o1-engineer
o1-engineer 是一款专为开发者打造的命令行助手,旨在通过人工智能技术简化项目管理与代码开发流程。它深度集成 OpenAI API(并新增支持 Grok 模型),能够理解自然语言指令,自动完成代码生成、文件编辑、项目规划及代码审查等复杂任务,有效解决了传统开发中重复性操作繁琐、项目结构梳理耗时等痛点。
该工具特别适合希望提升编码效率的软件工程师、全栈开发者及技术团队使用。其核心亮点在于强大的上下文管理能力与交互式工作流:不仅支持对文件和文件夹进行灵活的增删改操作,还独创了"/planning"命令,允许用户先制定宏观项目计划,再系统性地将规划转化为具体的目录结构与代码文件。此外,o1-engineer 具备流式输出、对话历史保存及丰富的文本交互界面,让开发者能在终端内获得连贯、清晰的智能辅助体验。只需简单配置 API 密钥,即可将 AI 能力无缝融入日常开发环节,让项目构建与维护变得更加直观高效。
使用场景
资深后端工程师李明正负责从零搭建一个高并发的微服务订单系统,需要在两天内完成基础架构搭建与核心代码编写。
没有 o1-engineer 时
- 手动规划耗时:需花费数小时在白板或文档中梳理目录结构、模块依赖及接口定义,容易遗漏细节。
- 重复样板代码:必须逐个创建数十个空文件和文件夹,并手动编写大量重复的 CRUD 样板代码,效率低下。
- 上下文切换频繁:在 IDE、终端和浏览器之间反复跳转以查阅文档或执行命令,打断开发心流。
- 代码审查滞后:只能在功能完成后统一进行代码走查,难以在编写过程中实时发现潜在逻辑漏洞或规范问题。
使用 o1-engineer 后
- 一键生成规划:通过
/planning命令,o1-engineer 瞬间输出完整的项目蓝图,自动定义好所有目录层级与文件清单。 - 自动化构建骨架:利用
/create和增强的/add命令,o1-engineer 直接生成整个项目文件夹结构及包含业务逻辑的初始代码文件。 - 终端沉浸式开发:李明只需在命令行中与 o1-engineer 对话,即可实时完成文件编辑、代码生成与指令执行,无需离开终端。
- 实时智能评审:随时调用
/review命令,o1-engineer 即时分析当前代码质量并提供优化建议,将缺陷拦截在编码阶段。
o1-engineer 将原本繁琐的项目初始化与编码流程转化为自然的语言交互,让开发者从机械劳动中解放,专注于核心业务逻辑的创新。
运行环境要求
- 未说明
不需要
未说明

快速开始
🛠️ o1-engineer
一款命令行工具,旨在帮助开发者高效地管理和交互他们的项目。o1-engineer 利用 OpenAI 的 API 功能,提供代码生成、文件编辑、项目规划和代码审查等功能,以简化您的开发工作流程。
新增
已在仓库中添加 Grok Engineer。请确保在您的 .env 文件中添加 XAI_API_KEY。
新增了流式传输功能。
🛠️ 更新的功能
- 增强的文件和文件夹管理:
/add和/edit命令现在支持添加和修改文件及文件夹,从而在管理项目结构时提供更大的灵活性。 - 项目规划:引入了
/planning命令,允许用户创建全面的项目计划,这些计划可用于系统地生成文件和目录。 - 高级工作流:新的示例展示了如何集成规划和创建命令,以实现高效的项目设置。
✨ 功能
- 自动化代码生成:轻松为您的项目生成代码。
- 文件管理:直接从命令行添加、编辑和管理项目文件。
- 交互式控制台:用户友好的界面,支持富文本,提升可读性。
- 对话历史:根据需要保存和重置对话历史。
- 代码审查:分析和审查代码文件的质量及改进建议。
- 增强的文件和文件夹管理:
/add和/edit命令现在支持添加和修改文件及文件夹,从而在管理项目结构时提供更大的灵活性。 - 项目规划:引入了
/planning命令,允许用户创建全面的项目计划,这些计划可用于系统地使用/create命令生成文件和目录。
💡 脚本的工作原理
- 初始化:脚本初始化全局变量,并使用提供的 API 密钥设置 OpenAI 客户端。
- 处理用户命令:它监听用户的命令,如
/edit、/create、/add、/review以及新的/planning命令,并相应地进行处理。 - 处理文件和文件夹的修改:根据用户的指示,脚本会修改文件和文件夹,添加新内容,或根据需要创建新的文件和文件夹。
/add和/edit命令已增强,支持文件和文件夹的操作,从而在项目管理中提供更大的灵活性。 - 项目规划:新引入的
/planning命令允许用户创建全面的项目计划,脚本可以使用该计划通过/create命令系统地生成文件和目录。 - AI 生成的指令:该工具与 OpenAI 的 API 交互,以生成代码生成、编辑、项目规划和审查的指令和建议。
- 应用更改:根据 AI 生成的指令,将更改应用到项目文件和文件夹中,确保项目保持最新并得到良好维护。
- 管理对话历史和已添加的文件:脚本管理对话历史,并跟踪已添加到上下文中的文件和文件夹,允许用户根据需要重置或修改历史。
📥 安装
先决条件
🔧 步骤
克隆仓库:
git clone https://github.com/doriandarko/o1-engineer.git进入项目目录:
cd o1-engineer安装依赖:
pip install -r requirements.txt配置 API:
在脚本顶部添加您的 API 密钥
client = OpenAI(api_key="YOUR API")
📚 使用方法
使用以下命令启动应用程序:
python o1-eng.py
🎮 可用命令
/edit:编辑文件或文件夹(后接文件或文件夹路径)/create:创建文件或文件夹(后接指令)/add:将文件或文件夹添加到上下文中(后接文件或文件夹路径)/planning:规划项目结构和任务(后接指令)/debug:打印最近一次的 AI 响应/reset:重置聊天上下文并清除已添加的文件/review:审查和分析代码文件的质量及潜在改进(后接文件或文件夹路径)/quit:退出程序
🚀 高级工作流
以下是一个演示如何使用 /planning 后接 /create 来根据所创建的计划生成文件的工作流程示例:
规划项目:
您:/planning 创建一个基本的 Web 应用程序,其结构如下: - 前端文件夹,包含 HTML、CSS 和 JavaScript 文件。 - 后端文件夹,包含服务器端脚本。 - 一个 README.md 文件,用于项目文档。根据计划创建项目结构:
您:/create 根据上述计划生成项目结构。
这展示了如何使用新的 /planning 命令定义项目结构,然后使用 /create 命令相应地生成文件和文件夹。
📝 示例
您:/add src/main.py src/utils/helper.py src/models/
您:/planning 概述一个 RESTful API 项目,其中模型、视图和控制器分别位于不同的文件夹中。
您:/create 设置一个 RESTful API 项目的初步结构,包括模型、视图和控制器文件夹以及初始文件。
您:/edit src/main.py src/models/user.py src/views/user_view.py
🤝 贡献
我们欢迎贡献!请按照以下步骤操作:
- 分支仓库。
- 创建新分支 (
git checkout -b feature/YourFeature)。 - 提交更改 (
git commit -m '添加某项功能')。 - 推送到分支 (
git push origin feature/YourFeature)。 - 打开拉取请求。
🙏 致谢
- OpenAI 提供的强大 API。
星标历史
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-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。 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。
everything-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。 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。 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
ComfyUI
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。 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。 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。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
