aider-desk

GitHub
1.1k 92 简单 2 次阅读 昨天Apache-2.0Agent开发框架图像
AI 解读 由 AI 自动生成,仅供参考

AiderDesk 是一款专为软件工程师打造的桌面端 AI 编程平台,将自主智能代理、代码生成能力与综合工具集融为一体。它致力于解决开发者在面对复杂功能构建、大型代码库重构或重复性自动化任务时效率低下的痛点,让 AI 真正成为懂工作流的智能搭档。

适合广大开发者使用,无论是初创项目的快速迭代还是企业级系统的维护。AiderDesk 的独特亮点在于其强大的自主代理模式,能够自动规划并执行复杂任务。技术上,它采用基于 LanceDB 的本地持久化记忆,能记住项目架构与个人偏好;支持与 VSCode、IntelliJ 等主流 IDE 无缝同步上下文;提供任务管理、Token 成本追踪以及 MCP 协议扩展能力。此外,用户还可配置专用子代理以优化特定场景成本。AiderDesk 旨在通过深度集成与智能化辅助,显著提升软件开发效率与体验。

使用场景

后端工程师小张正在负责重构一个遗留的订单处理模块,同时需要集成新的第三方支付接口。

没有 aider-desk 时

  • 需要手动在多个文件间切换搜索依赖关系,理解复杂的业务逻辑耗时费力,经常需要查阅大量文档
  • 编写单元测试和修改现有代码容易误伤旧功能,缺乏安全的沙箱环境验证,上线风险较高
  • 频繁在不同工具间复制粘贴上下文,导致开发流程割裂且容易遗漏关键信息,影响交付质量
  • 难以追踪每次 AI 辅助生成的代码 Token 消耗,团队预算控制不够清晰,无法评估投入产出比

使用 aider-desk 后

  • 自主代理自动探索代码库并拆解任务,无需人工逐行查找依赖即可开始工作,大幅减少上下文切换时间
  • 利用 Git Worktrees 创建隔离环境进行实验,支持一键回滚确保主分支绝对安全,消除重构顾虑
  • IDE 插件自动同步当前编辑内容,直接在编辑器内完成代码生成与实时修改,保持流畅的开发体验
  • 内置持久化记忆记录项目架构偏好,Agent 能更精准地遵循既有编码规范,输出更符合团队标准的代码

aider-desk 通过整合自主代理、安全沙箱与持久记忆,让复杂重构任务变得可控且高效。

运行环境要求

操作系统
  • 未说明
GPU

未说明

内存

未说明

依赖
notes该工具为桌面应用程序,支持本地向量搜索(使用 LanceDB),强调数据隐私(数据不出本地)。需安装 VSCode 或 IntelliJ IDEA 插件以实现代码上下文自动同步。支持通过 JavaScript 钩子脚本扩展工作流。兼容多种大语言模型提供商(如 OpenAI、Anthropic 等)。
python未说明
aider-desk hero image

快速开始

✨ AiderDesk:AI 驱动的开发平台

文档 Discord 询问 DeepWiki GitMCP

AiderDesk 改变了你的软件开发方式,通过将自主 AI 代理 (Agent)、强大的代码生成能力和综合工具集整合到一个单一的桌面应用程序中。无论你是构建复杂功能、重构大型代码库,还是自动化重复任务,AiderDesk 都能为你提供一位智能的编程伴侣,以符合你工作方式的方式协同工作。

🎬 概述

✨ 主要功能

AiderDesk 专为现代软件开发而打造,功能丰富:

  • 🤖 自主代理模式:一个由 Vercel AI SDK 驱动的智能化 AI 代理 (Agent),能够自主规划并执行复杂任务——从实现功能到重构整个模块。只需描述你的需求,代理就会将其分解,探索你的代码库,使用合适的工具,并交付结果。
  • 🧩 可扩展的工具生态系统
    • 强力工具:直接文件操作、语义搜索、grep、Shell 命令、网页获取
    • Aider 工具:与 Aider 的智能代码生成和修改深度集成
    • 记忆工具:基于向量的持久化知识存储,学习项目模式和偏好
    • 技能:渐进式披露系统,用于添加领域专业知识和自定义工作流
    • 任务工具:完整任务管理,包含成本跟踪和待办事项列表
    • 待办工具:内置清单管理,代理可用于跟踪进度
  • 👥 专用子代理:为特定任务(代码审查、测试、文档)创建成本优化的 AI 专家。支持自动或按需调用,具有可配置的权限和上下文记忆。
  • 🎛️ 可定制的代理配置文件:使用系统提示词、自定义指令、工具审批和规则文件配置不同的代理行为。包含常见工作流的预构建配置文件。
  • 🧠 持久化记忆:代理使用本地向量搜索 (LanceDB) 跨任务记住项目模式、架构决策和你的偏好。
  • 📂 高级任务管理:组织工作,任务包含聊天历史、上下文文件、成本跟踪、待办事项,以及可选的 Git 工作树隔离以确保安全实验。
  • 🌿 Git 工作树:创建隔离的开发环境,用于安全、并行的功能开发。支持多种合并策略及内置的回滚支持。
  • 🔌 无缝集成开发环境 (IDE) 集成:自动将上下文文件与你的活动编辑器同步,支持:
  • 🧩 MCP 服务器支持:连接到任何模型上下文协议 (MCP) 服务器,以添加外部功能(网页浏览、数据库访问、自定义工具)。
  • ⚙️ 钩子与自动化:用于工作流自动化的 JavaScript 钩子——响应事件、修改行为并与外部工具集成。
  • 📊 使用仪表盘:通过交互式图表和表格可视化 Token 使用情况、成本和模型分布。
  • 💰 成本跟踪:监控 Aider 和代理每个任务的 Token 使用量及相关成本。
  • 🌐 REST API:将 AiderDesk 与外部工具和流程集成。
  • 🌐 AiderDesk 作为 MCP 服务器:向其他兼容 MCP 的客户端(Claude Desktop、Cursor 等)暴露 AiderDesk 的核心功能。

了解更多关于 AiderDesk →


🤖 代理模式:自主 AI 助手

AiderDesk 的代理模式将应用程序转变为强大的自主编程伴侣。不仅仅是生成代码片段,代理还可以:

  • 规划多步工作:将复杂的请求(如“实现 OAuth 认证”)分解为可操作的步骤
  • 智能探索:使用语义搜索和 grep 理解你的代码库结构
  • 安全执行:在获得你批准的情况下操作文件、运行命令和获取文档
  • 从上下文中学习:检索有关项目模式和你偏好的相关记忆
  • 委托给专家:自动调用专用子代理进行代码审查、测试或文档编写

关键能力:

  • 自主规划:代理将高层请求分解为可执行的步骤
  • 工具驱动:功能由连接的工具定义(强力工具、Aider、MCP、技能、记忆等)
  • 无缝集成:使用 Aider 处理核心编码任务,如生成和修改
  • 多提供商支持:适用于各种大语言模型 (LLM) 提供商(OpenAI、Anthropic、Gemini、Bedrock、Deepseek、OpenAI 兼容)
  • 透明操作:在聊天中查看代理的推理、计划和工具使用情况
  • 成本优化:针对不同任务使用不同模型——复杂工作使用高端模型,常规操作使用高性价比模型

预构建代理配置文件:

  • 强力工具:直接文件操作和代码库分析
  • Aider:AI 驱动的代码生成和重构
  • 带强力搜索的 Aider:结合代码生成与高级搜索的混合方法

了解更多关于代理模式 →

🌿 Git Worktrees:隔离的开发环境

AiderDesk 的 Git Worktrees(工作树)功能为您的开发工作提供专业级的隔离,使您能够在不影响主项目分支的情况下进行安全的实验和并行开发。

主要优势:

  • 🔒 完全隔离:在独立环境中开发功能,无需担心影响主代码库
  • 🔄 灵活集成:可选择标准合并、压缩并合并 (Squash & Merge),或仅传输未提交的更改
  • ⚡ 并行开发:在隔离的工作树中同时处理多个功能
  • 🛡️ 安全功能:内置冲突检测、合并回退 (merge revert) 和状态保存
  • 🤖 AI 集成:AI 辅助功能可在隔离的工作树环境中无缝工作

工作流程概览:

  1. 创建工作树任务:以工作树模式启动新任务,进行隔离开发
  2. 安全工作:所有文件编辑、提交 (commit) 和 AI 交互均在隔离环境中进行
  3. 准备就绪后集成:工作完成后选择您首选的合并策略
  4. 必要时回退:内置回退功能,若出现问题可撤销合并

合并选项:

  • 标准合并:通过快进合并 (fast-forward merge) 保留提交历史
  • 压缩并合并:生成单个干净的提交,附带 AI 生成的消息
  • 仅未提交更改:传输进行中的更改,不合并提交记录

了解更多关于 Git Worktrees →


🧠 Memory:学习您项目的 AI

AiderDesk 的 Memory(记忆)系统使智能体 (Agent) 能够跨任务存储和检索持久的、项目范围的知识。这有助于智能体记住:

  • 您的偏好:格式化规则、偏好的框架、命名约定
  • 架构决策:“我们使用 Zod 进行验证”,"REST 客户端位于 src/renderer/src/api/"
  • 可复用模式:错误处理约定、日志标准、常见抽象

工作原理:

  • 本地向量搜索 (Local Vector Search):使用 LanceDB 和本地嵌入模型 (embedding models)——数据不会离开您的机器
  • 项目范围:记忆按项目存储,保持知识有序
  • 智能体集成:在任务开始时自动检索相关记忆,并在完成后存储结果
  • 手动管理:从设置中浏览、过滤和删除记忆

了解更多关于 Memory →


📋 Skills:用专业知识扩展智能体

Skills(技能)允许您打包可复用的、按需的专业知识,以便智能体在相关时加载。与其将大型指南粘贴到聊天中,不如使用具有渐进式披露功能的技能:

  • 启动时:仅加载技能元数据(名称 + 描述)——节省 Token
  • 相关时:智能体加载技能的 SKILL.md 并遵循其指令
  • 配合助手:技能可以包含可执行脚本和参考资料

使用技能进行:

  • 可重复工作流:“我们如何发布”,“我们如何编写 PR 描述”
  • 特定领域手册:内部流程、项目规范、品牌指南
  • 项目特定知识:将 .aider-desk/skills/ 保存在仓库中以供团队共享
  • 全局技能:个人技能存储在 ~/.aider-desk/skills/ 以供所有项目使用

了解更多关于 Skills →


🎛️ Hooks:自动化工作流

Hooks(钩子)允许您通过在响应系统事件时执行自定义 JavaScript 代码来扩展 AiderDesk 的行为。自动化工作流、强制执行规则或与外部工具集成。

钩子事件:

  • 任务事件onTaskCreated, onTaskClosed, onPromptSubmitted
  • 智能体事件onAgentStarted, onAgentFinished, onAgentStepFinished
  • 工具事件onToolCalled, onToolFinished
  • 文件事件onFileAdded, onFileDropped
  • 审批事件onQuestionAsked, onHandleApproval(自动回答问题)
  • 修改事件:标记为 (M)——返回修改后的数据以更改行为

位置:

  • 全局钩子~/.aider-desk/hooks/(所有项目)
  • 项目钩子.aider-desk/hooks/(特定于项目)

了解更多关于 Hooks →


📂 Task System:组织您的工作

AiderDesk 的任务管理系统提供了一种全面的方式来组织工作,包括:

  • 完整状态:聊天记录、上下文文件、待办事项、成本和元数据
  • 工作模式:本地开发或隔离的 Git Worktree
  • 成本追踪:分别追踪 Aider 和智能体使用的每任务成本
  • 待办系统:内置检查清单,智能体可自动管理
  • 任务操作:创建、重命名、复制、删除、导出(Markdown/图片)

任务按项目存储在 .aider-desk/tasks/ 中,具有完整的状态持久化功能。

了解更多关于 Task System →


📄 全面的上下文文件管理

通过灵活的上下文管理选项,让 AI 专注于相关代码。

  1. 自动 IDE 同步:使用 IntelliJ IDEA 或 VSCode 插件,自动将编辑器中当前活动的文件添加到/从 AiderDesk 上下文中移除。
  2. 手动控制:利用 AiderDesk 中的“上下文文件”侧边栏,显示您的项目文件树。点击文件可从上下文中手动添加或删除它们,为您提供精确的控制权。

了解更多关于 Context Files →


💰 成本优化

AiderDesk 提供了多种优化 AI 支出的方式:

  • 按任务成本追踪:分别追踪 Aider 和智能体操作的成本
  • 使用仪表盘:可视化 Token 使用情况、成本和模型分布
  • 子智能体成本管理:针对不同任务类型使用不同模型:
    • Claude Opus:高层规划和架构
    • Claude 3.5 Sonnet / GPT-4:复杂开发和调试
    • Gemini Flash / Claude Haiku:常规代码审查和测试
  • 上下文优化:智能体仅加载所需内容(技能、记忆)
  • 工具审批控制:将工具设置为“始终”、“询问”或“从不”,以防止不必要的操作

了解更多关于 Cost Optimization →


📥 安装

快速开始

  1. Releases 下载适用于您操作系统的最新版本。
  2. 运行可执行文件。

推荐的第一步

  1. 尝试代理模式 (Agent Mode):切换到代理模式(/agent)并让代理探索你的代码库或实现功能
  2. 创建技能 (Skill):将技能添加到 .aider-desk/skills/ 以编码团队的约定
  3. 设置记忆 (Memory):在代理设置中启用记忆工具 (Memory tools),让代理学习你的项目模式

故障排除

禁用自动更新

为防止自动更新,请设置 AIDER_DESK_NO_AUTO_UPDATE 环境变量 (environment variable):

  • macOS/Linux: export AIDER_DESK_NO_AUTO_UPDATE=true
  • Windows: $env:AIDER_DESK_NO_AUTO_UPDATE = "true"

自定义 Aider 版本

默认情况下,AiderDesk 会安装 aider-chat Python 包 (Python package) 的最新版本。如果您需要使用特定版本的 Aider,可以设置 AIDER_DESK_AIDER_VERSION 环境变量。

例如,要使用 Aider 版本 0.83.1:

# macOS/Linux
export AIDER_DESK_AIDER_VERSION=0.83.1

# Windows (PowerShell)
$env:AIDER_DESK_AIDER_VERSION = "0.83.1"

您也可以指定一个 Git URL (git URL) 来安装 Aider 的开发版本:

# macOS/Linux
export AIDER_DESK_AIDER_VERSION=git+https://github.com/user/aider.git@branch-name

此变量将在初始设置期间以及 AiderDesk 检查更新时使用。有关更详细的信息,请参阅 我们的文档

👨‍💻 开发环境设置

如果您想从源代码运行,可以按照以下步骤操作:

# Clone the repository
$ git clone https://github.com/hotovo/aider-desk.git
$ cd aider-desk

# Install dependencies
$ npm install

# Run in development mode
$ npm run dev

# Build executables
# For Windows
$ npm run build:win

# For macOS
$ npm run build:mac

# For Linux
$ npm run build:linux

🤝 贡献

我们欢迎社区的贡献!以下是您帮助改进 aider-desk 的方法:

  1. 在 GitHub 上 Fork 仓库 (repository)
  2. 为您的功能或错误修复创建一个新分支 (branch)
    git checkout -b my-feature-branch
    
  3. 提交您的更改,使用清晰、描述性的消息
  4. 将您的分支推送到您的 Fork
  5. 针对原始仓库的主分支 (main branch) 创建拉取请求 (Pull Request)

请遵循以下指南:

  • 保持 PR 专注于单个功能或错误修复
  • 添加新功能时更新文档
  • 遵循现有的代码风格和约定
  • 编写清晰的提交消息和 PR 描述

对于重大更改,请先开启一个 Issue (Issue) 以讨论您想要更改的内容。

⭐ 星标历史

Star History
Chart

谢谢 ❤️

版本历史

v0.54.02026/02/23
v0.53.02026/02/16
v0.52.02026/02/09
v0.51.02026/02/02
v0.50.12026/01/27
v0.50.02026/01/26
v0.49.02026/01/19
v0.48.12026/01/12
v0.48.02026/01/12
v0.47.02026/01/05
v0.46.02025/12/29
v0.45.12025/12/23
v0.45.02025/12/22
v0.59.02026/03/30
v0.58.12026/03/24
v0.58.02026/03/23
v0.57.02026/03/16
v0.56.02026/03/09
v0.55.02026/03/02
v0.44.02025/12/15

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。

162.1k|★★★☆☆|今天
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

139k|★★☆☆☆|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。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

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。

87.6k|★★☆☆☆|今天
开发框架语言模型

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。

85k|★★☆☆☆|今天
图像数据工具视频

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。

77.1k|★★★☆☆|昨天
Agent图像开发框架