kilocode
Kilo 是一款开源的 AI 编程助手，直接集成在 VS Code 中，也能通过命令行使用。它把自然语言变成可运行的代码——你描述想做什么，Kilo 就帮你写出来，还能自动检查对错、运行终端命令、甚至操控浏览器完成测试。
对于开发者来说，Kilo 解决了一个常见痛点：反复在文档、搜索引擎和编辑器之间切换。它内置了 500 多种主流 AI 模型（包括 Gemini、Claude、GPT 系列），无需自己配置 API 密钥就能开箱即用。更实用的是它的"多模式"设计：Architect 模式帮你规划架构，Coder 模式专注写代码，Debugger 模式专门排查问题，你也可以自定义适合自己的工作流。
Kilo 的另一个亮点是 MCP 服务器市场，能轻松扩展代理能力，对接各种外部工具和服务。加上实时代码补全、自动重构等功能，它特别适合追求效率的独立开发者、全栈工程师，以及希望减少重复劳动的技术团队。目前已有超过 150 万开发者使用，在 OpenRouter 的编程代理类别中排名第一。
使用场景
一位全栈开发者正在为一个电商平台开发新的商品推荐功能，需要快速实现复杂的算法逻辑并优化代码性能。
没有 kilocode 时
- 开发者需要手动编写大量代码，尤其是处理自然语言描述的推荐算法时，效率低下且容易出错。
- 调试和重构代码耗时较长，每次修改后都需要反复检查逻辑是否正确。
- 自动化任务（如批量测试或数据预处理）需要额外编写脚本，增加了工作量。
- 缺乏实时的代码建议，导致编码过程中频繁查阅文档或搜索解决方案。
- 使用多个 AI 模型进行代码优化时，需要分别配置 API 密钥和环境，流程繁琐。
使用 kilocode 后
- 开发者可以直接用自然语言描述需求，kilocode 自动生成高质量代码，显著提升开发速度。
- 内置的自动化调试和重构功能帮助快速优化代码，减少手动检查的工作量。
- 支持一键运行终端命令和自动化任务，无需额外编写脚本，节省时间。
- 提供智能的内联代码补全建议，减少查阅文档的频率，让编码更加流畅。
- 集成了 500+ AI 模型，无需单独配置 API 密钥，轻松切换不同模型以获得最佳效果。
通过 kilocode，开发者不仅大幅缩短了开发周期，还提升了代码质量和工作效率，真正实现了从繁琐任务中解放出来。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明
快速开始
🚀 Kilo
Kilo 是一个全方位的智能工程平台（agentic engineering platform）。借助最受欢迎的开源编码代理，更快地构建、发布和迭代。 #1 编码代理于 OpenRouter。已有超过 150 万 Kilo 用户，处理了超过 25 万亿个 token。
- ✨ 通过自然语言生成代码
- ✅ 自我检查工作成果
- 🧪 运行终端命令
- 🌐 自动化浏览器操作
- ⚡ 提供内联自动补全建议
- 🤖 最新的 AI 模型
- 🎁 API 密钥可选
- 💡 首次充值即可获得 $20 奖励积分 积分可用于 500 多种模型，如 Gemini 3.1 Pro、Claude 4.6 Sonnet & Opus 和 GPT-5.2
快速链接
- VS Code Marketplace （下载）
- 安装 CLI：
npm install -g @kilocode/cli - Kilo.ai 官方主页 （了解更多）
主要功能
- 代码生成： Kilo 可以通过自然语言生成代码。
- 内联自动补全： 在您输入时提供由 AI 驱动的智能代码补全。
- 任务自动化： Kilo 可以自动化重复性编码任务以节省时间。
- 自动重构： Kilo 能够高效地重构和改进现有代码。
- MCP 服务器市场： Kilo 可轻松查找并使用 MCP 服务器来扩展代理能力。
- 多模式： 使用 Architect 规划、Coder 编码、Debugger 调试，并创建自定义模式。
在 Visual Studio Code 中快速开始
- 从 VS Code Marketplace 安装 Kilo Code 扩展。
- 创建您的账户以访问 500 多种前沿 AI 模型，包括 Gemini 3 Pro、Claude 4.5 Sonnet & Opus 和 GPT-5，价格透明且与供应商定价完全一致。
- 开始使用适应您工作流程的 AI 编码工具。观看我们的快速入门指南，了解 Kilo 的实际应用：
使用 CLI 快速开始
# npm
npm install -g @kilocode/cli
# 或者直接使用 npx 运行
npx @kilocode/cli
然后在任何项目目录中运行 kilo 即可开始。
npm 安装说明：隐藏的 .kilo 文件
在某些系统和 npm 版本中，安装 @kilocode/cli 时可能会在安装的 kilo 命令附近创建一个隐藏的 .kilo 文件（例如，在全局 npm bin 目录中）。该文件是 npm 生成的启动器辅助文件，而非项目数据。
- 存在原因：npm 在连接 CLI 可执行文件时可能会创建辅助工件。
- 大小注意事项：大小可能因平台、npm 版本和安装模式（符号链接或复制启动器）而异，因此不保证严格的固定大小。
- 安全性：可以安全保留。请勿手动编辑。使用包管理器的卸载命令（
npm uninstall -g @kilocode/cli）以干净地移除安装工件。
从 GitHub Releases 安装（可选）
从 Releases 页面 下载最新的二进制文件或源代码，使用以下快速指南：
kilo-<os>-<arch>.zip是适用于 Windows 和 macOS 的 CLI 二进制文件。（Linux 使用kilo-linux-<arch>.tar.gz）darwin表示 macOS。x64表示标准的 64 位 Intel/AMD CPU。x64-baseline是为较旧的 x64 CPU 构建的兼容版本（不支持 AVX 指令）。arm64表示基于 ARM 的 Linux/MacOS。musl是静态链接的 Linux 构建，适用于 Alpine/最小化 Docker 环境（无 glibc）。Alpine/最小化 Docker 用户应优先选择匹配的 *-musl 资产。kilo-vscode-*.vsix是 VS Code 扩展包，非 CLI 二进制文件。Source code发布用于从源代码构建，非普通安装。
对于大多数用户：
- Windows（大多数 PC）：
kilo-windows-x64.zip - macOS Apple Silicon：
kilo-darwin-arm64.zip - macOS Intel：
kilo-darwin-x64.zip - Linux x64：
kilo-linux-x64.tar,gz - Linux on ARM：
kilo-linux-arm64.tar.gz
自主模式（CI/CD）
使用 --auto 标志与 kilo run 启用完全自主的操作，无需用户交互。这非常适合 CI/CD 管道和自动化工作流：
kilo run --auto "运行测试并修复任何失败"
重要提示： --auto 标志会禁用所有权限提示，并允许代理在没有确认的情况下执行任何操作。仅在受信任的环境（如 CI/CD 管道）中使用此功能。
贡献
我们欢迎开发者、作家和爱好者的贡献！ 要开始，请阅读我们的 贡献指南。其中包含设置环境、编码标准、贡献类型以及如何提交拉取请求的详细信息。
查看 RELEASING.md 了解发布流程。
行为准则
我们的社区建立在尊重、包容和协作的基础上。请查看我们的 行为准则，了解对所有贡献者和社区成员的期望。
许可证
本项目采用 MIT 许可证。 您可以自由使用、修改和分发此代码，包括用于商业用途，只要包含适当的归属和许可证声明。详见 许可证。
Kilo CLI 的起源？
Kilo CLI 是 OpenCode 的分支，经过增强后可在 Kilo 智能工程平台中使用。
版本历史
v7.1.202026/04/02v7.1.192026/04/02v7.1.182026/04/02v7.1.172026/04/01v7.1.162026/04/01v7.1.152026/04/01v7.1.142026/04/01v7.1.132026/04/01v7.1.122026/03/31v7.1.112026/03/31v7.1.102026/03/31v7.1.92026/03/28v7.1.82026/03/26v7.1.72026/03/26v7.1.62026/03/26v7.1.52026/03/26v7.1.42026/03/25v7.1.32026/03/24v7.1.22026/03/23v7.1.12026/03/23常见问题
相似工具推荐
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。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-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。 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。
ragflow
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。 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。 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。