Fuxi
fuxicodex/Fuxi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
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。
想象一下：你在 VS Code 里写代码，写到一半卡住了——不是语法问题，而是架构设计、边界条件、测试用例，全都需要经验和灵感。传统做法是打开浏览器搜索、翻 Stack Overflow、问同事。但现在，你可以直接在终端里喊一声「FuXi，帮我把这个模块重构一下」，它就钻进你的代码库，读文件、改代码、跑测试，自己验证结果，自己汇报进展。这就是 FuXi——一个住在你终端里的 AI 编程智能体。
2023 年起，AI 编程工具迎来爆发式增长。从 GitHub Copilot 的代码补全，到 Cursor 的 IDE 深度集成，再到 Claude Code、Devin 等 Agent 级产品，整个行业在快速迭代。但这些产品有一个共同点：它们都是图形界面优先。
对于习惯在终端里工作、追求效率最大化的开发者来说，GUI 工具往往意味着额外的认知切换成本。一个 TUI（终端用户界面）工具可以直接嵌入你的工作流，不需要切换窗口，不需要学习新的 UI 范式——用你最熟悉的 shell，完成所有工作。
另一方面，市场上大多数 AI 编程工具高度绑定某一模型提供商。Copilot 绑定 GPT-4，Claude Code 绑定 Anthropic。一旦提供商涨价、限流或政策变化，开发者的议价能力几乎为零。FuXi 从设计之初就将「不绑定单一提供商」作为核心原则——任意 OpenAI 兼容的模型都能驱动它，包括本地部署的开源模型。
FuXi 由 fuxicodex 团队开发，核心语言为 Go，交付为单个静态二进制文件，无需任何运行时依赖（Python、Node.js、Docker 统统不需要）。项目于 2025 年底发布 README，2026 年初正式发布 0.15 版本，迅速积累超过 3000 颗星。
FuXi 不是 Copilot 那样的代码补全工具，而是一个完整的编程智能体（Agent）。两者有本质区别：
| 维度 | 代码补全（如 Copilot） | 编程智能体（如 FuXi） |
|---|---|---|
| 交互方式 | 你写代码，它补全 | 你下达任务，它自主完成 |
| 执行范围 | 单文件、单函数 | 多文件、跨模块、整个项目 |
| 工具能力 | 几乎无 | 50+ 内置工具 |
| 验证方式 | 无自动验证 | 自动运行测试、验证结果 |
| 上下文理解 | 当前文件 | 整个代码库 + 会话历史 |
FuXi 的核心工作流是思考 → 行动 → 验证三段式循环：
这个循环会持续迭代，直到任务完成或达到用户设定的边界（最大轮次、token 上限等）。每一步都有清晰的日志输出，用户可以随时中断或接管。
FuXi 内置超过 50 个工具，全部打包在单个二进制中：
FuXi 的「智能路由」是它最独特的能力之一。在多模型之间，它会根据任务复杂度自动选择合适的模型：
这不只是「按模型名字路由」——FuXi 会分析任务特征，结合模型能力和成本，动态选择最优路径。官方 benchmark 数据显示，在同样的 deepseek 模型上，通过 FuXi 的智能路由 + Agent 循环，可以达到与 Claude Code + Claude Opus-5 相同的 100% 通过率。
~/.fuxi/，可以随时恢复FuXi 内置多层安全机制：
plan 模式只规划不执行，bypassPermissions 绕过限制用于 CI）FuXi 的安装极其简单——一条命令搞定：
# macOS / Linux
curl -fsSL https://fuxicode.com/install.sh | bash
# Windows PowerShell
irm https://fuxicode.com/install.ps1 | iex
安装脚本会自动检测系统，下载对应平台的二进制文件，添加到 PATH，全程无需手动配置。安装后验证：
fuxi --version
fuxi doctor # 环境自检
首次运行前，需要配置一个 LLM 提供商。有两条路径：
路径一：使用 FuXi 托管模型（推荐新手）
fuxi login # 浏览器认证，无需 API Key
路径二：自带 API Key（推荐有经验用户）
fuxi init # 生成 ~/.fuxi/config.yaml
# 然后编辑配置文件，或使用 fuxi wizard 交互式配置
FuXi 支持 OpenAI 兼容 API、Gemini API、以及 AWS Bedrock/Vertex。可以同时配置多个提供商，分层管理：
providers:
openai:
type: openapi
base_url: https://api.openai.com/v1
api_key: <your-key>
deepseek:
type: openapi
base_url: https://api.deepseek.com/v1
api_key: <your-key>
model:
active: { provider: deepseek, id: deepseek-chat }
fuxi # 启动 TUI，开始对话
fuxi -d /path/to/project # 指定工作目录
fuxi --resume <session-id> # 恢复历史会话
fuxi -m claude # 临时切换模型
TUI 内输入 / 可以查看所有斜杠命令，包括 /model 切换模型、/cost 查看花费、/compact 压缩历史、/doctor 诊断环境。
FuXi 团队在官方 benchmark 中用相同任务集、相同评分工具（pytest + coverage），对 FuXi + deepseek 和 Claude Code + claude-opus-5 进行了对照测试：
这意味着：用 deepseek 这样成本更低的模型，通过 FuXi 的 Agent 循环，可以达到与顶级商业模型相同的效果，成本却可能是后者的十分之一甚至更低。
FuXi 最大的争议在于它的 License。项目采用 专有协议（Proprietary）——二进制免费分发使用，但不公开源代码。README 明确写道：
"The FuXi binary is distributed as a free product for individuals, teams, and enterprises, but the source code and internal implementation are not open source and are not published."
这与开源社区的主流价值观存在张力。开发者无法审查底层代码，无法自行编译，无法 fork 二次开发。对于安全意识强或合规要求高的团队来说，这可能是个障碍。
所有 AI 编程 Agent 都面临共同挑战：复杂任务中的规划能力上限、长程依赖下的上下文丢失风险、以及 Agent 在某些边界条件下可能产生的「幻觉行为」（比如自行修改了不该改的文件）。FuXi 虽然有安全护栏和审计日志，但这些防护机制本身运行在闭源二进制中，可信度取决于对官方的信任。
FuXi 提出的核心命题是：模型只是引擎，工具链才是整车。
GPT-4、Claude Opus、deepseek 这样的模型本身都是通用的文本推理引擎——它们能回答问题，但无法直接操控你的文件系统、运行你的测试套件、与你的 CI/CD 系统集成。FuXi 通过「模型无关的 Agent 框架」把这个能力补上了。
它的 benchmark 结果（与 Claude Code + Opus-5 打平）验证了一个关键假设：好的 Agent 框架可以把一个普通模型「拉升」到顶级模型的能力水平。这对于降低成本、提高自主性有重要意义。
从更宏观的视角看，FuXi 代表了 AI 编程工具的第三条路：
这条路能否走通，取决于社区对「闭源二进制 + 免费使用」模式的接受程度。
| 指标 | 数值 |
|---|---|
| GitHub Stars | 3,386 |
| 主要语言 | Go + Python（benchmark 测试套件） |
| 核心特性 | 终端 AI 编程智能体、智能路由、MCP 客户端、持久会话 |
| License | Proprietary（二进制免费，源码不公开） |
| 官方安装 | 一键脚本（curl / PowerShell） |
| 运行时依赖 | 无（单静态二进制） |
| 官方主页 | https://www.fuxicode.com |
