nanocoder
开源 terminal 编程 Agent，支持 Ollama 本地模型和任意 OpenAI 兼容 A
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
开源 terminal 编程 Agent，支持 Ollama 本地模型和任意 OpenAI 兼容 A
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
你有没有遇到过这样的场景：深夜赶一个紧急需求，想让 AI 帮你写代码，但 ChatGPT、Copilot 的网页版需要联网、云端处理，你担心 prompt 里夹带的业务逻辑被"贡献给模型训练"；本地跑一个 Coding Agent，配置复杂、模型还得自己搭，光启动环境就花了半小时。
Nanocoder 正是为这类痛点而生。它是一个完全开源的 terminal 编程 Agent，由 Nano Collective（一个非营利社区组织，而非商业公司）打造。核心理念很明确：Bring your own model，keep your code on your machine，owe nothing to anyone——用自己的模型，代码留在本地，不欠任何人。
Nanocoder 运行效果截图。可以看到它直接在 terminal 中呈现文件改动diff、工具调用结果和多轮对话上下文，交互体验相当流畅。
当前市面上主流的编程 Agent（如 GitHub Copilot、Cursor）背后都是商业公司。它们有漂亮的商业模式，但也带来一些天然矛盾：你的 prompt 可能会被用来优化模型（即便有隐私协议），付费墙会把"最实用的功能"锁在高价套餐里，而 roadmap 走向往往由"什么最赚钱"而非"什么对开发者最友好"来决定。
Nano Collective 作为社区集体，选择了一条不同的路。这个组织不追求利润，成员同时也是用户，工具的设计逻辑由实际使用场景驱动，而非商业变现压力。没有遥测数据偷偷上传，没有"免费版阉割核心功能"，也没有"企业版专属"的护城河。这使得 Nanocoder 在架构设计上天然倾向于多模型支持和真正的隐私优先。
多模型驱动是 Nanocoder 的核心能力。它支持本地模型（通过 Ollama）和任意 OpenAI 兼容 API（OpenRouter、Anthropic、Google、DeepSeek 等）。这意味着你可以在本地用 llama3.1 跑一个完全不联网的私有编程助手，也可以切换到 Gemini-3.1-Flash 这种高性能云端模型。模型选择权完全在用户手中，不存在厂商绑定。
CLI 交互模式通过 terminal 直接工作，支持交互式对话和单次命令两种模式：
# 安装
npm install -g @nanocollective/nanocoder
# 指定模型运行单次任务（非交互）
nanocoder --provider openrouter --model google/gemini-3.1-flash run "analyze src/app.ts"
# 交互式启动
nanocoder --provider ollama --model llama3.1
# 直接进入指定模式（yolo=自动执行 plan=仅规划）
nanocoder --mode yolo
nanocoder --mode plan run "audit the auth module"
Skills 系统提供了高度可扩展的命令体系。Skills 分为四种类型：
/test、/commit，开发者可自由扩展MCP（Model Context Protocol）集成让它可以连接外部工具和数据源，通过 @modelcontextprotocol/sdk 接入 VSCode 插件、数据库、API 等。官方还提供了 nanocoder-vscode.vsix 插件，进一步扩展 IDE 集成能力。
Checkpointing 与任务管理让长周期任务可以随时暂停、恢复，不会因为终端断开而丢失进度。开发模式支持四种级别：normal（正常确认）、auto-accept（自动接受小改动）、yolo（全自动执行）和 plan（仅输出计划不执行），满足从谨慎验证到快速探索的多种场景需求。
从代码结构看，Nanocoder 采用了 TypeScript monorepo 架构，使用 pnpm workspace 管理多包，根目录 package.json 定义构建流程，TypeScript 源码在 source/ 目录模块化组织。
核心依赖揭示了它的技术选型：
| 依赖 | 用途 |
|---|---|
ai (Vercel AI SDK 6.x) | 多模型统一调用接口 |
@ai-sdk/* 系列 | Anthropic、Google、OpenAI、OpenAI-Compatible 适配器 |
@modelcontextprotocol/sdk | MCP 协议支持 |
ink + @inkjs/ui | React 风格的终端 UI 渲染 |
pino | 结构化日志 |
chokidar | 文件变化监听 |
croner | 定时任务 |
AI SDK 是关键基础设施。它是 Vercel 维护的多模型统一 SDK，支持流式输出（streaming）、工具调用（tool use）和结构化输出（structured output），使得同一套代码可以在不同模型间无缝切换，无需为每个模型单独适配 API 调用逻辑。
ink 库的引入是一大亮点——它是 React 的 terminal 渲染引擎，允许开发者用 React 组件构建交互式 CLI 界面。这意味着 Nanocoder 的 TUI（文本用户界面）可以复用 React 生态的组件库，同时保持 terminal 原生的轻量感。
测试方面，项目使用 ** AVA** 作为测试运行器，配合 Biome（Rust 实现的高速 linter/formatter）、c8（覆盖率）、Semgrep（静态安全扫描）和 Knip（死代码检测），形成了完整的质量保障体系。
Nanocoder 是纯 CLI 工具，不需要 Web UI，部署极为轻量：
npm install -g @nanocollective/nanocoder（需要 Node.js >= 22）.devcontainer/ 提供完整的 VSCode Remote-Containers 开发环境（包含 Dockerfile + docker-compose）硬件要求极低——不需要 GPU，只依赖 Node.js 运行环境。磁盘占用约 200MB，内存 1GB 即可流畅运行。
唯一需要用户准备的是模型接入：要么本地部署 Ollama（支持 llama.cpp 生态的各种量化模型），要么准备一个 OpenAI 兼容 API 的密钥。Ollama 的安装和模型拉取有一定学习曲线，是唯一的入门门槛。
Nanocoder 并非银弹，有几个现实局限值得注意：
1. 无 Web UI，全 CLI 操作：对于习惯 GUI 的用户，直接在 terminal 工作可能需要适应成本。界面虽然用 ink 做了优化，但终端的显示能力终究有限。
2. 模型质量完全取决于用户选择：Nanocoder 本身不提供模型，能力上限由所选模型决定。如果选了一个理解代码能力弱的模型，体验会大打折扣。Ollama 本地模型的推理速度也受硬件限制。
3. 社区规模 vs. 商业产品：虽然 Nano Collective 的理念值得尊敬，但相比 GitHub Copilot 这类有数千工程师维护的产品，Nanocoder 的更新速度、Bug 修复响应和生态丰富程度仍有差距。
4. VSCode 插件成熟度：当前 VSCode 插件功能相对基础，nanocoder-vscode.vsix 只是一个初步集成，还没有完全将 terminal 的所有能力搬入 IDE。
Nanocoder 的出现代表了 AI 辅助编程领域的一个新兴趋势——由社区驱动、而非商业公司主导的工具链。这类工具的核心价值不在于"比 Copilot 更好"，而在于提供了一种不依赖单一厂商、数据完全自主的选择。
从开源生态角度看，Nano Collective 正在构建一个工具矩阵（不只是 Nanocoder 一个项目），这个生态系统的协同效应值得关注。随着更多开发者加入贡献，Skills 库会越来越丰富，MCP 集成会越来越完善。
如果你关心数据隐私、追求工具自主可控、或者只是想体验"用自己的模型写代码"的自由感，Nanocoder 是一个值得尝试的选择。它的上手成本很低——装一个 Ollama、拉一个模型、跑一条命令，就能看到效果。
本报告基于 GitHub 仓库 v1.27.0 版本分析生成。