nanocoder
Nanocoder 是一款运行在终端本地的智能编程助手,由非营利的 Nano Collective 社区共同构建。它将类似 Claude Code 或 Gemini CLI 的强大代理编码能力带入本地环境,支持连接本地大模型(如通过 Ollama)或受控的 API 服务(如 OpenRouter),让开发者能在熟悉的命令行界面中直接进行代码分析、重构、文件操作及命令执行。
针对开发者对数据隐私和工具控制权的担忧,Nanocoder 坚持“本地优先”原则,确保代码不出本地即可享受 AI 辅助,同时提供透明的配置选项。它解决了传统云端 AI 编程工具可能存在的数据泄露风险及依赖特定厂商的问题,让用户能灵活选择模型提供商,真正实现自主可控的智能化开发流程。
这款工具特别适合注重隐私安全、习惯使用命令行的高效开发者,以及希望在不依赖昂贵云服务的前提下探索本地大模型应用的技术人员。其独特的技术亮点在于完全开源透明、支持多模型后端切换、内置丰富的斜杠命令与快捷键系统,并可通过 MCP 服务器扩展功能。安装简便,只需一条 npm 命令即可全局部署,是追求自由、开放与协作精神的现代开发者的理想选择。
使用场景
一位后端开发者需要在断网或高隐私要求的内网环境中,快速重构遗留的数据库模块并修复潜在的类型错误。
没有 nanocoder 时
- 隐私与网络焦虑:担心将核心业务代码上传至云端大模型会泄露数据,且在无外网环境下无法使用任何 AI 辅助工具。
- 上下文切换频繁:需要在编辑器、浏览器文档和终端之间反复跳转,手动复制粘贴代码片段来询问逻辑问题,打断心流。
- 操作繁琐低效:AI 给出的修改建议无法直接执行,开发者必须手动定位文件、逐行修改代码并重新运行测试命令验证结果。
- 成本不可控:依赖商业 API 进行大规模代码分析时,高昂的 Token 费用让团队在尝试新技术时顾虑重重。
使用 nanocoder 后
- 本地优先的安全体验:直接通过 Ollama 调用本地部署的 Llama 3.1 模型,所有代码分析与生成均在本地完成,彻底杜绝数据外泄风险。
- 终端内的无缝交互:直接在终端输入
nanocoder run "refactor database module",AI 自动读取文件上下文并提供方案,无需离开命令行环境。 - 自主执行与验证:nanocoder 具备文件操作和命令执行能力,能自动应用代码修改并运行测试脚本,开发者只需确认关键步骤即可。
- 灵活的低成本接入:支持通过 OpenRouter 等接口按需切换模型,或在本地免费运行,让高频次的代码重构任务不再受预算限制。
nanocoder 让开发者在完全掌控数据和环境的前提下,享受到了媲美云端智能体的自动化编码效率。
运行环境要求
- Linux
- macOS
- Windows
- 未说明(支持本地模型如 Ollama,具体 GPU 需求取决于所选模型
- 也支持云端 API 如 OpenRouter,无需本地 GPU)
未说明(取决于运行的本地模型大小)

快速开始
Nanocoder
由 Nano Collective 构建的本地优先 CLI 编码代理——这是一个非营利性社区组织,致力于为社区打造 AI 工具。我们构建的每一项产品都开放、透明,并由使用者共同驱动。这才是正确的 AI 打造方式。
Nanocoder 将 Claude Code 和 Gemini CLI 等代理式编码工具的强大功能引入本地模型或受控 API(如 OpenRouter)。它以隐私和控制为核心设计,支持多家 AI 提供商,并提供文件操作和命令执行等工具支持。

快速入门
npm install -g @nanocollective/nanocoder
nanocoder
也可通过 Homebrew 和 Nix Flakes 安装。
CLI 标志
直接指定提供商和模型:
# 非交互模式,使用特定提供商/模型
nanocoder --provider openrouter --model google/gemini-3.1-flash run "analyze src/app.ts"
# 交互模式,从特定提供商开始
nanocoder --provider ollama --model llama3.1
# 标志可以出现在 'run' 命令之前或之后
nanocoder run --provider openrouter "refactor database module"
文档
完整文档可在线上 docs.nanocollective.org 或在 docs/ 文件夹中找到:
- 入门指南 —— 安装、设置及第一步操作
- 配置 —— AI 提供商、MCP 服务器、偏好设置、日志记录、超时等
- 特性 —— 自定义命令、检查点、开发模式、任务管理等
- 命令参考 —— 内置斜杠命令的完整列表
- 键盘快捷键 —— 完整快捷键参考
- 社区 —— 贡献、Discord 社区及如何参与帮助
社区
Nano Collective 是一个非营利性的社区组织,专注于为社区构建 AI 工具。我们非常欢迎您的参与!
- 贡献:请参阅 CONTRIBUTING.md,了解开发环境搭建及贡献指南
- Discord:加入我们的服务器 discord.gg/ktPDV6rekE,与其他用户和贡献者交流
- GitHub:在我们的仓库中提交问题或参与讨论
版本历史
v1.21.02026/01/20v1.20.42026/01/07v1.20.32026/01/06v1.20.22026/01/06v1.20.12026/01/05v1.20.02026/01/04v1.19.22025/12/18v1.19.12025/12/15v1.19.02025/12/15v1.18.02025/12/07v1.17.32025/12/02v1.24.12026/03/19v1.24.02026/03/17v1.23.02026/02/26v1.22.52026/02/15v1.22.42026/02/09v1.22.32026/02/08v1.22.22026/02/06v1.22.12026/02/05v1.22.02026/02/05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。