2026 年 10 月的一份 GitHub 开源快照给出一个清楚的画像：开发者花时间的地方不在模型权重，而在把智能体和记忆、工作流、本地运行时接起来的那一层。 ## 一、编码智能体：按集成方式分化 按星数（2026 年 10 月）排列，编码类大致是这样： | 项目 | 星数 | 语言 | 定位 | |---|---|---|---| | OpenCode | 约 21.4 万 | — | 完全开源的编码智能体 | | Codex（OpenAI） | 约 12.9 万 | Rust | 厂商 CLI，开源 | | Gemini CLI（Google） | 约 10.7 万 | TypeScript | 厂商 CLI，开源 | | OpenHands | 约 9.1 万 | — | 带沙箱的完整任务循环 | | Cline | 约 7.0 万 | — | 偏 SDK | | Goose | 约 5.5 万 | — | 工作站智能体 | 差别不在模型，而在**集成形态**：要一个可自托管的平台（OpenHands 这类），还是要一个和厂商模型绑定的 CLI，还是要一个能随时换模型的本地智能体。 顺带一句提醒：在同一个仓库上跑多个编码智能体，会产生难以偿还的配置债——不同工具的指令文件、忽略规则、上下文格式互相打架。一份快照里那句评价很到位：**每个仓库一个记忆系统，是你以后还解释得清楚的配置。** ## 二、个人智能体：本地优先 个人助手类里 OpenClaw 以约 39.2 万星领先，Nous Research 的 Hermes Agent 约 25.4 万。前者是 TypeScript 运行时，在你的操作系统上直接执行任务；后者侧重随时间积累技能与上下文。AutoGPT 仍有约 18.8 万星，但它的许可证已经分裂：核心是 MIT，platform 目录用 Polyform Shield（限制商业使用）。 「本地优先」是这个类别的主线：任务在你自己的机器上跑，数据不出去。 ## 三、新战场：harness 与子智能体 真正新的一层是 harness——它不提供模型，提供的是**把任务拆开、分给子智能体、管理上下文和技能的骨架**： - **deer-flow**（字节，约 8.4 万星）：长周期 super-agent harness，编排子智能体、记忆、沙箱与可扩展技能，处理分钟到小时级的任务； - **deepagents**（LangChain，约 3.1 万星）：开箱即用的智能体 harness，子智能体、文件系统、上下文管理、技能全部内置，且每一部分都能被替换而不必 fork； - **OpenViking**（约 4.1 万星）：把记忆、资源、技能放进 `viking://` 虚拟文件系统，智能体用 `ls`/`tree`/`find` 浏览自己的上下文。 共同点是：**上下文管理被提升为一等公民**。不再是「把历史塞进 prompt」，而是给智能体一个它可以自己浏览和整理的结构。 ## 四、这一层的工程含义 1. **选 harness 等于选默认架构**。子智能体怎么拆、上下文怎么取舍、技能怎么加载，这些决策一旦被框架写死，后面改的成本很高。 2. **沙箱是分水岭**。要跑小时级任务，隔离执行环境不是加分项而是前提。 3. **可替换性比功能数量重要**。能逐层替换的 harness，比功能多但必须 fork 的好维护。 4. **先想清楚记忆放哪**。会话内记忆、跨会话记忆、随分支走的记忆是三种需求，对应不同工具（见另一篇关于记忆层的整理）。 ## 小结 一句被反复引用的判断：别追模型的最高星数，追能解决你具体瓶颈的那个工作流的最高星数。2026 年下半年的创新集中在胶水层——记忆、harness、网关。**「哪个模型最好」这个问题已经让位给「我怎么编排它」。** --- **说明**：本文为公开资料的整理与评述，星数与项目定位来自 2026 年 10 月的 GitHub 公开快照及项目 README，数据随时间变化，请以官方信息为准。本文由 AI 辅助整理，不构成技术选型建议。