kimi For Coding、Xiaomi MiMo —— 4 个底层 API 覆盖
  • Modes：TUI（默认）/ Print (-p) / RPC (--mode rpc) / SDK（@earendil-works/pi-coding-agent）
  • Tools extensible in：TypeScript（extension 即 tool / command / TUI / provider / OAuth）
  • Context system：AGENTS.md（项目 + parent dirs + cwd）、SYSTEM.md、自动 compaction（可配置）、skills（按需加载）、prompt templates（/name）、动态 context 注入
  • Subagents：❌ 核心不含；官方 subagent example 演示 single/parallel/chain 三种模式
  • MCP：❌ 核心不含；社区用 mcporter 桥接
  • Permission：用户自定义（在 extension 内 tool_call 事件里阻断；用 sandbox example 走 OS 级沙箱）
  • Session：JSONL + tree 结构；/tree 跳转、/fork 派生、/clone 复制；/export HTML；/share 上传到 GitHub gist
  • Plan/Todo：❌ 核心不含；plan-mode example 提供只读计划 + Execute/Stay/Refine 三选项
  • Memory：session 持久 + 自定义扩展；无内置向量索引
  • Notable strengths：上下文占用 < 1000 tokens（系统 prompt + 工具定义）；extension 即代码（不是 prompt-level skills）；session tree + 公开 HTML 分享
  • Notable weaknesses：MCP 需外部桥接；plan mode / subagent 等一等公民能力都靠 example 自建
  • Primary use case："primitives"——把 LLM 交互的最小积木给你，扩展/工具/session 都是同一个抽象；适合要把 agent 当 library / harness 嵌入自己产品的团队

数据来源：

1.2 Claude Code (Anthropic) ​

  • License：闭源（只发布编译产物 / npm 包；不开源仓库）
  • Language/Runtime：TypeScript / Node
  • Install：npm i -g @anthropic-ai/claude-code 或 brew install --cask claude-code
  • Providers：仅 Anthropic Claude 系列（OAuth + API Key 两种登录）
  • Modes：交互 TUI（默认 REPL）、--print headless、-p 单轮脚本、SDK（@anthropic-ai/claude-agent-sdk 启用 Claude Code 全部工具的子进程）
  • Tools extensibility：Skills（Markdown，/skill 命令、.claude/skills/<name>/SKILL.md）+ MCP（claude mcp add）
  • Context system：三级记忆（./CLAUDE.md 项目 + ~/.claude/CLAUDE.md 用户 + 企业托管）、/memory 编辑、自动 compaction
  • Subagents：Agent / Task 工具可派生子 agent（agent-as-tool），每个 subagent 有独立工具白名单与上下文
  • MCP：完整客户端
  • Permission：deny-by-default；可对每条工具规则 allow / ask / deny；支持 sandbox（macOS Seatbelt / Linux bubblewrap）
  • Session：线性对话；/resume 恢复；/fork 派生；分享通过 claude.ai/code 链接（团队版）
  • Plan/Todo：--plan / Shift+Tab 切换 plan mode；TodoWrite 内置待办工具；ExitPlanMode 在执行前需用户确认
  • Memory：CLAUDE.md 层级 + 会话级 cache；无内置向量索引；通过 MCP 提供 RAG（如 Context7）
  • Notable strengths：深度集成 Anthropic 模型；Subagent / Plan mode / Sandbox / Memory 层级是行业最完整；Skills 体系让用户扩展 prompt 而非代码
  • Notable weaknesses：闭源，扩展只能通过 prompt-level skills 或 MCP；Provider 锁定 Anthropic
  • Primary use case：人机协作式（human-in-the-loop）pair programming；长程、深度、需要 plan/permission 精细控制的工程任务

数据来源：

1.3 Aider ​

  • License：Apache-2.0
  • Stars：45.8k
  • Language/Runtime：Python 3.10+（80% Python）
  • Install：pip install aider-install && aider-install 或 uv tool install aider-chat 或 uvx aider
  • Providers：100+（OpenAI、Anthropic、DeepSeek、OpenRouter、Gemini、Ollama、LM Studio、本地 llama.cpp 等）
  • Modes：TUI（aider）/ non-interactive（aider --message "..." --yes）/ --architect（双模型 planner+editor）
  • Tools extensibility：YAML config + Python plugin；2025 起引入 aider --tool 与 LLM function-calling
  • Context system：Repo Map（tree-sitter 的 AST 摘要，按需注入相关文件）+ CONVENTIONS.md（项目约定）+ aider.conf.yml；无自动 compaction
  • Subagents：❌ 无内置 fan-out（可脚本嵌套）
  • MCP：❌ 无原生 MCP 客户端
  • Permission：默认 auto-apply edits；写入真实文件需用户确认（除非 --yes）；所有修改以 git commit 持久化
  • Session：线性 chat（/add /drop 管理上下文）；每条消息 → 一次 commit，支持 --commit-message；无 tree
  • Plan/Todo：Architect 模式 = "plan then edit"（两个模型拆分）；无内置 todo UI
  • Memory：仅 Repo Map + conventions 文件；无跨会话记忆
  • Notable strengths：100+ Provider 支持；Repo Map 极轻量且高效（无向量库）；git-as-checkpoint 让回滚零成本；SWE-bench 引用率高
  • Notable weaknesses：Python + 同步架构，长程任务下上下文控制较弱；工具系统 2025 之前非 tool-call 风格，与 MCP/agent 生态对齐度低
  • Primary use case：人机协作 pair programming，核心心智模型"AI 写代码 = 一次次 commit"

数据来源：

1.4 OpenAI Codex CLI ​

  • License：Apache-2.0
  • Stars：88.7k
  • Language/Runtime：Rust 96.1% + Python 2.9% + 少量 TS/Starlark/Shell
  • Install：npm i -g @openai/codex 或 brew install --cask codex
  • Providers：OpenAI 优先（codex 登录 ChatGPT 订阅 + API Key 双模式）；--provider 支持 OpenRouter / 自定义 OpenAI 兼容端点；--oss 跑本地 gpt-oss
  • Modes：交互 TUI（默认 TUI，Rust 实现）、codex app（桌面）、codex exec "..."（non-interactive / CI）、codex serve（HTTP daemon，codex-rs 子目录）、Node/Python SDK（sdk/ 子目录）
  • Tools extensibility：Rust 内置 tool + codex mcp add 接入 MCP
  • Context system：AGENTS.md（项目级，分层 discover）；/compact 触发手动 compaction；~/.codex/instructions.md 作 instructions
  • Subagents：通过 codex exec 多 agent 编排（未确认是否有 first-class sub-agent tool）
  • MCP：完整客户端；codex mcp add <name> -- <cmd>
  • Permission：三层 approval 模式：read-only / auto（沙箱内写）/ full-auto（沙箱内无需确认）；macOS Seatbelt / Linux Landlock；--sandbox danger-full-access 关闭
  • Session：JSONL 会话日志；codex resume <id>；可上传到 OpenAI Dashboard 分享
  • Plan/Todo：/plan 进入 plan mode；内置 update_plan 工具跟踪 todo
  • Memory：AGENTS.md 文件层级 + /mem 命令管理
  • Notable strengths：默认沙箱 + approval modes 是 CI/企业友好的开箱体验；ChatGPT 订阅直接登录；Rust TUI 启动快
  • Notable weaknesses：Provider 体验对非 OpenAI 模型仍在优化中
  • Primary use case：headless CI（codex exec）+ 受沙箱约束的人机协作，主要面向 OpenAI 生态用户

数据来源：

1.5 Gemini CLI (Google) ​

  • License：Apache-2.0
  • Stars：105k
  • Language/Runtime：TypeScript / Node 20+
  • Install：npx @google/gemini-cli 或 npm i -g @google/gemini-cli 或 brew install gemini-cli
  • Providers：Google Gemini 优先（Gemini 3，1M context，免费层 60 req/min / 1000 req/day）；OpenAI / Anthropic 兼容通过环境变量
  • Modes：TUI（gemini）、gemini -p "..." headless（输出给管道）、GitHub Action 集成
  • Tools extensibility：MCP 客户端（~/.gemini/settings.json 声明）；内置 GoogleSearch / read_file / write_file / shell / memory / web_fetch
  • Context system：GEMINI.md（项目 + ~/.gemini/GEMINI.md 用户）；/memory show /memory refresh；/compress 触发 compaction
  • Subagents：未确认有原生 fan-out
  • MCP：完整客户端（@github、@slack、@database 等扩展）
  • Permission：deny-by-default；yolo 模式 auto-allow；--approval-mode 类似 Claude Code
  • Session：线性；/chat save <tag> /chat resume <tag>；conversation checkpointing
  • Plan/Todo：无显式 plan mode；/todo 内置待办命令
  • Memory：GEMINI.md 层级 + token caching
  • Notable strengths：1M context + GoogleSearch grounding 免费额度几乎无可替代；GitHub Action 内置（自动 PR review、issue triage、@gemini-cli mention）
  • Notable weaknesses：TUI UX 较 Gemini GUI/Codex GUI 略弱
  • Primary use case：Gemini 模型的 CLI 入口，大上下文 + grounding 检索的研究/重构场景

数据来源：

1.6 Goose (AAIF / Linux Foundation) ​

2024 末：block/goose → aaif-goose/goose（Linux Foundation 旗下 Agentic AI Foundation 接管 governance）

  • License：Apache-2.0
  • Stars：46.5k
  • Language/Runtime：Rust 63.8% + TypeScript 29.4%
  • Install：curl -fsSL https://github.com/aaif-goose/goose/releases/download/stable/download.sh | bash 或 brew install --cask block-goose
  • Providers：15+（Anthropic、OpenAI、Google、Ollama、OpenRouter、Azure、Bedrock、ACP 接入 Claude/ChatGPT/Gemini 订阅）
  • Modes：TUI / Desktop GUI（macOS/Linux/Windows）/ API embed / goose run --recipe / goose web HTTP server
  • Tools extensibility：核心抽象即 MCP server（Extension ≡ MCP server）；内置 Developer / Computer Use / Memory / JetBrains / Google Drive 等；70+ extensions
  • Context system：依赖 extension 自行提供上下文；goose session --with-context 注入外部文本；session 自身可作 memory
  • Subagents：✅ Recipes（YAML 声明的多步 / 多 agent 流水线）和 sub-recipe 实现 fan-out；goose run --recipe 触发
  • MCP：MCP 是一等公民（Extension 协议就是 MCP）；可作 MCP client 与 server
  • Permission：extension 级 allowlist；GUI 模式有"approval"按钮；CLI 模式接续上一会话的 approval 状态
  • Session：可命名 + resume；可导出为 recipe（YAML）；无 tree
  • Plan/Todo：/plan 进入计划模式；goose run 内部以 recipe 步骤执行
  • Memory：跨会话的 session 列表 + "Knowledge" extension；无内置向量索引
  • Notable strengths：MCP Extension 抽象最成熟；Recipes 让非编程用户可复用 agent 流程；Block 内部已大规模使用
  • Notable weaknesses：CLI UX 较 Claude Code/Codex 略粗糙；Desktop 与 CLI 体验割裂
  • Primary use case：可扩展的"agent 平台"——MCP/RAG/企业工具集成的长程自动化，更偏 IT 工程而非 IDE-style pair programming

数据来源：

1.7 OpenCode (anomalyco / sst 团队) ​

2025 中：sst/opencode → anomalyco/opencode（运营主体变化，sst 团队仍主导）

  • License：MIT
  • Stars：170k（所有对比对象中最高）
  • Language/Runtime：TypeScript 68.2% + MDX 28.2% + CSS 3.1%
  • Install：curl -fsSL https://opencode.ai/install | bash 或 npm i -g opencode-ai 或 brew install opencode；桌面端 opencode-desktop
  • Providers：通过 models.dev 聚合 75+ providers（Anthropic、OpenAI、Google、Groq、Cerebras、xAI、AWS Bedrock、Azure、OpenRouter、Ollama、LM Studio 等），统一接口
  • Modes：TUI（opencode）/ server（opencode serve，HTTP）/ desktop（BETA，Tauri）/ headless opencode run "..." / SDK（@opencode-ai/sdk / opencode-go）
  • Tools extensibility：内置 file/shell/edit/patch/webfetch/grep/glob；MCP 客户端；用户可用 TS 写自定义 tool 然后 opencode tool add <path>
  • Context system：AGENTS.md（项目根、子目录级 discover）；/compact 手动 compaction；/share 把 session 上传为只读 URL；/undo 撤销；/init 在新项目生成 AGENTS.md
  • Subagents：✅ 任意子 agent 可被声明为 agent 工具；通过 opencode.json 顶层 agent 字段配置；预置 build / plan / general 三个 agent
  • MCP：客户端完整；通过 .opencode/mcp.json 或 env
  • Permission：deny-by-default；permissions 块按 tool glob + edit / bash / webfetch 分类允许；可 --auto-approve 全部
  • Session：线性 + 可分享（/share 上传到 opencode.ai，得到可公开访问的只读 URL）；/fork 派生分支
  • Plan/Todo：内置 plan agent（默认开启）：先产出 todo 列表 + 待编辑文件清单，确认后再执行
  • Memory：AGENTS.md + session 列表；无内置向量
  • Notable strengths：models.dev 让 75+ providers 即插即用；/share 是少有的"原生 share 链接"能力；plan agent 是 first-class subagent；MIT 友好
  • Notable weaknesses：170k stars 反映社区热度，但 API/CLI 行为快速迭代中
  • Primary use case：provider 无关的通用 terminal agent 框架，sst 用户/开源贡献者的多 provider 瑞士军刀

数据来源：

2. 横向对比表 ​

维度PiClaude CodeAiderCodex CLIGemini CLIGooseOpenCode
LicenseMIT闭源Apache-2.0Apache-2.0Apache-2.0Apache-2.0MIT
Stars (2026-06)59.9kn/a45.8k88.7k105k46.5k170k
Lang/RuntimeTS / NodeTS / NodePython 3.10+Rust 96%TS / Node 20+Rust + TSTS 68% + MDX
Installnpm i -g @earendil-works/pi-coding-agentnpm i -g @anthropic-ai/claude-codeuvx aidernpm i -g @openai/codexnpx @google/gemini-clicurl ...install... | bashcurl -fsSL opencode.ai/install | bash
Providers25+（4 个底层 API）Anthropic 唯一100+OpenAI 优先 + 兼容Gemini 优先 + 兼容15+75+ via models.dev
ModesTUI / Print / RPC / SDKTUI / Print / SDKTUI / headless / architectTUI / exec / serve / SDK / appTUI / -p / GitHub ActionTUI / Desktop / run / webTUI / serve / desktop / run / SDK
Tools extensibilityTS extension（tool/command/UI/provider/OAuth）Skills (MD) + MCPYAML + PythonRust + MCPTS + MCPTS/Python extension ≡ MCPTS / Go + MCP
Context systemAGENTS.md + skills + prompt templatesCLAUDE.md 三级 + auto-compactRepo Map + CONVENTIONS.mdAGENTS.md + manual /compactGEMINI.md + /memory + /compresssession + extension memoryAGENTS.md + /compact + /init
Subagents❌（example 提供）✅ Task/Agent tool❌有限（exec 编排）未确认✅ Recipes (YAML)✅ build / plan / general agents
MCP❌（mcporter 桥接）✅ 客户端❌✅ 客户端✅ 客户端✅ 核心抽象✅ 客户端
Permission用户自定义（extension）deny-default + sandboxauto-apply + git commit 回滚三层 approval + 沙箱deny-default + yoloextension allowlistdeny-default + tool glob
SessionJSONL tree + /share gistlinear + /fork + cloud sharelinear + git commitJSONL + OpenAI dashboardlinear + /chat save/resumelinear + recipe 导出linear + /share 公共 URL + /fork
Plan/Todo❌（plan-mode example）✅ 一等公民Architect 模式/plan + update_plan 工具/todo 命令/plan + recipe 步骤✅ plan agent
Memorysession 持久 + 自定义CLAUDE.md 层级 + cacheRepo Map 一次性AGENTS.mdGEMINI.md + token cachingsession + Knowledge extAGENTS.md + session
Primary use case可组合 agent primitives人机协作 + Plan/Sandboxgit-as-checkpoint 协作OpenAI 生态 + CIGemini 1M context 入口MCP/Recipes 平台provider 无关 + 分享

3. Pi vs X 深度对比 ​

3.1 Pi vs Claude Code ​

场景推荐
单人 / 小团队大多数场景Claude Code
需要 Subagent、Plan mode、Sandbox、Skills、Memory 层级这些"开箱即用"功能Claude Code
需要 Claude Sonnet/Opus 最新能力 + Anthropic 官方安全/合规背书Claude Code
需要多 provider 混用（Claude + 本地 Ollama + 第三方）Pi
需要把 agent 当 library / harness 嵌入自己产品Pi
CI 跑长程任务且不想被 Anthropic 锁定Pi
想直接 fork 出自己的 agentPi

架构哲学差：Pi 是 primitives（"把 LLM 交互的最小积木给你，扩展/工具/session 都是同一个抽象"）；Claude Code 是 opinionated batteries-included（每个交互细节都由 Anthropic 决策好，用户主要靠 Skills + MCP 在不写代码的前提下扩展）。一个比喻：Pi 像 tmux + Emacs 的可拼装内核；Claude Code 像 VSCode 的开箱工作台。

3.2 Pi vs Aider ​

场景推荐
心智模型是"AI 改代码 = git commit"的小团队Aider
100+ provider 即接即用（OpenRouter、DeepSeek、Ollama）Aider
纯 pair-programming，不想要 subagent / MCP 复杂度Aider
想要最简单的回滚（每个修改即 commit，git reset 即可）Aider
需要 MCP 生态、provider 切换、自建工具链Pi
想要 Rust/Tauri 性能级别启动Pi
想在 agent loop 上加自定义 hookPi

架构哲学差：Pi 是 pluggable harness（agent = 扩展图）；Aider 是 best-in-class git-aware diff applier（核心卖点 = "模型给我 diff，我保证 diff 落地 + 自动 commit"）。Repo Map + Architect 模式让 Aider 在"中等规模代码库精准修改"上仍是 SOTA。

3.3 Pi vs Codex CLI ​

场景推荐
已经用 ChatGPT 订阅 / OpenAI APICodex CLI
想要"approval mode + sandbox"的强约束 CI 工作流Codex CLI
想要 Rust 性能与 OpenAI 内部模型同步更新Codex CLI
需要 provider 无关Pi
想把 agent 暴露为 RPC / SDKPi
需要自定义 compaction / session 存储Pi

架构哲学差：Pi 是 provider-agnostic primitives；Codex CLI 是 OpenAI-flavored, sandbox-first harness（设计目标第一条是"安全地让你在 CI 跑 Codex"）。Codex CLI 的 approval 三层（read-only / auto / full-auto）比 Pi 的 user-defined 模式更"产品化"，但代价是 harness 内部难以替换。

4. 选型决策树 ​

1. 你是否已订阅 ChatGPT/Claude/Gemini 且不希望引入新供应商？
   ├─ ChatGPT 订阅 → Codex CLI（`codex exec` CI 极简）
   ├─ Claude 订阅 → Claude Code（Subagent + Plan + Sandbox 最完整）
   ├─ Gemini 订阅 → Gemini CLI（1M context + GoogleSearch grounding 不可替代）
   └─ 否 → 继续

2. 你的核心需求是"AI 写代码并自动 git commit"?
   ├─ 是 → Aider（git-as-checkpoint 心智模型）
   └─ 否 → 继续

3. 你想用 MCP 协议把整个企业工具链接进 agent，且 Recipes/YAML 流程能复用？
   ├─ 是 → Goose（Extension ≡ MCP 抽象最成熟）
   └─ 否 → 继续

4. 你需要 75+ provider 之间频繁切换，并把 agent session 公开为可分享 URL？
   ├─ 是 → OpenCode（`/share` + models.dev 是其差异点）
   └─ 否 → 继续

5. 你要把 agent 当 library / harness，自己组装 tools / subagents / session？
   └─ 是 → Pi（MIT + 扩展即代码 + provider 无关 + JSONL tree session）

5. 关键发现 ​

  1. MCP 已成为事实标准：除 Aider 外，所有主流 agent 都把 MCP 客户端作为一/二等公民；Goose（Extension ≡ MCP）、Gemini CLI、OpenCode 还支持自身作为 MCP server，是 agent 互操作的方向。Pi 是唯一明确"不会支持 MCP"的，其立场基于 7-9% context 占用 + black box 不可观测。

  2. Provider 无关性是新战场：Pi、OpenCode、Aider 主打"75+ provider 自由切换"；Claude Code 与 Codex CLI 是"全栈单家"代表。OpenCode 的 models.dev 抽象层是当前最成熟的 provider 聚合方案。

  3. Plan / Subagent 是企业级分水岭：Claude Code（Task 工具）、OpenCode（plan agent / general subagent）、Goose（Recipes）是真正把 plan/subagent 当 first-class 抽象的；Aider 的 Architect 模式只是"两个模型"而非"两个 agent 实例"；Pi 故意把这些推到 example 层。

  4. Session 可分享是 OpenCode 的独门：原生 /share 公共 URL 让 OpenCode 在"AI Pair Demo / 公开 agent 评审"场景有差异化；Pi 的 /share 走 GitHub gist 也类似但需要登录；其他 agent 多依赖云平台（Anthropic Console / OpenAI Dashboard）。

  5. Pi 的定位是"agent 操作系统内核"：相比 Claude Code 这种"工作台"，Pi 更像可拼装 primitives；它不试图把 harness 做厚，而是把扩展抽象做到极薄（每个扩展是一个普通 TS 模块），让用户/团队 fork 出自己的 agent。这与 anomalyco/opencode 的设计哲学同源，但 Pi 更小、约束更少、provider 适配更自由。

  6. 两个重要 governance 变化值得跟踪：Goose 2024 末从 Block 转移到 Linux Foundation 旗下 Agentic AI Foundation（aaif-goose/goose）；OpenCode 2025 中从 sst 迁移到 anomalyco org。两者都反映了这些 agent 项目正在脱离单一公司治理、走向社区/基金会。

6. 关键 URL 索引 ​

Pi ​

Claude Code ​

Aider ​

Codex CLI ​

Gemini CLI ​

Goose ​

OpenCode ​

License ​

MIT License

基于 VitePress 构建

Copyright © 2024-present Sphinx