Linghun：本地优先、证据优先的 AI 编程终端

核心信息

以下信息由程序从官方接口读取，不经模型改写。

仓库地址: https://github.com/linghungegeg/Linghun
许可证: Apache-2.0
语言: TypeScript
维护方: linghungegeg
核验日期: 2026-11-03

它是什么

Linghun 是本地优先、证据优先的 AI 编程终端。Linghun 可以理解成给大模型装上一套工程化外骨骼。模型负责理解、推理和生成。Linghun 负责把模型接到真实项目、真实工具、真实权限、真实验证和真实上下文里。

主要能力

Linghun 支持 OpenAI-compatible、DeepSeek、Anthropic Messages 风格端点，包含流式输出、工具调用、usage、reasoning、timeout、idle timeout、provider 诊断和失败摘要。
Linghun 内置 Read、Write、Edit、MultiEdit、Grep、Glob、Bash、Todo、Diff、Git 等工具路径。
Linghun 支持 Workflow Matrix、durable job、background task、agent transcript、预算、步数、日志、报告和 handoff 边界。
Linghun 会区分 PASS、PARTIAL、FAIL、TIMEOUT、STALE、CANCELLED，也会区分聚焦验证、mock 验证、真实 smoke 和未验证结论。
大改动前后，Linghun 可以检查 Git 状态、创建稳定点、帮助管理 worktree，并把 Git 相关结论绑定到真实仓库状态上。
规划、执行、审查、验证、总结、视觉、图片等角色可以走不同模型路线。

怎么上手

环境要求包括 Node.js 22 或更新版本。
安装之后先在要处理的项目中启动 Linghun；Windows 上除 linghun 外也支持大写的 Linghun 兼容入口，二者选一个即可。/model setup 要在 Linghun 启动后运行，/model doctor 用来检查 provider 配置，两者都在 Linghun 的会话里使用，不是在系统终端里单独执行。
模型 provider key 默认保存在项目外的用户私有配置里。
Linghun 默认把代码执行放在你的机器上。

摘自 README · bash

npm install -g @linghun/cli

摘自 README · bash

linghun

摘自 README · powershell

Linghun

摘自 README · bash

linghun --version

摘自 README · text

/model setup

摘自 README · text

/model doctor

适合谁

Linghun 仍在活跃开发中。Linghun 使用 Apache License 2.0。Linghun 不要求用户先背一堆英文命令。

MCP、Skills、Plugins、Workflows、Hooks 提供扩展入口，但遵循“先元数据、后执行；先信任、后启用；先诊断、后使用”的原则。远程通知和审批可以接企业微信、飞书/Lark、钉钉等通道。远程通道不是绕过本地权限的远程执行平台，也不应该把完整代码和完整 transcript 随意发送到外部平台。

情绪和用户状态不能替代权限确认，不能当作测试证据，不能让 agent/job/workflow 自动执行，也不能因为“用户很急”就越权写文件。Evidence Merge 会区分“能支持完成声明的证据”和“只能作为上下文的状态”。agent summary、job completed、remote event、failure learning 不能直接冒充 PASS。

受控记忆走 candidate-first 确认流，避免把一次性情绪、敏感信息或未经确认的事实写成长久规则。AntiCodeBlob 提示会提醒模型不要继续堆进 god file、超长函数、深层嵌套或无边界全局状态。Linghun 的架构系统会关注模块边界、依赖方向、职责回流、重复 runtime、权限绕行、诊断泄漏、前端/TUI 体验约束和交付一致性。

普通主屏不会泄漏 provider、baseUrl、endpointProfile 或明文 key。Linghun 的定位不是绑定某一家模型，而是给不同模型提供统一的工程化外骨骼。Linghun 可以用代码索引、搜索、架构证据、工作区快照和大文件保护来减少重复读文件。

Linghun 可以沉淀项目规则、交接摘要、受控记忆和失败经验。Linghun 关注 prompt cache、工具列表稳定性、上下文噪音、长日志摘要、缓存新鲜度和用量追踪。

本站已收录的相关工具。