📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🔄 工作流💻 CLI✨ GPT🖥 本地 LLM
开源AI工具：Advanced code editor
🛠
AI工具

开源AI工具：Advanced code editor

基于 Rust · 开源免费，本地部署，数据完全自主可控
英文名：orangu
⭐ 11 Stars 🍴 3 Forks 💻 Rust 📄 GPL-3.0 🏷 AI 7.5分
7.5AI 综合评分
ai-codingclicode-editorcoding-assistantdeveloper-tools
✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估，开源AI工具：Advanced code editor 获评「推荐使用」。这款AI工具在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 7.5 分，适合有一定技术背景的用户使用。

📚 深度解析

开源AI工具：Advanced code editor 是一款基于 Rust 的开源工具，在 GitHub 上收获 0k+ Star，是ai-coding、cli、code-editor、coding-assistant领域中的优质开源项目。开源工具的最大优势在于代码完全透明，你可以审计每一行代码的安全性，也可以根据自身需求进行二次开发和定制。

**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。

**安装与环境准备**
开源AI工具：Advanced code editor 依赖 Rust 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Rust 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。

**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 开源AI工具：Advanced code editor 的版本更新，及时通知重要功能变化。

📋 工具概览

Advanced code editor使用本地AI，提供高效的代码编辑体验，突出其在开发者工具中的价值。

开源AI工具：Advanced code editor 是一款基于 Rust 开发的开源工具，专注于 ai-coding、cli、code-editor 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。

GitHub Stars
⭐ 11
开发语言
Rust
支持平台
Windows / macOS / Linux
维护状态
轻量级项目，按需更新
开源协议
GPL-3.0
AI 综合评分
7.5 分
工具类型
AI工具
Forks
3

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

Advanced code editor使用本地AI，提供高效的代码编辑体验，突出其在开发者工具中的价值。

开源AI工具：Advanced code editor 是一款基于 Rust 开发的开源工具，专注于 ai-coding、cli、code-editor 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。

📌 核心特色
  • 开源免费，支持本地部署，数据完全自主可控
  • 活跃的 GitHub 开源社区，持续迭代更新
  • 提供详细文档和使用示例，新手友好
  • 支持自定义配置，灵活适配不同使用环境
  • 可作为基础组件集成进现有技术栈或进行二次开发
🎯 主要使用场景
  • 本地部署运行，保护数据隐私，满足合规要求
  • 自定义集成到现有系统，扩展技术栈能力
  • 作为开源基础组件进行商业化二次开发
以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。
安装命令
# 方式一：cargo install（推荐）
cargo install orangu

# 方式二：从源码编译
git clone https://github.com/mnemosyne-systems/orangu
cd orangu
cargo build --release
# 二进制在 ./target/release/orangu
📋 安装步骤说明
  1. 访问 GitHub 仓库页面
  2. 按照 README 文档完成依赖安装
  3. 根据系统环境完成初始化配置
  4. 参考官方示例或文档开始使用
  5. 遇到问题可在 GitHub Issues 中查找解答
以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。
常用命令 / 代码示例
# 查看帮助
orangu --help

# 基本运行
orangu [options] <input>

# 详细使用说明请查阅文档
# https://github.com/mnemosyne-systems/orangu
以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。
配置示例
# orangu 配置说明
# 查看配置选项
orangu --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量（覆盖配置文件）
export ORANGU_CONFIG="/path/to/config.yml"
📑 README 深度解析 真实文档 完整度 50/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

orangu

orangu is a local workspace-aware tool-driven coding environment for OpenAI-compatible servers - especially llama.cpp.

orangu does not require an Internet connection after llama.cpp and models have been downloaded.

orangu is named after the Orangutan - the smartest ape.

orangu terminal interface

Features

  • OpenAI-compatible chat completions, with special attention to llama.cpp workflows
  • Workspace-aware local tools for reading, editing, listing, fetching, and shell commands
  • Persistent terminal UI with workspace, server, and model status in the header, refreshed every minute while idle
  • Shell-style prompt editing, history, scrolling, and context-sensitive Tab completion
  • Local commands such as /help, /models, /list_files, /show_file, /tools, /diff, /status, /log, /pull, /rebase, /merge, /checkout, /add_file, /remove_file, /move_file, /cherry_pick, /commit, /amend, /push, /init_repo, /squash, /delete, and /open_file
  • Natural-language local aliases such as open README.md, list models, list files, pull 58, log, status, rebase, merge feature/foo, checkout main, add README.md, remove README.md, move old.rs new.rs, cherry pick abc1234, commit "[#42] My feature", amend "[#42] My feature", push, force push, init repo, squash, delete feature/foo, and show help
  • Streaming responses with live footer status such as Thinking (...) and llama.cpp-native Working @ X.Y t/s (...)
  • Queued local commands while a response is in flight, plus double-Esc request cancellation
  • Markdown rendering in the console, including bold, italic, headings, lists, links, and code
  • Syntax highlighting for fenced code blocks in supported programming languages

Install dependencies on Fedora

Install the tools needed to build and run orangu from source:

dnf install -y git rust cargo gcc

Installation

Release build

The following commands build an optimized release binary:

git clone https://github.com/mnemosyne-systems/orangu.git
cd orangu
cargo build --release

The binary will be available at:

target/release/orangu

To install it system-wide:

sudo install -Dm755 target/release/orangu /usr/local/bin/orangu

Debug build

The following commands build a debug binary:

git clone https://github.com/mnemosyne-systems/orangu.git
cd orangu
cargo build

The binary will be available at:

target/debug/orangu

Configuration and first run

Start from the sample configuration:

cp doc/etc/orangu.conf ./orangu.conf

Default configuration lookup order:

  1. ./orangu.conf
  2. ~/.orangu/orangu.conf

Run the client:

orangu --config ./orangu.conf

Or run it directly from the build tree:

./target/release/orangu --config ./orangu.conf

By default, local tools operate on the current working directory. Use --workspace /path/to/project to point orangu at another tree.

Useful first commands:

/help
/tools
/models
/list_files
/open_file README.md
/show_file README.md
/amend "[#42] My feature"
/cherry_pick abc1234
/commit "[#42] My feature"
/delete feature/foo
/log
/squash
/status
🎯 aiskill88 AI 点评 B 级 2026-05-23

或angu是一个开源的AI工具，使用Rust开发，提供高效的代码编辑体验，值得关注。

📚 实用指南（长尾问题）
适合谁
  • 需要 orangu 解决具体问题的开发者与运营人员
最佳实践
  • 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
部署方案
  • CLI：直接 npm install -g / pip install，命令行调用
  • 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
  • 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
orangu 中文教程orangu 安装报错怎么办orangu 与同类工具对比orangu 最佳实践orangu 适合谁用

⚡ 核心功能

👥 适合谁
  • 需要 orangu 解决具体问题的开发者与运营人员
⭐ 最佳实践
  • 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
⚠️ 常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • 显存不足直接 OOM — 优先降低 context 或换更小的量化模型

👥 适合人群

AI 技术爱好者研究人员和学生开发者和工程师技术创业者

🎯 使用场景

  • 本地部署运行，保护数据隐私，满足合规要求
  • 自定义集成到现有系统，扩展技术栈能力
  • 作为开源基础组件进行商业化二次开发

⚖️ 优点与不足

✅ 优点
  • +GPL-3.0 协议，可免费商用
  • +完全开源免费，无授权费用
  • +本地部署，数据完全自主可控
  • +开发者社区支持，遇问题可查可问
⚠️ 不足
  • −安装和初始配置可能需要一定技术基础
  • −功能完整性通常不如成熟商业产品
  • −技术支持主要依赖开源社区，响应速度不稳定
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

⚠️ GPL 3.0 — 强 Copyleft，衍生作品须开源，含专利保护条款，不可闭源使用。

🔗 相关工具推荐

transformers AI技能包
Hugging Face开源的深度学习框架，提供预训练语言模型、视觉模型和多模态模型。集成BERT、GPT、Llama等
ComfyUI 节点式AI图像生成
强大的开源扩散模型可视化工具，提供图形界面、API和后端服务。采用节点图式设计，支持模块化工作流构建，适合AI绘图、图像
llama-cpp AI技能包
高效的大语言模型C/C++推理框架，支持在本地CPU/GPU上运行量化LLM模型，具有内存占用小、推理速度快的特点。适合
yt-dlp 视频下载
功能强大的开源视频下载工具，支持YouTube、TikTok等数千个视频平台，可自动下载视频、字幕、封面和元数据。适合内
📚 相关教程推荐
Claude Code 完全指南：从安装到高级用法的系统教程
帮助中心 · AI Skill Hub
Claude Code 完全指南：从安装到高级用法的系统教程
帮助中心 · AI Skill Hub
Claude Code 完全指南：从安装到高级用法的系统教程
帮助中心 · AI Skill Hub
📰 相关 AI 新闻
OpenAI 最新产品与研究动态
AI 资讯 · 知识关联
AI 前沿资讯：Would a MacBook M5 16/24/32GB …
AI 资讯 · 知识关联
AI 前沿资讯：How has AI actually benefited …
AI 资讯 · 知识关联
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
🍿 AI 圈相关吃瓜
AutoGPT 自主完成了任务：把我的文件夹全部重命名了
AI 圈观察
GPT 说"这可能不准确"，然后接着说了5分钟不准确的内容
AI 圈观察
🗺️ 相关解决方案
workflow
ai-workflow-templates
cli
cli-productivity
llm_local
local-llm-deploy
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
技能寻求者
MCP · Agent · 工作流
DeepCode Agent工作流
MCP · Agent · 工作流
LEANN AI技能包
MCP · Agent · 工作流
Synthadoc
MCP · Agent · 工作流
total-agent-memory MCP工具
为Claude Code和Codex CLI提供持久化记忆功能的开源MCP工具。自动提取知识图谱，支持多轮对话上下文保留，适合需要长期记忆和
kb-arena开源AI工作流
kb-arena是开源的AI工作流，用于Benchmark 9 retrieval architectures（向量、上下文、QnA、知识图

❓ 常见问题 FAQ

orangu 是一款Rust开发的AI辅助工具。开源AI工具：Advanced code editor using local AI。⭐11 · Rust 主要应用场景包括：开发者可以使用本地AI工具来提高代码编辑效率，减少错误率，提高开发速度。。
💡 AI Skill Hub 点评

AI Skill Hub 点评：开源AI工具：Advanced code editor 的核心功能完整，质量良好。对于AI 技术爱好者来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。

📚 深入学习 开源AI工具：Advanced code editor
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 orangu
原始描述 开源AI工具：Advanced code editor using local AI。⭐11 · Rust
Topics ai-codingclicode-editorcoding-assistantdeveloper-tools
GitHub https://github.com/mnemosyne-systems/orangu
License GPL-3.0
语言 Rust
🔗 原始来源
🐙 GitHub 仓库  https://github.com/mnemosyne-systems/orangu

收录时间：2026-05-21 · 更新时间：2026-05-30 · License：GPL-3.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。