kaguya

GitHub
1.2k 186 较难 1 次阅读 6天前MIT语言模型Agent插件
AI 解读 由 AI 自动生成,仅供参考

Kaguya 是一款专为 ChatGPT 设计的插件,旨在让大模型安全地读取、编辑用户本地文件,并直接执行 Python、JavaScript 及 Bash 脚本。它有效解决了传统 AI 助手无法触及用户本地环境与文件系统的痛点,将对话能力延伸至实际的代码开发与文件管理场景中。

这款工具特别适合开发者使用,能显著提升编写代码、调试脚本及管理项目文件的效率。其核心亮点在于“受控访问”机制:Kaguya 默认仅能操作特定目录(如 FILES 文件夹)内的内容,无法随意访问系统其他区域,从而在赋予 AI 强大执行力的同时保障了本地数据安全。此外,它提供了一套丰富的 API 接口,支持搜索替换式修改、批量读写、文件增删改查以及 shell 命令执行等精细操作。

需要注意的是,由于依赖 ChatGPT 插件开发权限,目前使用该工具需加入 OpenAI 的等待名单,且项目本身已停止活跃更新(作者建议关注其后续项目 safeclaw)。尽管如此,Kaguya 展现的“本地文件 +AI 对话”交互模式,仍为理解如何让大模型安全落地到实际工作流提供了极具价值的参考范本。

使用场景

一位后端开发者需要快速修复遗留项目中的多个配置错误并执行数据迁移脚本,但受限于本地环境权限和繁琐的文件操作流程。

没有 kaguya 时

  • 文件操作割裂:开发者必须在 ChatGPT 网页端获取代码建议,再手动切换到 VS Code 或终端打开文件进行复制粘贴,极易出错且打断思路。
  • 脚本执行风险:运行本地的 Python 数据清洗或 Bash 部署脚本时,需离开对话上下文手动在终端输入命令,无法让 AI 根据报错实时调整指令。
  • 批量修改困难:面对分布在多个子目录的配置文件,人工逐个查找并替换特定参数耗时费力,难以保证所有文件修改的一致性。
  • 上下文丢失:每次手动操作后,都需要重新向 AI 描述当前文件状态或报错信息,导致对话连贯性差,沟通成本高昂。

使用 kaguya 后

  • 无缝文件编辑:直接在 ChatGPT 对话中指令 kaguya 读取 FILES 目录下的配置文件,利用其搜索替换功能精准修改参数,无需离开聊天窗口。
  • 安全脚本联动:授权 kaguya 直接运行本地的 Python 迁移脚本,若脚本报错,AI 能立即读取错误日志并自动修正代码后重试,形成闭环。
  • 高效批量处理:通过自然语言要求 kaguya 遍历指定目录,一次性完成多个文件的正则替换或内容追加,确保所有配置同步更新。
  • 状态实时感知:kaguya 在执行命令或修改文件后自动反馈结果摘要,AI 始终掌握最新的项目状态,能够基于实时上下文提供连续的解决方案。

kaguya 将 ChatGPT 从单纯的“代码顾问”升级为能直接操控本地文件系统与执行环境的“全能开发搭档”,极大缩短了从想法到落地的路径。

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该工具是一个 ChatGPT 插件,运行依赖 Docker 环境。用户需先申请 OpenAI 插件开发权限并加入等待名单。安装步骤包括克隆仓库并执行 docker.sh 脚本,服务默认在本地 3000 端口运行。工具仅能访问其目录下的 FILES 文件夹内的文件,无法操作外部文件系统。
python未说明
Docker
kaguya hero image

快速开始

Kaguya

Kaguya 是一个 ChatGPT 插件,允许你以受控的方式加载和编辑本地文件,并运行任何 Python、JavaScript 和 Bash 脚本。这使其成为开发人员的强大工具,使他们能够直接从 ChatGPT 与文件系统交互并运行脚本。要使用 Kaguya,你需要通过加入他们的等待名单来获取插件开发工具的访问权限 这里。如果这种方法对你不起作用,我们可能会在未来的某个时候推出一种更开放的方式。

演示

以下是 Kaguya 的几段演示视频:

https://github.com/ykdojo/kaguya/assets/107422421/c580a6f6-5f08-43fd-ac8b-c12a319e1534

https://github.com/ykdojo/kaguya/assets/107422421/d61b8ff1-2dbd-4eb4-b1b5-45d43797ddaa

入门指南

  1. 这里 获取 OpenAI 的 ChatGPT 插件开发工具访问权限。
  2. 安装 Docker 并在本地运行。
  3. 将此仓库克隆到你的本地环境。
  4. 执行 docker.sh 脚本。
  5. 设置本地主机端口 3000。
  6. 通过 ChatGPT 与 Kaguya 交互。
  7. 如果你希望 Kaguya 能够与你的文件交互,请将它们放入 FILES 文件夹中。
  8. 注意:Kaguya 无法访问其自身目录之外的文件。

推荐的自定义指令

编辑文件时,请使用搜索和替换功能,除非处理的是非常小的文件,否则不要使用 updateWholeFile。在编辑文件之前,请先与我确认。

当 Kaguya 提供输出时,无需重复其中的所有内容,你可以对其进行简洁的总结。

当你需要在子目录中使用 executeCommand 时,每次都要先切换到该目录。

API 端点

该项目提供了多个 API 端点,允许你在 Kaguya 目录内与文件系统交互。API 的详细说明见 openapi.yaml 文件。以下是简要概述:

  • GET /api/listFilesInDirectory:列出指定目录中的文件和子目录,默认为 FILES 目录。
  • GET /api/readFile:读取用户目录中某个文件的内容。
  • GET /api/readMultipleFiles:读取多个文件的内容。
  • POST /api/update:通过搜索和替换操作更新用户目录中的文件。
  • POST /api/updateAll:通过搜索和替换操作更新用户目录中的文件(所有匹配项)。
  • POST /api/updateWholeFile:替换用户目录中某个文件的全部内容。
  • POST /api/appendToFile:将内容追加到现有文件的末尾。
  • POST /api/createFile:创建新文件。
  • POST /api/deleteFile:删除用户目录中的文件。
  • POST /api/renameFile:重命名用户目录中的文件。
  • POST /api/createDirectory:创建新目录。
  • POST /api/deleteDirectory:删除目录及其内容。
  • POST /api/executeCommand:执行 shell 命令。

小贴士

  • 如果 listFilesInDirectory 尝试显示过多文件,一个好的解决办法是添加一个 Git 仓库或子模块,这样 .gitignore 中的文件就会被忽略。
  • 最好将每个文件保持在 100 行代码以下,尤其是在编写代码时。
  • 不建议一次编写超过约 80 行代码,因为这样会很慢,甚至可能无法完成任务。
  • 你可以让它读取更多的代码,但不建议一次读取超过 500–600 行代码。
  • 如果你要编辑的目标文件较长,可以明确要求它使用搜索和替换功能,而不是 updateWholeFile。
  • 它可能不会立即理解你的意图,因为它是一个对话式工具。
  • 如果助手开始出现幻觉,可以尝试开启一个新的对话,或者限制每次加载的文件长度。

Discord

欢迎加入我们的 Discord 服务器 这里

VS Code 扩展

我们也在开发 Kaguya 的 VS Code 扩展版本。欢迎在此处注册等待名单 这里

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|★★★☆☆|1周前
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|★★★☆☆|1周前
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

159.6k|★★☆☆☆|今天
开发框架Agent语言模型

opencode

OpenCode 是一款开源的 AI 编程助手(Coding Agent),旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件,而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码,还是排查难以定位的 Bug,OpenCode 都能通过自然语言交互高效完成,显著减少开发者在重复性劳动和上下文切换上的时间消耗。 这款工具专为软件开发者、工程师及技术研究人员设计,特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构,这意味着用户可以审查代码逻辑、自定义行为策略,甚至私有化部署以保障数据安全,彻底打破了传统闭源 AI 助手的“黑盒”限制。 在技术体验上,OpenCode 提供了灵活的终端界面(Terminal UI)和正在测试中的桌面应用程序,支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具,安装便捷,并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客,还是渴望提升产出的独立开发者,OpenCode 都提供了一个透明、可信

144.3k|★☆☆☆☆|昨天
Agent插件

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。

108.3k|★★☆☆☆|1周前
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|1周前
插件Agent图像