lsp-ai

GitHub
3.2k 116 中等 1 次阅读 2天前MIT图像开发框架插件视频语言模型Agent
AI 解读 由 AI 自动生成,仅供参考

lsp-ai 是一款开源的语言服务器,旨在为各类代码编辑器提供统一的 AI 功能后端。它的核心理念是“赋能而非替代”,通过深度集成开发者熟悉的工具链,帮助软件工程师更高效地工作,而不是试图取代他们。

长期以来,开源社区缺乏能与 Cursor 等商业 AI 编辑器抗衡的通用解决方案,且不同编辑器的 AI 插件开发往往重复造轮子。lsp-ai 巧妙地解决了这一痛点:它将复杂的 AI 实现细节抽象为单一后端,任何支持语言服务器协议(LSP)的编辑器(如 VS Code、NeoVim、Emacs、Helix 等)只需接入即可立即拥有强大的 AI 能力,无需单独开发插件。

该工具主要面向软件开发者,特别是那些希望在自己偏爱的编辑器中体验智能辅助的极客与专业人士。其技术亮点包括支持在编辑器内直接与本地或云端大模型对话、自定义代码重构动作,以及提供可媲美 GitHub Copilot 的代码自动补全功能。值得一提的是,lsp-ai 对推理速度进行了优化,推荐搭配小型本地模型或 Groq 等服务以实现极速响应。目前项目功能已趋于成熟,是构建个性化 AI 编程环境的理想基石。

使用场景

资深后端工程师李明正在使用 NeoVim 维护一个遗留的 Python 微服务项目,他需要在不切换编辑器的前提下,利用本地大模型快速理解复杂逻辑并重构代码。

没有 lsp-ai 时

  • 工作流频繁中断:遇到不懂的代码段时,必须复制粘贴到外部网页聊天窗口,打断心流且存在代码泄露风险。
  • 编辑器功能割裂:NeoVim 缺乏原生的智能补全和重构助手,无法像 Cursor 那样直接在行内获得 AI 建议。
  • 定制化成本极高:若想为特定项目定制“链式思维”重构指令,需要自行编写复杂的插件脚本,维护难度大。
  • 模型切换繁琐:尝试不同大小的模型(如从云端大模型切换到本地小模型)需要重新配置多个独立工具,效率低下。

使用 lsp-ai 后

  • 沉浸式交互体验:直接在 NeoVim 内部调用本地部署的 Llama 3 模型进行对话,上下文自动包含当前文件内容,无需复制粘贴。
  • 无缝集成智能补全:lsp-ai 作为语言服务器后端,提供了媲美 Copilot 的行内代码补全,且完全由本地模型驱动,响应迅速。
  • 灵活定义自定义动作:通过简单的配置文件,李明创建了专属的“安全重构”指令,让 AI 按照预设的思维链步骤自动优化旧代码。
  • 统一后端管理:无论切换何种模型或编辑器功能,只需调整 lsp-ai 的配置即可,将复杂的 AI 集成工作收敛到一个共享后端。

lsp-ai 通过将强大的 AI 能力标准化为语言服务器协议,让开发者能在自己熟悉的编辑器中享受顶级的智能辅助,真正实现了赋能而非替代。

运行环境要求

GPU

未说明(取决于所选后端,若使用本地小模型或 Groq 可无需高性能 GPU)

内存

未说明

依赖
notes该工具是一个语言服务器(LSP),本身不直接依赖特定硬件,而是通过配置连接不同的 AI 后端(如 llama.cpp, Ollama, OpenAI, Anthropic, Gemini, Mistral 等)。硬件需求完全取决于用户选择的后端服务和本地运行的模型大小。支持 VS Code, NeoVim, Emacs, Helix, Sublime 等任何支持 LSP 的编辑器。项目目前功能已趋于稳定,暂无新功能开发计划。
python未说明
lsp-ai hero image

快速开始

Logo

赋能而非取代程序员。

| 文档 | 博客 | Discord |


LSP-AI 是一个开源的 语言服务器,作为您喜爱的代码编辑器中 AI 驱动功能的后端。它提供诸如在编辑器内与大型语言模型聊天以及代码补全等功能。由于它是语言服务器,因此可以与任何支持 LSP 的编辑器配合使用。

LSP-AI 的目标是通过与软件工程师已经熟悉并喜爱的工具集成来协助和赋能他们,而不是取代软件工程师。

它支持的编辑器列表如下:

  • VS Code
  • NeoVim
  • Emacs
  • Helix
  • Sublime

此外,它还支持更多、更多的编辑器。

注意:该项目目前已被许多用户日常使用,并且已达到我期望的所有功能阶段。虽然开发并未完全停止,但目前不再为其开发新功能。

功能

编辑器内聊天

直接在您的代码库中与您喜爱的本地或托管模型进行聊天。

in-editor-chatting

在 Helix 中与 Claude Sonnet 聊天

自定义操作

创建自定义操作来进行代码重构、代码补全等!

custom-actions

在 Helix 中使用 Claude Sonnet 通过思维链提示进行代码重构

代码补全

LSP-AI 可以作为 GitHub Copilot 的替代方案。

https://github.com/SilasMarvin/lsp-ai/assets/19626586/59430558-da23-4991-939d-57495061c21b

左侧:VS Code 使用 Mistral Codestral。右侧:Helix 使用 stabilityai/stable-code-3b

请注意,补全速度完全取决于所使用的后端。为了获得最快的补全效果,我们建议使用小型本地模型或 Groq。

文档

请参阅维基页面,了解以下内容的说明:

LSP-AI 的必要性

简而言之:LSP-AI 将复杂的实现细节从特定于编辑器的插件作者那里抽象出来,将开源开发工作集中到一个可共享的后端中。

集成 AI 功能的编辑器已经成为趋势。它们并不完美,但正在不断改进,而且早期研究已经显示出其益处。尽管多家公司已经推出了像 Cursor 这样的先进 AI 驱动编辑器,但开源社区仍然缺乏直接的竞争对手。

LSP-AI 致力于填补这一空白,通过提供一个能够将 AI 驱动功能集成到我们熟悉的编辑器中的语言服务器。以下是我们认为 LSP-AI 必要且有益的原因:

  1. 统一的 AI 功能

    • 通过将 AI 功能集中到一个后端,LSP-AI 使受支持的编辑器无需重复开发即可受益于这些进步。
  2. 简化插件开发

    • LSP-AI 抽象了设置 LLM 后端、构建复杂提示等复杂流程,未来还将涵盖更多内容。插件开发者可以专注于提升他们正在开发的特定编辑器的功能,而不必处理后端的复杂性。
  3. 增强协作

    • 提供共享后端创造了一个协作平台,开源开发者可以聚集在一起添加新功能。这种统一的努力促进了创新,减少了重复劳动。
  4. 广泛的兼容性

    • LSP-AI 支持任何遵循语言服务器协议 (LSP) 的编辑器,确保各种编辑器都能利用 LSP-AI 提供的 AI 功能。
  5. 灵活的 LLM 后端支持

    • 目前,LSP-AI 支持 llama.cpp、Ollama、OpenAI 兼容 API、Anthropic 兼容 API、Gemini 兼容 API 以及 Mistral AI FIM 兼容 API,为开发者提供了选择首选后端的灵活性。此列表还将继续扩展。
  6. 面向未来

    • LSP-AI 致力于紧跟 LLM 驱动软件开发领域的最新进展。

路线图

这个项目还有很多工作要做,每天都有令人惊叹的新研究和工具问世。以下是我们在接下来想要添加的一些想法,但我们欢迎任何贡献以及关于优先级排序的讨论。

  • 实现基于语义搜索的上下文构建(这可能会非常酷且强大)。计划使用 Tree-sitter 来正确地对代码进行分块。
  • 支持更多后端
  • 探索基于代理的系统

版本历史

v0.7.12024/09/24
v0.7.02024/09/20
v0.6.22024/08/27
v0.6.12024/08/21
v0.6.02024/08/21
v0.5.12024/08/11
v0.5.02024/08/11
v0.4.12024/08/08
v0.4.02024/08/06
v0.3.02024/06/15
v0.2.02024/06/09
v0.1.02024/06/07

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

349.3k|★★★☆☆|3天前
Agent开发框架图像

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。

162.1k|★★★☆☆|4天前
开发框架图像Agent

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

147.9k|★★☆☆☆|今天
开发框架Agent语言模型

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。

108.1k|★★☆☆☆|昨天
开发框架图像Agent

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

93.4k|★★☆☆☆|3天前
插件开发框架

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

90.1k|★★★☆☆|3天前
语言模型图像Agent