📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🔌 MCP🤖 Agent🔄 工作流🐳 Docker💻 CLI🔗 REST API📚 RAG🖼 视觉🔊 TTS🎙 STT
代码助手
⚙️
Agent工作流

代码助手

基于 TypeScript · 无代码搭建完整 AI 自动化流程
英文名：code-buddy
⭐ 9 Stars 🍴 2 Forks 💻 TypeScript 📄 MIT 🏷 AI 8.0分
8.0AI 综合评分
AI工作流TypeScript
⬇ 下载源码 ZIP ⚙️ 配置说明 📺 TG 频道
✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估，代码助手 获评「强烈推荐」。这款Agent工作流在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 8.0 分，适合有一定技术背景的用户使用。

📚 深度解析

代码助手 是一套完整的 AI Agent 自动化工作流方案。随着 AI 能力的不断提升，基于 Agent 的自动化工作流正在成为提升个人和团队效率的核心方式。区别于传统的 RPA 自动化（模拟鼠标键盘操作），AI Agent 工作流通过理解任务意图、动态规划执行路径，能够处理更复杂的非结构化任务。

代码助手 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。

在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 8.0 分，是同类 Agent 工作流中的精选推荐。

📋 工具概览

代码助手 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

GitHub Stars
⭐ 9
开发语言
TypeScript
支持平台
Windows / macOS / Linux
维护状态
轻量级项目，按需更新
开源协议
MIT
AI 综合评分
8.0 分
工具类型
Agent工作流
Forks
2

📖 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」。

代码助手 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

📌 核心特色
  • 可视化 Agent 工作流编排，无需编写复杂代码
  • 支持多步骤自动化任务链，实现全流程无人值守
  • 与外部 API、数据库和第三方服务无缝集成
  • 内置错误处理与自动重试机制，保障稳定运行
  • 提供可复用的自动化模板，快速在同类场景部署
🎯 主要使用场景
  • 自动化日常重复性工作，将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同
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：npm 全局安装
npm install -g code-buddy

# 方式二：npx 直接运行（无需安装）
npx code-buddy --help

# 方式三：项目依赖安装
npm install code-buddy

# 方式四：从源码运行
git clone https://github.com/phuetz/code-buddy
cd code-buddy
npm install
npm start
📋 安装步骤说明
  1. 访问 GitHub 仓库获取工作流文件
  2. 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
  3. 上传工作流文件
  4. 按照提示配置必要的环境变量和 API Key
  5. 运行测试确认流程正常后投入使用
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
# 命令行使用
code-buddy --help

# 基本用法
code-buddy [options] <input>

# Node.js 代码中使用
const code_buddy = require('code-buddy');

const result = await code_buddy.run(options);
console.log(result);
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
# code-buddy 配置说明
# 查看配置选项
code-buddy --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 CODE_BUDDY_CONFIG="/path/to/config.yml"
📑 README 深度解析 真实文档 完整度 62/100 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。

简介

<img src="https://img.shields.io/badge/🤖-Code_Buddy-blueviolet?style=for-the-badge&labelColor=1a1a2e" alt="Code Buddy"/>

What's shipped

1.6.0 GA — these aren't roadmap items. The captures above are unedited, and the core runs today:

  • ✅ $0 local coding agent — a local Ollama model reasons on screen, then calls tools to do real work. (the demos above)
  • ✅ ChatGPT Plus/Pro → gpt-5.5 at $0 — buddy login, flat-fee, no API key, no per-token metering.
  • ✅ Goal loops (Ralph loop) — a judge model re-checks completion every turn and auto-continues until done; proven multi-turn on a free local model, with a real in-loop length-truncation recovery (test, no mocks).
  • ✅ Multi-AI Fleet — peers observe each other live and call each other's models & read-only tools (peer.chat / peer.tool.invoke).
  • ✅ 15 providers with automatic failover and per-provider circuit breakers; ~110 tools, MCP connectors, and a skills marketplace.
  • ✅ ~27K Vitest tests — run locally and on a real-environment runner (the suite is no-mocks / real-integration, so it needs live Ollama/Hermes/browser rather than a vanilla CI box).

Honest about scope: Hermes / OpenClaw parity lays out exactly what's shipped, what's externally-gated, and where the edges are — including which messaging channels are full integrations vs. in-process stubs.

---

…or from source (newest features)

git clone https://github.com/phuetz/code-buddy.git cd code-buddy && npm install && npm run build && npm link # exposes buddy globally 


> **Requirements:** Node.js **≥ 18** for the CLI (the one-command installer provisions **≥ 20**). The **Cowork desktop app needs Node ≥ 22** plus a C++ build toolchain for native modules (`better-sqlite3`). Run **`buddy doctor`** anytime to check your environment (`--fix` to auto-remediate). Full install guide (one-command, Docker/VPS, npm): **[docs/install.md](docs/install.md)**.

Then pick a brain:
bash

Node >= 22 required for the desktop app (the CLI runs on >= 18)

buddy install-gui # one-time: install Electron + build the desktop bundle buddy gui # launch the desktop app (or: buddy desktop) buddy server --port 3000 # optional: shared backend for Cowork, Fleet, OpenAI-compatible clients

One command — installs Node if needed (no sudo), then Code Buddy

curl -fsSL https://raw.githubusercontent.com/phuetz/code-buddy/main/install.sh | sh

…or run it 24/7 in Docker (the VPS path):

docker compose up -d # after: cp .env.example .env && set JWT_SECRET

Quick Start

```bash

Option A — free & local: point at a local Ollama, $0

export CODEBUDDY_PROVIDER=ollama buddy

Option B — log in with your ChatGPT Plus / Pro subscription (no API key)

buddy login # opens browser for OAuth → tokens persisted buddy whoami # ✅ connected · you@example.com · Plan: pro buddy # auto-routes to gpt-5.5 via the Codex backend, cost $0.0000

Option C — bring your own API key

export GROK_API_KEY=... # or GEMINI_API_KEY / OPENAI_API_KEY / ANTHROPIC_API_KEY buddy

Option D — log in with your xAI / SuperGrok subscription (no API key)

buddy login xai # browser OAuth → routes to Grok (grok-4-latest), cost $0

bash buddy --prompt "analyze the codebase structure" # one-shot task buddy --yolo # full autonomy 

**Use several logins at once, or fail over automatically across them:**
bash buddy llm # list the LLMs you're logged into + the failover order buddy llm ensemble "is this approach sound?" # ask ChatGPT + Grok + Ollama together, then synthesize buddy council "compare REST vs GraphQL" # conductor roles + synthesis + judge + learned ranking buddy council --scoreboard # the learned ranking (which model is best for code / reasoning / …) CODEBUDDY_LLM_FAILOVER=1 buddy -p "…" # if the primary errors, auto-continue on the next active LLM ```

buddy council takes the ensemble further: for complex tasks, a lightweight conductor assigns complementary roles (architect, implementer, reviewer, verifier, skeptic, etc.) instead of asking every model the exact same prompt. It still routes by capability and past win rate, an impartial judge scores the candidates, a synthesis pass merges the best role-specialized contributions, and a scoreboard learns which AI is best for which kind of task and role over time — so future runs can put stronger models on reviewer/verifier/architect jobs. Use --no-conductor to force the old direct fan-out, or --no-synthesis to keep only the judge-selected answer. Works in Telegram too (council <task>).

<p align="center"> <img src="docs/assets/llm-demo.gif" alt="buddy llm lists your active LLMs, then auto-fails over from Grok to ChatGPT when the primary errors" width="760"/> <br/> <sub>Your logins at a glance — and automatic failover from one to the next when one has a problem, at <code>$0</code>. Real run, unedited.</sub> </p>

<p align="center"> <img src="docs/assets/ensemble-demo.gif" alt="buddy llm ensemble asks ChatGPT, Ollama and Grok the same question, then synthesizes one answer" width="760"/> <br/> <sub><code>buddy llm ensemble</code> — every brain you're logged into answers, then it's synthesized into one. Real run, unedited.</sub> </p>

See Getting Started for install options, headless mode, sessions, and typical workflows.

---

Config & modes

Configure via env vars, TOML profiles ([profiles.<name>], buddy --profile), and per-project .codebuddy/settings.json. Permission modes gate approvals, agent modes (plan/code/ask/architect) restrict the tool surface, and security modes (suggest/auto-edit/full-auto) tune the approval flow. Per-model capabilities (context window, max output, patch format) live in src/config/model-tools.ts. The UI ships in English and French (complete); de/es/ja/zh are registered locale scaffolds that currently fall back to English.

---

🎯 aiskill88 AI 点评 A 级 2026-05-28

代码助手是一个高质量的开源AI工作流项目，具有自动化编码和工作流管理的能力

📚 实用指南（长尾问题）
适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
  • 构建多智能体协作系统的 Agent 开发者
  • 构建企业知识库 / RAG 检索应用的团队
  • 跨境业务、多语言内容运营团队
  • 做语音类 AI 产品的开发者
最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
  • 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
  • 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
  • 分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
  • 容器内无法访问宿主机 localhost — 使用 host.docker.internal
  • embedding 模型与查询模型不一致导致检索失效
  • 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
  • Docker：code-buddy 提供官方镜像，docker compose up 一键启动
  • 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
code-buddy 中文教程code-buddy 安装报错怎么办code-buddy MCP 配置code-buddy Docker 部署code-buddy Agent 工作流code-buddy 与同类工具对比code-buddy 最佳实践code-buddy 适合谁用

⚡ 核心功能

👥 适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
  • 构建多智能体协作系统的 Agent 开发者
  • 构建企业知识库 / RAG 检索应用的团队
  • 跨境业务、多语言内容运营团队
⭐ 最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
  • 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
  • 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
  • 分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
⚠️ 常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
  • 容器内无法访问宿主机 localhost — 使用 host.docker.internal
  • embedding 模型与查询模型不一致导致检索失效

👥 适合人群

自动化工程师和运维人员项目经理和业务分析师希望减少重复性工作的专业人士数字化转型团队

🎯 使用场景

  • 自动化日常重复性工作，将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同

⚖️ 优点与不足

✅ 优点
  • +MIT 协议，可免费商用
  • +大幅减少重复性人工操作
  • +可视化流程，清晰直观
  • +可扩展性强，支持复杂场景
⚠️ 不足
  • −初始配置和调试需投入一定时间
  • −强依赖外部服务的稳定性
  • −复杂场景需具备一定技术基础
⚠️ 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

✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。

🔗 相关工具推荐

browser-use Agent工作流
Agent工作流
Activepieces 开源工作流自动化
Agent工作流
LLM资源合集（精选）
精选100+可直接运行的AI Agent和RAG应用集合。包含完整工作流示例、智能代理框架和检索增强生成系统。适合AI开
Sim AI智能工作流引擎
Agent工作流
📚 相关教程推荐
Agent 工作流入门
帮助中心 · AI Skill Hub
Agent 工作流
帮助中心 · AI Skill Hub
AI 写作提效工作流：从 Prompt 设计到批量内容生产
帮助中心 · AI Skill Hub
n8n vs Make vs Zapier 2025：哪款工作流自动化工具最适合 AI 时代
帮助中心 · AI Skill Hub
📰 相关 AI 新闻
AI 前沿资讯：Hiring Senior Founding AI/Back…
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 Agent 自主化能力最新进展
AI 资讯 · 知识关联
MCP 生态最新动态：工具与配置进展
AI 资讯 · 知识关联
🍿 AI 圈相关吃瓜
配了5个 MCP 工具，Claude 一个都没用
AI 圈观察
AutoGPT 自主完成了任务：把我的文件夹全部重命名了
AI 圈观察
Filesystem MCP 帮 Claude 找文件，找了整个 node_modules
AI 圈观察
🗺️ 相关解决方案
mcp
mcp-server-setup
agent
ai-agent-workflow
workflow
ai-workflow-templates
translation
ai-translation-pipeline
🧩 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
natively-cluely-ai-assistant — Claude Skill 中文使用文档
免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。
CrewAI 多代理协作平台
MCP · Agent · 工作流
DeepCode Agent工作流
MCP · Agent · 工作流
MemOS智能记忆系统
MCP · Agent · 工作流
Synthadoc
MCP · Agent · 工作流

❓ 常见问题 FAQ

code-buddy 是一款TypeScript开发的AI辅助工具。开源AI工作流：An open-source multi-provider AI coding agent that runs directly in your termina。⭐9 · TypeScript 主要应用场景包括：自动化编码和工作流管理。
💡 AI Skill Hub 点评

AI Skill Hub 点评：代码助手 的核心功能完整，质量优秀。对于自动化工程师和运维人员来说，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。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ MIT 协议 · 可免费商用 · 直接从 aiskill88 服务器下载，无需跳转 GitHub

📚 深入学习 代码助手
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 code-buddy
原始描述 开源AI工作流：An open-source multi-provider AI coding agent that runs directly in your termina。⭐9 · TypeScript
Topics AI工作流TypeScript
GitHub https://github.com/phuetz/code-buddy
License MIT
语言 TypeScript
🔗 原始来源
🐙 GitHub 仓库  https://github.com/phuetz/code-buddy

收录时间：2026-05-28 · 更新时间：2026-05-30 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。

📺 订阅 AI Skill Hub Daily Telegram 频道
每天 8 条精选 AI Skill、MCP、Agent 与自动化工具推送
加入频道 →