lime
开源全栈桌面AI Agent，支持代码、终端、文件、多模态与多Agent协作，Thread模型实现任务可恢复
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
开源全栈桌面AI Agent，支持代码、终端、文件、多模态与多Agent协作，Thread模型实现任务可恢复
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。
当你还在跟 AI 来回澄清需求、反复修改提示词时，用 Lime 的开发者已经让 Agent 独立改完了一个 Bug、提交了一个 PR、生成了一份完整的项目文档。
很多人第一次接触 AI 编程工具时，场景大概是这样的：把一段报错贴给 AI，AI 噼里啪啦给出一堆可能的原因和修复建议，你再复制粘贴到编辑器里试——失败了？继续贴回去问，AI 再来一轮"可能是因为……"。几个来回之后，问题解决了，但一小时也过去了。
Lime（青柠）想解决的就是这个痛点。它不是又一个"会聊天的 AI"，而是一个真正能动手完成任务的桌面 Agent——你可以理解为给 AI 装上了手和脚，让它不只是输出文字，而是能够读写文件、运行终端命令、调用各种工具，在同一个任务空间里持续推进，直到交付结果。
它的定位对标 Claude Code、OpenAI Codex 和 Cursor，属于"hands-on agent"这个新类别。不同之处在于：Lime 强调桌面 GUI、可视化工作区、多模型 Provider 自由切换，以及对工程/研究/内容三类工作流的统一支持。
Lime 能完整理解一个代码仓库的结构，定位 Bug 所在文件，追踪调用链，理解依赖关系，然后直接修改代码、运行测试、展示 diff。你可以追问"为什么这样改""有没有边界情况没覆盖到"，每一步都在同一个 Thread 里保留，随时回看。
在用户授权范围内，Agent 可以执行 shell 脚本、运行构建命令、执行测试套件、监控长时任务，并实时查看命令输出。这不是简单的"把命令粘贴到终端"，而是 Agent 能自主判断当前命令是否成功、是否需要调整参数、是否应该继续下一步。
Lime 不是纯文本工具。它可以理解截图、图片、PDF、表格、音频、视频，并在同一个任务里综合这些信息做分析。比如：用户发一张架构图截图 + 一份需求文档，Lime 能理解两者关系，直接生成对应的代码结构。
Lime 支持 MCP（Model Context Protocol）协议，可以调用外部工具和本地 Skills。用户也可以把重复性的检查步骤、发布流程、团队规范封装成可复用的 Skill，让 Agent 在不同任务中直接调用，而不需要每次都重新写一遍指令。
复杂任务可以拆分成多个子任务，分配给不同 Agent 并行执行，主 Thread 保持共享上下文、权限边界和结果汇总。多 Agent 模式适合大型项目中的分工协作，比如一个 Agent 负责调研、一个负责实现、一个负责写测试。
Lime 的典型工作流是：用户描述目标 → Agent 读取上下文 → Agent 提出执行计划 → 用户批准高风险操作 → Agent 执行 → 结果回显 → 用户追问或结束。
这个流程里最关键的一点是先规划再执行。Agent 不会一上来就改代码，而是先理解仓库、文件、历史记录和约束条件，然后给出一个可执行的计划，用户批准后才会动手。这个设计既保证了 Agent 的自主性，又把高风险操作（文件修改、命令执行）的决定权留给用户。
任务执行过程中，对话、计划、文件变更、终端输出、工具调用结果和生成的产物都在同一个 Thread 里保留，支持暂停、回顾和恢复。一个任务做了三天后中断了？重新打开 Thread，Lime 记得你做到哪了。
Lime 本身不提供 AI 模型，而是一个 Agent 宿主。它支持配置多个 Provider（模型服务商）和多种模型，用户可以按任务类型自由切换——写代码用哪个模型、做研究用哪个模型、处理多模态用哪个模型，都由用户自己决定。
这意味着 Lime 不存在"被某个模型能力限制"的问题。只要你能接入的模型服务，Lime 就能用。目前支持的场景包括：代码补全、代码审查、长文本推理、多模态理解等。
Lime 的技术栈非常明确：
整个工程采用 monorepo 结构，核心模块分为 packages/agent-runtime-*（Agent 运行时）、packages/agent-ui-*（UI 组件）、electron/（桌面宿主）以及 lime-rs/（Rust 后端）。
值得注意的是，Lime 的 License 是 GPLv3，这意味着基于它二次开发的项目也必须开源。对于商业公司来说，这是一个需要注意的限制。
Lime 提供的是桌面客户端，而非服务器端部署：
.dmg（macOS）或 .exe（Windows），macOS 还支持 Homebrew 一键安装如果你需要的是服务器端 API 或者 Docker 部署，Lime 目前不支持。这类需求可以考虑 Claude Code CLI 或 OpenAI Codex。
优点：
局限：
2024-2025 年，AI 编程工具经历了从"代码补全"到"代码 Agent"的跨越。Claude Code、Codex、Lime 这类产品代表着第三代工具：AI 不只是帮你写代码，而是帮你理解任务、规划步骤、执行操作、交付结果。
Lime 的多模态支持和 MCP 扩展机制，代表了这类工具的一个演进方向：Agent 不再是单一能力的执行者，而是工具和能力的协调者——把各种工具（MCP、Skills、外部服务）整合进同一个工作流，自己做决策和调度。这种架构在复杂任务中会越来越有价值。
截至分析时，Lime 在 GitHub 拥有 1,467 Stars，属于该类别中增长较快的新兴项目。
# macOS 用户
brew tap aiclientproxy/tap
brew install --cask lime
# Windows / macOS 用户直接从 Release 下载
# https://github.com/limecloud/lime/releases
首次启动后：配置 Provider（填入你的模型 API）→ 选择工作区目录 → 新建 Thread 并描述目标 → Agent 制定计划 → 批准执行。简单任务 5 分钟内可以跑完第一个结果。