[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-AgentsMesh--AgentsMesh":3,"tool-AgentsMesh--AgentsMesh":64},[4,17,27,35,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,43,44,45,15,46,26,13,47],"数据工具","视频","插件","其他","音频",{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":10,"last_commit_at":54,"category_tags":55,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,46],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},2181,"OpenHands","OpenHands\u002FOpenHands","OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。\n\n无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。\n\n其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。",70612,"2026-04-05T11:12:22",[26,15,13,45],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":67,"owner_name":67,"owner_avatar_url":76,"owner_bio":77,"owner_company":78,"owner_location":78,"owner_email":79,"owner_twitter":78,"owner_website":80,"owner_url":81,"languages":82,"stars":119,"forks":120,"last_commit_at":121,"license":122,"difficulty_score":123,"env_os":124,"env_gpu":125,"env_ram":125,"env_deps":126,"category_tags":137,"github_topics":138,"view_count":23,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":149,"updated_at":150,"faqs":151,"releases":182},4004,"AgentsMesh\u002FAgentsMesh","AgentsMesh","AgentsMesh — AI Agent Fleet Command Center. Orchestrate Claude Code, Codex CLI, Gemini CLI, Aider and more from a single platform.","AgentsMesh 是一个专为团队打造的 AI 智能体协作指挥平台，旨在帮助组织突破人力限制，将分散的 AI 工具转化为协调高效的“数字员工”队伍。它解决了传统模式下开发者只能在本地单机运行单个智能体、难以管理多任务并行及缺乏统一协作视角的痛点。\n\n通过 AgentsMesh，用户可以轻松调度 Claude Code、Codex CLI、Gemini CLI、Aider 等多种主流终端型 AI 智能体。其核心亮点在于引入了\"AgentPod\"概念，即远程隔离的 AI 工作站，支持实时流式传输与 Git 工作区隔离；同时提供可视化的多智能体协作拓扑图，让不同智能体通过频道和绑定机制自主配合完成任务。平台还集成了看板式的任务管理系统，可直接关联代码合并请求（MR\u002FPR），实现从任务分配 to 代码交付的全流程追踪。\n\n此外，AgentsMesh 坚持\"BYOK\"（自带密钥）原则，让用户完全掌控成本与数据隐私。它支持自托管部署，确保代码永不离开企业内部环境，并提供企业级的权限管理与审计功能。这款工具特别适合需要规模化应用 AI 辅助编程的开发团队、技术负责人以及追求高效交付的软件工程组织，","AgentsMesh 是一个专为团队打造的 AI 智能体协作指挥平台，旨在帮助组织突破人力限制，将分散的 AI 工具转化为协调高效的“数字员工”队伍。它解决了传统模式下开发者只能在本地单机运行单个智能体、难以管理多任务并行及缺乏统一协作视角的痛点。\n\n通过 AgentsMesh，用户可以轻松调度 Claude Code、Codex CLI、Gemini CLI、Aider 等多种主流终端型 AI 智能体。其核心亮点在于引入了\"AgentPod\"概念，即远程隔离的 AI 工作站，支持实时流式传输与 Git 工作区隔离；同时提供可视化的多智能体协作拓扑图，让不同智能体通过频道和绑定机制自主配合完成任务。平台还集成了看板式的任务管理系统，可直接关联代码合并请求（MR\u002FPR），实现从任务分配 to 代码交付的全流程追踪。\n\n此外，AgentsMesh 坚持\"BYOK\"（自带密钥）原则，让用户完全掌控成本与数据隐私。它支持自托管部署，确保代码永不离开企业内部环境，并提供企业级的权限管理与审计功能。这款工具特别适合需要规模化应用 AI 辅助编程的开发团队、技术负责人以及追求高效交付的软件工程组织，是构建现代化 AI 驱动研发工作流的理想选择。","\u003Cp align=\"center\">\n  \u003Cimg src=\"docs\u002Fimages\u002Flogo.svg\" alt=\"AgentsMesh\" height=\"60\" \u002F>\n\u003C\u002Fp>\n\n\u003Ch3 align=\"center\">Where teams scale beyond headcount.\u003C\u002Fh3>\n\n\u003Cp align=\"center\">\n  The Agent Workforce Platform.\u003Cbr\u002F>\n  Give every team member an AI agent squad — assign tasks, track progress, and let them collaborate autonomously.\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fagentsmesh.ai\">Website\u003C\u002Fa> ·\n  \u003Ca href=\"https:\u002F\u002Fagentsmesh.ai\u002Fdocs\">Docs\u003C\u002Fa> ·\n  \u003Ca href=\"#quick-start\">Quick Start\u003C\u002Fa> ·\n  \u003Ca href=\"https:\u002F\u002Fdiscord.gg\u002F3RcX7VBbH9\">Discord\u003C\u002Fa> ·\n  \u003Ca href=\"https:\u002F\u002Fwww.linkedin.com\u002Fcompany\u002Fagentsmesh\">LinkedIn\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FAgentsMesh\u002Factions\u002Fworkflows\u002Fci.yml\">\u003Cimg src=\"https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FAgentsMesh\u002Factions\u002Fworkflows\u002Fci.yml\u002Fbadge.svg?branch=main\" alt=\"CI\" \u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FAgentsMesh\u002Fblob\u002Fmain\u002FLICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-BSL--1.1-blue\" alt=\"License\" \u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fhub.docker.com\u002Fu\u002Fagentsmesh\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocker-hub-blue?logo=docker\" alt=\"Docker Hub\" \u002F>\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fyoutu.be\u002FVaXImaly3dM\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAgentsMesh_AgentsMesh_readme_c18bbda2e1d7.jpg\" alt=\"AgentsMesh Demo Video\" width=\"720\" \u002F>\n  \u003C\u002Fa>\n\u003C\u002Fp>\n\n---\n\n## What is AgentsMesh?\n\nAgentsMesh is **The Agent Workforce Platform** — where teams scale beyond headcount. Instead of running agents one-at-a-time on your local machine, AgentsMesh lets you spin up **remote AI workstations (AgentPods)**, coordinate **multi-agent collaboration** through channels and pod bindings, and track everything via integrated **task management** — all from a single web console.\n\nIndividual productivity has peaked. The next frontier is organizational. AgentsMesh turns AI agents from solo tools into a coordinated workforce.\n\n**BYOK (Bring Your Own Key)** — You provide your own AI API keys. No usage caps. Full cost control.\n\n## Features\n\n- **AgentPod** — Remote AI workstations with web terminal, Git worktree isolation, and real-time streaming. Run multiple concurrent pods.\n- **Multi-Agent Collaboration** — Coordinate agents through channels and pod bindings. Visualize the collaboration topology in real-time.\n- **Task Management** — Kanban board with ticket-pod binding, progress tracking, and MR\u002FPR integration.\n- **Self-Hosted Runners** — Deploy runners on your own infrastructure. Your code never leaves your environment.\n- **Multi-Agent Support** — Claude Code, Codex CLI, Gemini CLI, Aider, OpenCode, and any custom terminal-based agent.\n- **Multi-Git Provider** — GitLab, GitHub, and Gitee integration.\n- **Multi-Tenant** — Organization > Team > User hierarchy with row-level isolation.\n- **Enterprise Ready** — SSO, RBAC, audit logs, air-gapped deployment support.\n\n## Getting Started\n\nThe fastest way to use AgentsMesh is through our hosted service at **[agentsmesh.ai](https:\u002F\u002Fagentsmesh.ai)** — sign up, connect your Git provider, and start running agents in minutes.\n\n### 1. Install the Runner\n\nThe Runner is a lightweight daemon that runs on your machine and executes AI agents locally. Your code stays on your infrastructure.\n\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n> See the [Runner README](runner\u002F) for more installation options (deb, rpm, Windows, etc.)\n\n### 2. Login\n\n```bash\nagentsmesh-runner login\n```\n\nThis opens your browser to authenticate. For headless environments (SSH, remote server):\n\n```bash\nagentsmesh-runner login --headless\n```\n\nFor self-hosted deployments, add `--server`:\n\n```bash\nagentsmesh-runner login --server https:\u002F\u002Fyour-server.com\n```\n\n### 3. Run\n\n```bash\nagentsmesh-runner run\n```\n\nOr install as a system service for always-on operation:\n\n```bash\nagentsmesh-runner service install\nagentsmesh-runner service start\n```\n\nOnce the runner is online, create an **AgentPod** from the web console and start coding with your AI agents.\n\n## Architecture\n\nAgentsMesh separates **control plane** from **data plane** — orchestration commands travel through gRPC with mTLS, while terminal I\u002FO streams through a Relay cluster.\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"docs\u002Fimages\u002Farchitecture.svg\" alt=\"AgentsMesh Architecture\" width=\"680\" \u002F>\n\u003C\u002Fp>\n\n| Component | Description |\n|-----------|-------------|\n| **Backend** | Go API server — auth, org\u002Fteam management, pod lifecycle, task management |\n| **Web** | Next.js frontend — dashboard, web terminal, kanban, topology visualization |\n| **Relay** | Terminal relay cluster — low-latency WebSocket pub\u002Fsub between runners and browsers |\n| **Runner** | Self-hosted Go daemon — connects to Backend (gRPC+mTLS) and Relay (WebSocket), runs AI agents in isolated PTY sandboxes |\n| **Web-Admin** | Internal admin console — user\u002Forg\u002Frunner management, audit logs |\n\n## Quick Start\n\n### One-Command Setup (Docker)\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FAgentsMesh.git\ncd AgentsMesh\u002Fdeploy\u002Fdev\n.\u002Fdev.sh\n```\n\nThis starts the full stack: PostgreSQL, Redis, MinIO, Backend, Relay, Traefik, and a local Next.js frontend with hot reload.\n\n**Access:**\n\n| Service | URL |\n|---------|-----|\n| Web Console | http:\u002F\u002Flocalhost:3000 |\n| API | http:\u002F\u002Flocalhost:80\u002Fapi |\n\n**Test Accounts:**\n\n| Role | Email | Password |\n|------|-------|----------|\n| User | dev@agentsmesh.local | devpass123 |\n| Admin | admin@agentsmesh.local | adminpass123 |\n\n> Ports are dynamically allocated per worktree. Check `deploy\u002Fdev\u002F.env` for actual values.\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>Manual Setup\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n**Prerequisites:** Go 1.24+, Node.js 20+, pnpm, Docker\n\n```bash\n# 1. Start infrastructure\ncd deploy\u002Fdev && .\u002Fdev.sh\n\n# 2. Backend (auto-starts in Docker with hot reload)\ndocker compose logs -f backend\n\n# 3. Frontend (local with Turbopack)\ncd web && pnpm install && pnpm dev\n```\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>Production Deployment\u003C\u002Fstrong>\u003C\u002Fsummary>\n\nDocker images are published to Docker Hub on every push to `main`:\n\n```\nagentsmesh\u002Fbackend:sha-xxxxxxx\nagentsmesh\u002Fweb:sha-xxxxxxx\nagentsmesh\u002Fweb-admin:sha-xxxxxxx\nagentsmesh\u002Frelay:sha-xxxxxxx\n```\n\nTagged releases (`v*`) get semver tags:\n\n```\nagentsmesh\u002Fbackend:1.0.0\nagentsmesh\u002Fbackend:1.0\n```\n\nSee [deploy\u002Fselfhost\u002F](deploy\u002Fselfhost\u002F) for self-hosted deployment guide.\n\n\u003C\u002Fdetails>\n\n## Supported Agents\n\n| Agent | Provider | Description |\n|-------|----------|-------------|\n| [Claude Code](https:\u002F\u002Fdocs.anthropic.com\u002Fen\u002Fdocs\u002Fagents-and-tools\u002Fclaude-code\u002Foverview) | Anthropic | Autonomous AI coding agent |\n| [Codex CLI](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fcodex) | OpenAI | OpenAI's code generation CLI |\n| [Gemini CLI](https:\u002F\u002Fgithub.com\u002Fgoogle-gemini\u002Fgemini-cli) | Google | Google Gemini CLI |\n| [Aider](https:\u002F\u002Fgithub.com\u002FAider-AI\u002Faider) | Open Source | AI pair programming in the terminal |\n| [OpenCode](https:\u002F\u002Fgithub.com\u002Fopencode-ai\u002Fopencode) | Open Source | Open source AI coding tool |\n| Custom | Any | Any terminal-based agent |\n\n## Tech Stack\n\n| Layer | Technology |\n|-------|-----------|\n| Backend | Go (Gin + GORM) |\n| Frontend | Next.js (App Router) + TypeScript + Tailwind CSS |\n| Database | PostgreSQL + Redis |\n| Storage | MinIO (S3-compatible) |\n| API | REST + gRPC (bidirectional streaming) |\n| Security | mTLS for runner connections, JWT for web auth |\n| Real-time | gRPC streaming (Runner ↔ Backend), WebSocket (Relay ↔ Browser) |\n| Reverse Proxy | Traefik |\n\n## Project Structure\n\n```\nAgentsMesh\u002F\n├── backend\u002F          # Go API server\n├── web\u002F              # Next.js frontend\n├── web-admin\u002F        # Admin console (Next.js)\n├── runner\u002F           # Self-hosted runner daemon (Go)\n├── relay\u002F            # Terminal relay server (Go)\n├── proto\u002F            # Protocol Buffers definitions\n├── ci\u002F               # CI Dockerfiles\n├── deploy\u002F\n│   ├── dev\u002F          # Docker Compose dev environment\n│   └── selfhost\u002F     # Self-hosted deployment guide\n└── docs\u002F             # Architecture docs and RFCs\n```\n\n## Contributing\n\nWe welcome contributions! See [CONTRIBUTING.md](CONTRIBUTING.md) for guidelines.\n\n- [Code of Conduct](CODE_OF_CONDUCT.md)\n- [Security Policy](SECURITY.md)\n\n## License\n\n[Business Source License 1.1](LICENSE) (BSL-1.1)\n\n- **Change Date:** 2030-02-28\n- **Change License:** GPL-2.0-or-later\n\nThe BSL allows you to use, copy, and modify the software for non-production purposes. Production use requires a commercial license until the change date, after which the software becomes available under GPL-2.0-or-later. See [LICENSE](LICENSE) for the full terms and additional use grant.\n","\u003Cp align=\"center\">\n  \u003Cimg src=\"docs\u002Fimages\u002Flogo.svg\" alt=\"AgentsMesh\" height=\"60\" \u002F>\n\u003C\u002Fp>\n\n\u003Ch3 align=\"center\">让团队规模突破人力限制。\u003C\u002Fh3>\n\n\u003Cp align=\"center\">\n  代理劳动力平台。\u003Cbr\u002F>\n  为每位团队成员配备一支 AI 代理小队——分配任务、跟踪进度，并让他们自主协作。\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fagentsmesh.ai\">官网\u003C\u002Fa> ·\n  \u003Ca href=\"https:\u002F\u002Fagentsmesh.ai\u002Fdocs\">文档\u003C\u002Fa> ·\n  \u003Ca href=\"#quick-start\">快速入门\u003C\u002Fa> ·\n  \u003Ca href=\"https:\u002F\u002Fdiscord.gg\u002F3RcX7VBbH9\">Discord\u003C\u002Fa> ·\n  \u003Ca href=\"https:\u002F\u002Fwww.linkedin.com\u002Fcompany\u002Fagentsmesh\">LinkedIn\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FAgentsMesh\u002Factions\u002Fworkflows\u002Fci.yml\">\u003Cimg src=\"https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FAgentsMesh\u002Factions\u002Fworkflows\u002Fci.yml\u002Fbadge.svg?branch=main\" alt=\"CI\" \u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FAgentsMesh\u002Fblob\u002Fmain\u002FLICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-BSL--1.1-blue\" alt=\"许可证\" \u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fhub.docker.com\u002Fu\u002Fagentsmesh\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocker-hub-blue?logo=docker\" alt=\"Docker Hub\" \u002F>\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fyoutu.be\u002FVaXImaly3dM\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAgentsMesh_AgentsMesh_readme_c18bbda2e1d7.jpg\" alt=\"AgentsMesh 演示视频\" width=\"720\" \u002F>\n  \u003C\u002Fa>\n\u003C\u002Fp>\n\n---\n\n## AgentsMesh 是什么？\n\nAgentsMesh 是 **代理劳动力平台**——让团队规模突破人力限制。与在本地机器上逐一运行代理不同，AgentsMesh 允许您启动 **远程 AI 工作站（AgentPod）**，通过通道和 Pod 绑定协调 **多代理协作**，并通过集成的 **任务管理** 系统跟踪所有内容——所有操作均可通过一个 Web 控制台完成。\n\n个人生产力已达到峰值。下一个前沿在于组织层面。AgentsMesh 将 AI 代理从单人工具转变为协同工作的劳动力队伍。\n\n**BYOK（自带密钥）**——由您提供自己的 AI API 密钥。无使用上限，完全掌控成本。\n\n## 功能\n\n- **AgentPod** — 带有 Web 终端、Git 工作树隔离和实时流传输的远程 AI 工作站。可同时运行多个 Pod。\n- **多代理协作** — 通过通道和 Pod 绑定协调代理。实时可视化协作拓扑结构。\n- **任务管理** — 看板式任务管理，支持工单与 Pod 绑定、进度跟踪以及 MR\u002FPR 集成。\n- **自托管 Runner** — 在您自己的基础设施上部署 Runner。您的代码始终保留在本地环境中。\n- **多代理支持** — Claude Code、Codex CLI、Gemini CLI、Aider、OpenCode，以及任何基于终端的自定义代理。\n- **多 Git 提供商支持** — 支持 GitLab、GitHub 和 Gitee 集成。\n- **多租户支持** — 组织 > 团队 > 用户层级结构，具备行级隔离功能。\n- **企业级功能** — SSO、RBAC、审计日志，以及气隙部署支持。\n\n## 快速开始\n\n使用 AgentsMesh 的最快方式是通过我们的托管服务 **[agentsmesh.ai](https:\u002F\u002Fagentsmesh.ai)**——注册、连接您的 Git 提供商，几分钟内即可开始运行代理。\n\n### 1. 安装 Runner\n\nRunner 是一个轻量级守护进程，运行在您的机器上并在本地执行 AI 代理。您的代码始终保留在您的基础设施中。\n\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n> 更多安装选项（deb、rpm、Windows 等），请参阅 [Runner README](runner\u002F)。\n\n### 2. 登录\n\n```bash\nagentsmesh-runner login\n```\n\n此命令会打开浏览器进行身份验证。对于无头环境（SSH、远程服务器）：\n\n```bash\nagentsmesh-runner login --headless\n```\n\n对于自托管部署，请添加 `--server`：\n\n```bash\nagentsmesh-runner login --server https:\u002F\u002Fyour-server.com\n```\n\n### 3. 运行\n\n```bash\nagentsmesh-runner run\n```\n\n或者将其安装为系统服务以实现持续运行：\n\n```bash\nagentsmesh-runner service install\nagentsmesh-runner service start\n```\n\nRunner 在线后，您可以在 Web 控制台创建一个 **AgentPod**，并开始使用 AI 代理进行编码。\n\n## 架构\n\nAgentsMesh 将 **控制平面** 与 **数据平面** 分离——编排指令通过带有 mTLS 的 gRPC 传输，而终端 I\u002FO 数据则通过 Relay 集群进行流式传输。\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"docs\u002Fimages\u002Farchitecture.svg\" alt=\"AgentsMesh 架构\" width=\"680\" \u002F>\n\u003C\u002Fp>\n\n| 组件 | 描述 |\n|-----------|-------------|\n| **后端** | Go API 服务器 — 身份验证、组织\u002F团队管理、Pod 生命周期、任务管理 |\n| **Web** | Next.js 前端 — 仪表盘、Web 终端、看板、拓扑可视化 |\n| **Relay** | 终端中继集群 — Runner 和浏览器之间低延迟的 WebSocket 发布\u002F订阅 |\n| **Runner** | 自托管 Go 守护进程 — 连接到后端（gRPC+mTLS）和 Relay（WebSocket），在隔离的 PTY 沙盒中运行 AI 代理 |\n| **Web-Admin** | 内部管理控制台 — 用户\u002F组织\u002FRunner 管理、审计日志 |\n\n## 快速入门\n\n### 一键部署（Docker）\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FAgentsMesh.git\ncd AgentsMesh\u002Fdeploy\u002Fdev\n.\u002Fdev.sh\n```\n\n此命令将启动整个栈：PostgreSQL、Redis、MinIO、后端、Relay、Traefik，以及带有热重载功能的本地 Next.js 前端。\n\n**访问：**\n\n| 服务 | URL |\n|---------|-----|\n| Web 控制台 | http:\u002F\u002Flocalhost:3000 |\n| API | http:\u002F\u002Flocalhost:80\u002Fapi |\n\n**测试账号：**\n\n| 角色 | 邮箱 | 密码 |\n|------|-------|----------|\n| 用户 | dev@agentsmesh.local | devpass123 |\n| 管理员 | admin@agentsmesh.local | adminpass123 |\n\n> 端口会根据工作树动态分配。实际值请查看 `deploy\u002Fdev\u002F.env` 文件。\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>手动设置\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n**先决条件：** Go 1.24+、Node.js 20+、pnpm、Docker\n\n```bash\n# 1. 启动基础设施\ncd deploy\u002Fdev && .\u002Fdev.sh\n\n# 2. 后端（在 Docker 中自动启动并支持热重载）\ndocker compose logs -f backend\n\n# 3. 前端（本地 Turbopack）\ncd web && pnpm install && pnpm dev\n```\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>生产环境部署\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n每次向 `main` 分支推送时，都会在 Docker Hub 上发布 Docker 镜像：\n\n```\nagentsmesh\u002Fbackend:sha-xxxxxxx\nagentsmesh\u002Fweb:sha-xxxxxxx\nagentsmesh\u002Fweb-admin:sha-xxxxxxx\nagentsmesh\u002Frelay:sha-xxxxxxx\n```\n\n标记的版本（`v*`）会打上语义化版本标签：\n\n```\nagentsmesh\u002Fbackend:1.0.0\nagentsmesh\u002Fbackend:1.0\n```\n\n有关自托管部署指南，请参阅 [deploy\u002Fselfhost\u002F](deploy\u002Fselfhost\u002F)。\n\n\u003C\u002Fdetails>\n\n## 支持的代理\n\n| 代理 | 提供商 | 描述 |\n|-------|----------|-------------|\n| [Claude Code](https:\u002F\u002Fdocs.anthropic.com\u002Fen\u002Fdocs\u002Fagents-and-tools\u002Fclaude-code\u002Foverview) | Anthropic | 自主型 AI 编程代理 |\n| [Codex CLI](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fcodex) | OpenAI | OpenAI 的代码生成 CLI |\n| [Gemini CLI](https:\u002F\u002Fgithub.com\u002Fgoogle-gemini\u002Fgemini-cli) | Google | Google Gemini 的 CLI |\n| [Aider](https:\u002F\u002Fgithub.com\u002FAider-AI\u002Faider) | 开源 | 终端中的 AI 结对编程工具 |\n| [OpenCode](https:\u002F\u002Fgithub.com\u002Fopencode-ai\u002Fopencode) | 开源 | 开源 AI 编程工具 |\n| 自定义 | 任意 | 任何基于终端的代理 |\n\n## 技术栈\n\n| 层次 | 技术 |\n|-------|-----------|\n| 后端 | Go (Gin + GORM) |\n| 前端 | Next.js (App Router) + TypeScript + Tailwind CSS |\n| 数据库 | PostgreSQL + Redis |\n| 存储 | MinIO (S3 兼容) |\n| API | REST + gRPC（双向流） |\n| 安全 | 用于 Runner 连接的 mTLS，用于 Web 认证的 JWT |\n| 实时 | gRPC 流式通信（Runner ↔ 后端），WebSocket（Relay ↔ 浏览器） |\n| 反向代理 | Traefik |\n\n## 项目结构\n\n```\nAgentsMesh\u002F\n├── backend\u002F          # Go API 服务器\n├── web\u002F              # Next.js 前端\n├── web-admin\u002F        # 管理控制台（Next.js）\n├── runner\u002F           # 自托管 Runner 守护进程（Go）\n├── relay\u002F            # 终端中继服务器（Go）\n├── proto\u002F            # Protocol Buffers 定义文件\n├── ci\u002F               # CI Dockerfile\n├── deploy\u002F\n│   ├── dev\u002F          # Docker Compose 开发环境\n│   └── selfhost\u002F     # 自托管部署指南\n└── docs\u002F             # 架构文档和 RFC\n```\n\n## 贡献\n\n我们欢迎贡献！请参阅 [CONTRIBUTING.md](CONTRIBUTING.md) 获取相关指南。\n\n- [行为准则](CODE_OF_CONDUCT.md)\n- [安全策略](SECURITY.md)\n\n## 许可证\n\n[商业源代码许可证 1.1](LICENSE)（BSL-1.1）\n\n- **变更日期：** 2030 年 2 月 28 日\n- **变更后的许可证：** GPL-2.0 或更高版本\n\nBSL 允许您在非生产环境中使用、复制和修改本软件。在变更日期之前，生产环境使用需要购买商业许可证；变更日期之后，软件将根据 GPL-2.0 或更高版本开源。完整条款及额外使用许可，请参阅 [LICENSE](LICENSE)。","# AgentsMesh 快速上手指南\n\nAgentsMesh 是一个**智能体工作力平台（Agent Workforce Platform）**，旨在帮助团队突破人力限制。它允许你部署远程 AI 工作站（AgentPods），通过频道和绑定协调多智能体协作，并通过集成的任务管理面板追踪进度。所有操作均可在统一的 Web 控制台完成。\n\n## 环境准备\n\n在开始之前，请确保你的开发环境满足以下要求：\n\n*   **操作系统**：Linux, macOS, 或 Windows (WSL2 推荐)\n*   **前置依赖**（仅针对手动开发部署）：\n    *   Go 1.24+\n    *   Node.js 20+ & pnpm\n    *   Docker & Docker Compose\n*   **AI 密钥**：本项目采用 **BYOK (Bring Your Own Key)** 模式，你需要自备 Anthropic、OpenAI、Google 等厂商的 API Key。\n*   **代码托管**：支持 GitHub、GitLab 或 Gitee 账号。\n\n> **注意**：对于普通用户，最快的方式是直接使用官方托管服务 [agentsmesh.ai](https:\u002F\u002Fagentsmesh.ai)，无需本地部署基础设施。以下指南主要针对本地运行 Runner 或自托管全套系统。\n\n## 安装步骤\n\n### 方式一：安装 Runner（推荐）\nRunner 是一个轻量级守护进程，运行在你的机器上以执行 AI 智能体，确保代码保留在你的基础设施内。\n\n1.  **执行安装脚本**\n    ```bash\n    curl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n    ```\n    *(注：如下载速度慢，可尝试手动下载脚本后执行)*\n\n2.  **登录认证**\n    运行以下命令打开浏览器进行认证：\n    ```bash\n    agentsmesh-runner login\n    ```\n    \n    *   **无头环境（如 SSH\u002F远程服务器）**：\n        ```bash\n        agentsmesh-runner login --headless\n        ```\n    *   **自托管部署**（连接私有服务器）：\n        ```bash\n        agentsmesh-runner login --server https:\u002F\u002Fyour-server.com\n        ```\n\n3.  **启动服务**\n    直接运行：\n    ```bash\n    agentsmesh-runner run\n    ```\n    \n    或安装为系统服务以实现常驻运行：\n    ```bash\n    agentsmesh-runner service install\n    agentsmesh-runner service start\n    ```\n\n### 方式二：全套系统本地开发部署 (Docker)\n如果你需要自托管整个平台（包含后端、前端、数据库等），可使用一键脚本。\n\n1.  **克隆项目并启动**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FAgentsMesh.git\n    cd AgentsMesh\u002Fdeploy\u002Fdev\n    .\u002Fdev.sh\n    ```\n    该命令将启动 PostgreSQL, Redis, MinIO, Backend, Relay, Traefik 及前端服务。\n\n2.  **访问控制台**\n    *   **Web 控制台**: http:\u002F\u002Flocalhost:3000\n    *   **API 地址**: http:\u002F\u002Flocalhost:80\u002Fapi\n\n3.  **测试账号**\n    *   **普通用户**: `dev@agentsmesh.local` \u002F `devpass123`\n    *   **管理员**: `admin@agentsmesh.local` \u002F `adminpass123`\n\n## 基本使用\n\n安装并启动 Runner 后，即可通过 Web 界面开始使用：\n\n1.  **创建 AgentPod**\n    登录 Web 控制台，点击创建新的 **AgentPod**。这将为你分配一个带有 Web 终端和独立 Git 工作树的远程 AI 工作站。\n\n2.  **配置智能体**\n    在 Pod 设置中绑定你的 AI API Key，并选择所需的智能体工具（如 Claude Code, Codex CLI, Gemini CLI, Aider, OpenCode 或其他自定义终端工具）。\n\n3.  **任务协作**\n    *   **分配任务**：在看板（Kanban）中创建工单并将其绑定到特定的 Pod。\n    *   **实时监控**：通过 Web 终端实时查看智能体的代码生成过程，或通过拓扑图观察多智能体间的协作流向。\n    *   **代码集成**：智能体完成的代码可直接通过 MR\u002FPR 流程合并回你的仓库。\n\n4.  **开始编码**\n    在 Web 终端中输入指令，你的 AI 智能体小队将开始自主工作，而你可以在看板中追踪整体进度。","某中型电商团队的后端组正面临季度大促前的紧急重构任务，需要在三天内同时完成支付网关升级、库存系统优化及前端接口适配，但团队人力严重不足。\n\n### 没有 AgentsMesh 时\n- **单兵作战效率低**：开发人员只能逐个在本地终端运行 Claude Code 或 Aider，无法并行处理多个模块，导致整体进度缓慢。\n- **协作黑盒难追踪**：AI 生成的代码散落在不同成员的本地机器上，缺乏统一视图，管理者无法实时知晓哪个任务卡住或哪个 Agent 正在犯错。\n- **环境配置繁琐**：每位成员需单独配置 API Key 和本地 Git 环境，新加入的临时协助人员往往花费半天时间搭建环境而非写代码。\n- **上下文割裂**：当需要多个 AI 角色（如一个负责写代码，一个负责写测试）协作时，只能靠人工复制粘贴聊天记录，极易丢失关键信息。\n\n### 使用 AgentsMesh 后\n- **舰队式并行开发**：团队通过 Web 控制台一键启动多个远程 AgentPod，分别指派给支付、库存和前端任务，实现真正的多线并行推进。\n- **全景可视化监控**：利用内置的看板和多智能体协作拓扑图，组长能实时看到每个 Pod 的运行状态、代码提交记录及任务进度，风险一目了然。\n- **零摩擦环境接入**：新成员只需安装轻量级 Runner 并登录，即可立即复用团队统一的配置和权限，秒级进入战斗状态。\n- **自动化智能协同**：通过频道绑定，让负责编码的 Agent 与负责测试的 Agent 自动对话协作，自主完成“编写 - 测试 - 修复”闭环，无需人工干预转录。\n\nAgentsMesh 将分散的单人 AI 工具转化为可统一调度、透明协作的数字化劳动力，帮助团队在不增加人头的前提下实现产能倍增。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAgentsMesh_AgentsMesh_87277b99.png","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FAgentsMesh_ab33cc4f.png","Your AI Agents Team",null,"support@agentsmesh.ai","https:\u002F\u002Fagentsmesh.ai","https:\u002F\u002Fgithub.com\u002FAgentsMesh",[83,87,91,95,99,102,106,109,112,115],{"name":84,"color":85,"percentage":86},"Go","#00ADD8",69.7,{"name":88,"color":89,"percentage":90},"TypeScript","#3178c6",28.7,{"name":92,"color":93,"percentage":94},"Shell","#89e051",0.8,{"name":96,"color":97,"percentage":98},"PLpgSQL","#336790",0.2,{"name":100,"color":101,"percentage":98},"Dockerfile","#384d54",{"name":103,"color":104,"percentage":105},"HTML","#e34c26",0.1,{"name":107,"color":108,"percentage":105},"CSS","#663399",{"name":110,"color":111,"percentage":105},"PowerShell","#012456",{"name":113,"color":114,"percentage":105},"JavaScript","#f1e05a",{"name":116,"color":117,"percentage":118},"Makefile","#427819",0,1284,121,"2026-04-05T17:57:39","NOASSERTION",4,"Linux, macOS, Windows","未说明",{"notes":127,"python":125,"dependencies":128},"该工具主要由 Go 和 Node.js 构建，通过 Docker 部署基础设施（PostgreSQL, Redis, MinIO）。Runner 支持在本地机器上运行，代码保留在用户基础设施内。支持多种终端型 AI 代理（如 Claude Code, Codex CLI 等），需用户自行提供 AI API 密钥。生产环境部署需商业授权（BSL-1.1 协议），2030 年后转为 GPL-2.0。",[129,130,131,132,133,134,135,136],"Go 1.24+","Node.js 20+","pnpm","Docker","PostgreSQL","Redis","MinIO","Traefik",[45,15],[139,140,141,142,143,144,145,146,147,148],"agent-orchestration","ai-agent","ai-coding","aider","claude-code","codex-cli","gemini-cli","multi-agent","self-hosted","agentsmesh","2026-03-27T02:49:30.150509","2026-04-06T07:11:58.538334",[152,157,162,167,172,177],{"id":153,"question_zh":154,"answer_zh":155,"source_url":156},18242,"自托管部署模式下点击“生成令牌”报错 404 Not Found 怎么办？","根本原因是后端服务无法读取 `\u002Fapp\u002Fssl` 目录（映射到宿主机的 `.\u002Fssl` 目录），导致 PKI 服务初始化失败，进而 gRPC Runner 路由未注册。请检查自托管安装指南，确保宿主机上的 `.\u002Fssl` 目录存在且包含必要的证书文件，并确认 Docker 挂载权限正确，使后端容器能够读取这些文件。","https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FAgentsMesh\u002Fissues\u002F133",{"id":158,"question_zh":159,"answer_zh":160,"source_url":161},18243,"Direct 模式下的 Loop 任务执行完后 Pod 为什么不会自动终止？","这是因为 REPL 风格的 Agent（如 Claude Code）在执行完提示词后不会退出进程，而是进入等待状态。系统已修复此问题：现在 Loop 执行策略中增加了 `idle_timeout_sec` 参数（默认 30 秒，可通过 API 配置为 0-3600）。后端会检测处于“等待”状态的 Pod，若空闲时间超过设定阈值，调度器将自动优雅地终止该 Pod 并将运行状态标记为“完成”。","https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FAgentsMesh\u002Fissues\u002F128",{"id":163,"question_zh":164,"answer_zh":165,"source_url":166},18244,"仓库中的 MCP 服务器配置被 AgentsMesh 平台配置覆盖了怎么办？","此前平台会将 `.mcp.json` 写入工作区根目录从而覆盖仓库原有配置。修复方案是将平台的 MCP 配置文件移动到了插件目录（`agentsmesh-plugin\u002F.mcp.json`）。Claude Code 的 `--plugin-dir` 机制会自动加载插件根目录下的配置，这样仓库自带的 MCP 配置和平台配置就能共存而互不冲突。请确保使用最新版本的 AgentsMesh。","https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FAgentsMesh\u002Fissues\u002F178",{"id":168,"question_zh":169,"answer_zh":170,"source_url":171},18245,"删除仓库后无法再次导入同一个仓库，提示导入失败如何解决？","该问题是由于之前软删除（soft-delete）的仓库在重新导入时未被正确处理导致的。此问题已在后续版本中修复，现在允许用户重新导入曾经被软删除过的 GitHub 仓库。如果遇到此问题，请升级 AgentsMesh 到最新版本。","https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FAgentsMesh\u002Fissues\u002F158",{"id":173,"question_zh":174,"answer_zh":175,"source_url":176},18246,"创建 Pod 时 Runner 报错无法从 MinIO 下载 Skill 资源怎么办？","这通常发生在通过扩展添加 Skill 并选择特定仓库创建 Pod 时。错误表明 Runner 在构建 Pod 过程中下载资源失败。请检查 MinIO 服务的连通性以及相关存储桶的访问权限，确保 Runner 节点能够正确访问 MinIO 中存储的 Skill 资源文件。同时确认扩展配置中的仓库地址和资源路径是否正确。","https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FAgentsMesh\u002Fissues\u002F153",{"id":178,"question_zh":179,"answer_zh":180,"source_url":181},18247,"如何为 Agent 协作通道启用加密审计收据功能？","目前该功能（集成 protect-mcp 以生成 Ed25519 签名收据）暂不是开发优先事项，官方尚未计划立即实施。如果社区对此有广泛需求，可以重新开启相关讨论。目前建议通过数据库日志和现有审计轨迹进行追踪。","https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FAgentsMesh\u002Fissues\u002F231",[183,188,193,198,203,208,213,218,223,228,233,238,243,248,253,258,263,268,273,278],{"id":184,"version":185,"summary_zh":186,"released_at":187},108761,"v0.20.0","## AgentsMesh Runner v0.20.0\n\nAgentsMesh Runner 是一款 AI 代理任务执行器，可连接到 AgentsMesh 服务器，并在隔离的终端环境中执行 AI 代理任务。\n\n### 快速安装\n\n**macOS \u002F Linux（一行命令）：**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows（PowerShell）：**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n### 快速开始\n\n```bash\n# 注册（全局：https:\u002F\u002Fagentsmesh.ai 或您自己的服务器）\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# 启动运行器\nagentsmesh-runner run\n```\n\n如需完整文档，请访问：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## 更改日志\n### 新功能\n* ac5e298c589ff6c5109e4ff798745466066de416 功能（后端）：添加 POST \u002Fpods\u002F:key\u002Fprompt API，用于向活动 Pod 发送提示 (#227)\n* 6244e6e89371203c6fb6ab927a5ef8ac79cfd895 功能：AgentFile SSOT 架构 + ACP 流水线 + CodeMirror 编辑器 + 文档 (#200)\n### 错误修复\n* 21ffbf8d74ded09918da3408866f1b23afa57bfb 修复（Web）：防止嵌套对话框打开时移动侧边栏关闭 (#233)\n### 其他\n* b76557942e2ecb498d67ec9931ee4cd4002e4e79 重构（Web）：将消息传递品牌从“舰队指挥中心”更改为“代理劳动力平台” (#228)\n\n---\n\n**文档**：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner\n\n","2026-04-05T10:19:36",{"id":189,"version":190,"summary_zh":191,"released_at":192},108762,"v0.12.0","## AgentsMesh Runner v0.12.0\n\nAgentsMesh Runner 是一款 AI 代理任务执行器，可连接到 AgentsMesh 服务器，并在隔离的终端环境中执行 AI 代理任务。\n\n### 快速安装\n\n**macOS \u002F Linux（一行命令）：**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows（PowerShell）：**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n### 快速入门\n\n```bash\n# 注册（全局：https:\u002F\u002Fagentsmesh.ai 或您自己的服务器）\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# 启动运行器\nagentsmesh-runner run\n```\n\n如需完整文档，请访问：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## 更改日志\n### 新功能\n* acd744f94808e6da8ca47943d0190d8e4f61be05 功能（频道）：为 MCP 频道消息添加“之后”时间过滤器，并修复 hasMore 分页方向问题 (#201)\n### 错误修复\n* 83f5355f17e33f02ead95b4258edae71126a20fe 修复（运行器）：在重启失败后退出，以便服务管理器能够加载新的二进制文件\n* 6b1642a61200732784009fcbe8d31c00f95e6a13 修复（运行器）：移除早期缓冲区，修复 Pod 状态标记错误，并为每个 Pod 添加命令队列 (#224)\n* f24782381393a8eaa0851a4bdc7e199d5f0afa4f 修复（运行器）：在启动时解析执行路径，以防止自我升级后使用过时路径\n* 4d15b873136b92daf04a21db5cceb8ac277e1d61 修复（运行器）：使用非零退出码，并在 exitFunc 后添加 return 语句\n### 其他\n* ec2801acb5f6f08f8867b4a8613acc200cc7957a （功能）：为 OpenCode 添加 MCP 支持和模型配置 (#202)\n* 1e253243c0fdbb6557bbe3298828906f13e5f3fd 内容：将 Producer 重命名为 Builder，将 Growth Hacker 重命名为 GTM（Go to Market）(#204)\n\n---\n\n**文档**：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner\n\n","2026-03-30T15:16:27",{"id":194,"version":195,"summary_zh":196,"released_at":197},108763,"v0.11.1","## AgentsMesh Runner v0.11.1\n\nAgentsMesh Runner 是一款 AI 代理任务执行器，可连接到 AgentsMesh 服务器，并在隔离的终端环境中执行 AI 代理任务。\n\n### 快速安装\n\n**macOS \u002F Linux（一行命令）：**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows（PowerShell）：**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n### 快速入门\n\n```bash\n# 注册（全局：https:\u002F\u002Fagentsmesh.ai 或您自己的服务器）\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# 启动运行器\nagentsmesh-runner run\n```\n\n如需完整文档，请访问：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## 更改日志\n### 新特性\n* bf426bb7 功能（Web、后端）：使用 IM 标准模式重新设计频道消息系统 (#198)\n\n### Bug 修复\n* cf6940cf 修复（后端、运行器、Web）：为 Pod 初始化添加 ACK 机制和事件驱动恢复 (#145) (#199)\n\n---\n\n**文档**：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner","2026-03-26T13:59:05",{"id":199,"version":200,"summary_zh":201,"released_at":202},108764,"v0.11.0","## AgentsMesh Runner v0.11.0\n\nAgentsMesh Runner 是一款 AI 代理任务执行器，可连接到 AgentsMesh 服务器，并在隔离的终端环境中执行 AI 代理任务。\n\n### 快速安装\n\n**macOS \u002F Linux（一行命令）：**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows（PowerShell）：**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n### 快速开始\n\n```bash\n# 注册（全局：https:\u002F\u002Fagentsmesh.ai 或您自己的服务器）\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# 启动运行器\nagentsmesh-runner run\n```\n\n如需完整文档，请访问：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## 更改日志\n### 新特性\n* 1014e3f1 重构（runner）：将 Unix 套接字\u002F命名管道 IPC 替换为 TCP 回环 + 令牌认证 (#197)\n\n### 错误修复\n* d735372d 修复（loop）：解决异步运行器错误时持久沙盒陷入死循环的问题 (#136)\n* 8ec4e74f 修复（mcp）：按照 Streamable HTTP 规范处理通知，以兼容 Codex (#175)\n* 036120ad 修复（runner）：无论 PKI 状态如何，始终注册令牌管理路由\n* 14a34635 修复（dev）：移除会覆盖已签名 runner 二进制文件的 build_runner_local (#196)\n* a00f2a42 修复（lint）：使用带标签的 switch 来避免 staticcheck QF1003 警告\n\n---\n\n**文档**：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner","2026-03-26T07:00:30",{"id":204,"version":205,"summary_zh":206,"released_at":207},108765,"v0.10.18","## AgentsMesh Runner v0.10.18\n\nAgentsMesh Runner 是一款 AI 代理任务执行器，可连接到 AgentsMesh 服务器，并在隔离的终端环境中执行 AI 代理任务。\n\n### 快速安装\n\n**macOS \u002F Linux（一行命令）：**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows（PowerShell）：**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n### 快速开始\n\n```bash\n# 注册（全局：https:\u002F\u002Fagentsmesh.ai 或您自己的服务器）\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# 启动运行器\nagentsmesh-runner run\n```\n\n如需完整文档，请访问：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## 更改日志\n### 错误修复\n* 65553c3b 修复(runner)：增强 copyDirSelective 对符号链接、特殊文件及边缘情况的处理能力 (#190)\n\n---\n\n**文档**：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner","2026-03-26T02:53:18",{"id":209,"version":210,"summary_zh":211,"released_at":212},108766,"v0.10.17","## AgentsMesh Runner v0.10.17\n\nAgentsMesh Runner 是一款 AI 代理任务执行器，可连接到 AgentsMesh 服务器，并在隔离的终端环境中执行 AI 代理任务。\n\n### 快速安装\n\n**macOS \u002F Linux（一行命令）：**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows（PowerShell）：**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n### 快速开始\n\n```bash\n# 注册（全局：https:\u002F\u002Fagentsmesh.ai 或您自己的服务器）\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# 启动运行器\nagentsmesh-runner run\n```\n\n如需完整文档，请访问：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## 更改日志\n### 新特性\n* e665967d 功能（runner）：添加守护进程稳定性监控 (#189)\n* eb04c954 功能（codex）：适配 Codex CLI 的 Rust 重写版本 (v0.100+) (#184)\n\n### 错误修复\n* 79939e73 修复（ci）：仅对 Go 服务使用 ECR Public，Node 服务仍使用 Docker Hub (#188)\n\n---\n\n**文档**：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner","2026-03-25T12:26:37",{"id":214,"version":215,"summary_zh":216,"released_at":217},108767,"v0.10.16","## AgentsMesh Runner v0.10.16\n\nAgentsMesh Runner 是一款 AI 代理任务执行器，可连接到 AgentsMesh 服务器，并在隔离的终端环境中执行 AI 代理任务。\n\n### 快速安装\n\n**macOS \u002F Linux（一行命令）：**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows（PowerShell）：**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n### 快速开始\n\n```bash\n# 注册（全局：https:\u002F\u002Fagentsmesh.ai 或您自己的服务器）\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# 启动运行器\nagentsmesh-runner run\n```\n\n如需完整文档，请访问：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## 更改日志\n### 错误修复\n* fix(ci)：使用 ECR Public 镜像以避免 Docker Hub 的速率限制 (#186)\n* fix(ci)：仅对 Go 服务使用 ECR Public，Node 仍使用 Docker Hub (#188)\n* fix(web)：将 react-dom 同步至 19.2.4，以匹配 react 版本 (#187)\n\n---\n\n**文档**：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner","2026-03-25T03:36:52",{"id":219,"version":220,"summary_zh":221,"released_at":222},108768,"v0.10.14","## AgentsMesh Runner v0.10.14\n\nAgentsMesh Runner 是一款 AI 代理任务执行器，可连接到 AgentsMesh 服务器，并在隔离的终端环境中执行 AI 代理任务。\n\n### 快速安装\n\n**macOS \u002F Linux（一行命令）：**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows（PowerShell）：**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n### 快速开始\n\n```bash\n# 注册（全局：https:\u002F\u002Fagentsmesh.ai 或您自己的服务器）\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# 启动运行器\nagentsmesh-runner run\n```\n\n如需完整文档，请访问：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## 更改日志\n### 错误修复\n* fc336b5f 修复(runner)：在共享裸仓库中使用认证 URL 进行 Git 拉取 (#185)\n* f6ca1ad0 修复(web)：修复 Windows IME 候选框在终端中的闪烁问题 (#180)\n* ab75da5c 修复(后端)：使仓库导入具有幂等性（重复时进行更新插入操作）\n* dace3dbe 修复(web)：使 PostHog 跟踪可通过环境变量配置\n\n### 文档更新\n* e2e84cd3 文档(web)：提升所有文档对初学者的友好度\n* bf596d70 文档(web)：添加 MCP 工具与技能教程\n* 9920a50a 文档(web)：更新 GitHub 设置，将个人访问令牌作为主要方法\n* e3ad2c2b 文档(web)：添加运行器和 Git 教程，并整合导航部分\n* 5b732519 文档(web)：新增教程章节并重构文档导航\n\n---\n\n**文档**：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner","2026-03-24T09:49:12",{"id":224,"version":225,"summary_zh":226,"released_at":227},108769,"v0.10.13","## AgentsMesh Runner v0.10.13\n\nAgentsMesh Runner 是一款 AI 代理任务执行器，可连接到 AgentsMesh 服务器，并在隔离的终端环境中执行 AI 代理任务。\n\n### 快速安装\n\n**macOS \u002F Linux（一行命令）：**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows（PowerShell）：**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n### 快速开始\n\n```bash\n# 注册（全局：https:\u002F\u002Fagentsmesh.ai 或您自己的服务器）\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# 启动运行器\nagentsmesh-runner run\n```\n\n如需完整文档，请访问：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## 更改日志\n### 错误修复\n* 999fa726 修复(runner)：在启动时从失效的运行器中回收 MCP 端口\n* 53853fef 修复(后端)：允许重新导入已软删除的 GitHub 仓库 (#169)\n* 00f4cc18 修复(后端)：将 .mcp.json 移至插件目录，以避免覆盖仓库配置 (#177)\n\n---\n\n**文档**：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner","2026-03-23T07:00:21",{"id":229,"version":230,"summary_zh":231,"released_at":232},108770,"v0.10.12","## AgentsMesh Runner v0.10.12\n\nAgentsMesh Runner 是一款 AI 代理任务执行器，可连接到 AgentsMesh 服务器，并在隔离的终端环境中执行 AI 代理任务。\n\n### 快速安装\n\n**macOS \u002F Linux（一行命令）：**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows（PowerShell）：**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n### 快速开始\n\n```bash\n# 注册（全局：https:\u002F\u002Fagentsmesh.ai 或您自己的服务器）\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# 启动运行器\nagentsmesh-runner run\n```\n\n如需完整文档，请访问：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## 更改日志\n### 新特性\n* b6b045fb8382f210b94fce97a4d39191ec65491a 功能（runner）：升级后重启时使用 exec-replace (#170)\n\n---\n\n**文档**：https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner\n\n","2026-03-22T02:10:32",{"id":234,"version":235,"summary_zh":236,"released_at":237},108771,"v0.10.11","## AgentsMesh Runner v0.10.11\n\nAgentsMesh Runner is an AI Agent task executor that connects to the AgentsMesh server and executes AI agent tasks in isolated terminal environments.\n\n### Quick Install\n\n**macOS \u002F Linux (one-line):**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows (PowerShell):**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n### Quick Start\n\n```bash\n# Register (Global: https:\u002F\u002Fagentsmesh.ai or your own server)\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# Start runner\nagentsmesh-runner run\n```\n\nFor full documentation, visit: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## Changelog\n### New Features\n* 9b8e51aebf265f33800156f2d5fbca720ea60cba feat(web): improve SEO with target keywords across metadata and structured data\n* 010526a10c075949bdb1641af4108983578470df feat(web): update landing page slogan and hero section UI\n### Bug Fixes\n* d91fdb7c6501f5046d89a4c99176df608d002bd3 fix(runner): enable RunAtLoad for macOS launchd service (#163)\n* ba5a261b7e2aea4cc679fecb59a95fd6abb76446 fix(runner): widen timeout assertion in token refresh test for Windows CI\n### Other\n* c21b9bf37c0460e74b98f64d1dca1f3f413186df fix(deploy) fix primary domain in selfhost docker-compose.yml (#160)\n* dfc0176843d56f518caaeb66d818a6f97ad12b70 fix(deploy) minio expose api port in docker-compose.yml (selfhost mode) (#159)\n\n---\n\n**Documentation**: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner\n\n","2026-03-21T09:56:31",{"id":239,"version":240,"summary_zh":241,"released_at":242},108772,"v0.10.10","## AgentsMesh Runner v0.10.10\n\nAgentsMesh Runner is an AI Agent task executor that connects to the AgentsMesh server and executes AI agent tasks in isolated terminal environments.\n\n### Quick Install\n\n**macOS \u002F Linux (one-line):**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows (PowerShell):**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n### Quick Start\n\n```bash\n# Register (Global: https:\u002F\u002Fagentsmesh.ai or your own server)\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# Start runner\nagentsmesh-runner run\n```\n\nFor full documentation, visit: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## Changelog\n### Bug Fixes\n* 489c38202d2bd86d9a2c09f6961b66faf0c0ac5a fix(runner): merge current process PATH with resolved login shell PATH (#157)\n### Other\n* e8ed371d8dbfe284e84cb23779958faabd313d73 refactor(runner): decompose Runner God Object via ISP\u002FSRP extraction (#154)\n\n---\n\n**Documentation**: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner\n\n","2026-03-20T07:42:41",{"id":244,"version":245,"summary_zh":246,"released_at":247},108773,"v0.10.9","## AgentsMesh Runner v0.10.9\n\nAgentsMesh Runner is an AI Agent task executor that connects to the AgentsMesh server and executes AI agent tasks in isolated terminal environments.\n\n### Quick Install\n\n**macOS \u002F Linux (one-line):**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows (PowerShell):**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n**macOS (Homebrew):**\n```bash\nbrew tap agentsmesh\u002Ftap https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FBrewCask\nbrew install agentsmesh\u002Ftap\u002Fagentsmesh-runner\n```\n\n### Quick Start\n\n```bash\n# Register (Global: https:\u002F\u002Fagentsmesh.ai or your own server)\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# Start runner\nagentsmesh-runner run\n```\n\nFor full documentation, visit: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## Changelog\n### New Features\n* 5c90e45c37f9547a924aa3f4f93797ecaa9d39d0 feat(pod): support setting alias when creating a Pod (#150)\n### Other\n* 14591c4bf13b8590886ca3958b55ee229281b6fe fix(runner,web): fix pod daemon recovery path and sidebar realtime update (#151)\n\n---\n\n**Documentation**: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner\n\n","2026-03-19T14:13:23",{"id":249,"version":250,"summary_zh":251,"released_at":252},108774,"v0.10.8","## AgentsMesh Runner v0.10.8\n\nAgentsMesh Runner is an AI Agent task executor that connects to the AgentsMesh server and executes AI agent tasks in isolated terminal environments.\n\n### Quick Install\n\n**macOS \u002F Linux (one-line):**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows (PowerShell):**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n**macOS (Homebrew):**\n```bash\nbrew tap agentsmesh\u002Ftap https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FBrewCask\nbrew install agentsmesh\u002Ftap\u002Fagentsmesh-runner\n```\n\n### Quick Start\n\n```bash\n# Register (Global: https:\u002F\u002Fagentsmesh.ai or your own server)\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# Start runner\nagentsmesh-runner run\n```\n\nFor full documentation, visit: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## Changelog\n### Bug Fixes\n* b02cf86935a5242d367f22f993cd0d1afe6fa61a fix(runner): swap issuer\u002Fkey argument order for notarization\n\n---\n\n**Documentation**: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner\n\n","2026-03-19T12:40:48",{"id":254,"version":255,"summary_zh":256,"released_at":257},108775,"v0.10.7","## AgentsMesh Runner v0.10.7\n\nAgentsMesh Runner is an AI Agent task executor that connects to the AgentsMesh server and executes AI agent tasks in isolated terminal environments.\n\n### Quick Install\n\n**macOS \u002F Linux (one-line):**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows (PowerShell):**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n**macOS (Homebrew):**\n```bash\nbrew tap agentsmesh\u002Ftap https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FBrewCask\nbrew install agentsmesh\u002Ftap\u002Fagentsmesh-runner\n```\n\n### Quick Start\n\n```bash\n# Register (Global: https:\u002F\u002Fagentsmesh.ai or your own server)\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# Start runner\nagentsmesh-runner run\n```\n\nFor full documentation, visit: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## Changelog\n### Bug Fixes\n* f35b55bcfb2fdc206ff80d5294093cf652e3428e fix(runner): fix notarization race condition and auth failure\n\n---\n\n**Documentation**: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner\n\n","2026-03-19T12:26:54",{"id":259,"version":260,"summary_zh":261,"released_at":262},108776,"v0.10.6","## AgentsMesh Runner v0.10.6\n\nAgentsMesh Runner is an AI Agent task executor that connects to the AgentsMesh server and executes AI agent tasks in isolated terminal environments.\n\n### Quick Install\n\n**macOS \u002F Linux (one-line):**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows (PowerShell):**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n**macOS (Homebrew):**\n```bash\nbrew tap agentsmesh\u002Ftap https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FBrewCask\nbrew install agentsmesh\u002Ftap\u002Fagentsmesh-runner\n```\n\n### Quick Start\n\n```bash\n# Register (Global: https:\u002F\u002Fagentsmesh.ai or your own server)\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# Start runner\nagentsmesh-runner run\n```\n\nFor full documentation, visit: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## Changelog\n### New Features\n* 5395dc0b948534765fa27a7079649fd9cd33a034 feat(runner): add Apple Notarization for macOS binaries\n\n---\n\n**Documentation**: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner\n\n","2026-03-19T12:17:11",{"id":264,"version":265,"summary_zh":266,"released_at":267},108777,"v0.10.5","## AgentsMesh Runner v0.10.5\n\nAgentsMesh Runner is an AI Agent task executor that connects to the AgentsMesh server and executes AI agent tasks in isolated terminal environments.\n\n### Quick Install\n\n**macOS \u002F Linux (one-line):**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows (PowerShell):**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n**macOS (Homebrew):**\n```bash\nbrew tap agentsmesh\u002Ftap https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FBrewCask\nbrew install agentsmesh\u002Ftap\u002Fagentsmesh-runner\n```\n\n### Quick Start\n\n```bash\n# Register (Global: https:\u002F\u002Fagentsmesh.ai or your own server)\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# Start runner\nagentsmesh-runner run\n```\n\nFor full documentation, visit: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## Changelog\n### New Features\n* 6ee7457347d70668a91f9cf9f1ca84676ac68e20 feat(web): comprehensive SEO\u002FGEO optimization across all public pages (#148)\n### Bug Fixes\n* 64d1dcccd75c0316e17c38fb62acb5d8b3a07ce3 fix(runner): rate-limit OutputRouter drop warning and fix macOS code signing (#149)\n\n---\n\n**Documentation**: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner\n\n","2026-03-19T11:57:36",{"id":269,"version":270,"summary_zh":271,"released_at":272},108778,"v0.10.4","## AgentsMesh Runner v0.10.4\n\nAgentsMesh Runner is an AI Agent task executor that connects to the AgentsMesh server and executes AI agent tasks in isolated terminal environments.\n\n### Quick Install\n\n**macOS \u002F Linux (one-line):**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows (PowerShell):**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n**macOS (Homebrew):**\n```bash\nbrew tap agentsmesh\u002Ftap https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FBrewCask\nbrew install agentsmesh\u002Ftap\u002Fagentsmesh-runner\n```\n\n### Quick Start\n\n```bash\n# Register (Global: https:\u002F\u002Fagentsmesh.ai or your own server)\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# Start runner\nagentsmesh-runner run\n```\n\nFor full documentation, visit: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## Changelog\n### Bug Fixes\n* a4c5eff7688cc60a0f23c0e7f35faf90807c2dbd fix(runner): decouple IPC socket path from sandbox directory (#147)\n* d564d8358dde1d444c9618e2d5311ca792f806a0 fix(web): close terminal pane on pod terminate and remove redundant tab bar (#144)\n\n---\n\n**Documentation**: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner\n\n","2026-03-19T05:13:53",{"id":274,"version":275,"summary_zh":276,"released_at":277},108779,"v0.10.3","## AgentsMesh Runner v0.10.3\n\nAgentsMesh Runner is an AI Agent task executor that connects to the AgentsMesh server and executes AI agent tasks in isolated terminal environments.\n\n### Quick Install\n\n**macOS \u002F Linux (one-line):**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows (PowerShell):**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n**macOS (Homebrew):**\n```bash\nbrew tap agentsmesh\u002Ftap https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FBrewCask\nbrew install agentsmesh\u002Ftap\u002Fagentsmesh-runner\n```\n\n### Quick Start\n\n```bash\n# Register (Global: https:\u002F\u002Fagentsmesh.ai or your own server)\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# Start runner\nagentsmesh-runner run\n```\n\nFor full documentation, visit: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## Changelog\n### Bug Fixes\n* e5b359facd9c0d9f84e8b73c5b48bf0532159e1e fix(runner): search Claude JSONL files in HOME-based project path (#143)\n\n---\n\n**Documentation**: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner\n\n","2026-03-18T13:47:28",{"id":279,"version":280,"summary_zh":281,"released_at":282},108780,"v0.10.2","## AgentsMesh Runner v0.10.2\n\nAgentsMesh Runner is an AI Agent task executor that connects to the AgentsMesh server and executes AI agent tasks in isolated terminal environments.\n\n### Quick Install\n\n**macOS \u002F Linux (one-line):**\n```bash\ncurl -fsSL https:\u002F\u002Fagentsmesh.ai\u002Finstall.sh | sh\n```\n\n**Windows (PowerShell):**\n```powershell\nirm https:\u002F\u002Fagentsmesh.ai\u002Finstall.ps1 | iex\n```\n\n**macOS (Homebrew):**\n```bash\nbrew tap agentsmesh\u002Ftap https:\u002F\u002Fgithub.com\u002FAgentsMesh\u002FBrewCask\nbrew install agentsmesh\u002Ftap\u002Fagentsmesh-runner\n```\n\n### Quick Start\n\n```bash\n# Register (Global: https:\u002F\u002Fagentsmesh.ai or your own server)\nagentsmesh-runner register --server \u003CSERVER_URL> --token YOUR_TOKEN\n\n# Start runner\nagentsmesh-runner run\n```\n\nFor full documentation, visit: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunners\u002Fsetup\n\n## Changelog\n### New Features\n* ba642ba9eb0a05978d9ff040c312223dd716cdcc feat(mcp): add list_loops and trigger_loop MCP tools (#142)\n\n---\n\n**Documentation**: https:\u002F\u002Fagentsmesh.ai\u002Fdocs\u002Frunner\n\n","2026-03-18T12:23:20"]