今天看到了一个这个项目:

tailcallhq/forgecod:https://github.com/tailcallhq/forgecode

ForgeCode 是一个跑在终端里的 AI 编程助手。
README 里的标题写得很清楚:AI-enhanced terminal development environment。它不是模型服务,也不是 RAG 框架,而是把大模型接到本地开发环境里,让它读代码、改代码、跑命令、管理会话。
仓库描述里提到,它可以接 Claude、GPT、O 系列、Grok、DeepSeek、Gemini,以及 300 多个模型。核心实现语言是 Rust。

现在很多 AI 编程工具的问题,不是模型不够多,而是入口太散。
有的在网页里,有的在 IDE 里,有的需要单独开客户端。真写代码的时候,你可能已经在终端里切分支、跑测试、看日志、提交 commit。
ForgeCode 的思路是把 AI 助手放回这个位置。
它提供三种用法。
第一种是直接运行 forge,进入交互式 TUI。适合一边问、一边改、一边跑的多轮任务。
第二种是 forge -p,把一个 prompt 当成一次性命令跑完。适合脚本、管道、快速解释文件。
第三种是 zsh 插件。装好以后,可以在 shell 里直接用 : 前缀发任务,比如 : refactor the auth module、:commit、:suggest "find large log files"。

第一个看点,是它没有只做一个聊天窗口。
README 里列了会话管理、Git 操作、shell 命令建议、文件附件、语义搜索、MCP 配置这些入口。比如 :conversation 可以切换历史会话,:commit 可以根据 diff 生成提交,:sync 可以给当前工作区做语义索引。
第二个看点,是内置 agent 的分工比较直接。
默认的 forge 用来实现功能、修 bug、跑测试,会改文件。sage 更偏只读研究,用来看代码结构和数据流。muse 更偏计划,会把实现计划写到 plans/。
第三个看点,是 provider 配置没有只押一个模型厂商。
README 里写的推荐方式是 forge provider login。它会引导你录入凭据。文档里还列了 OpenRouter、OpenAI、Anthropic、Google Vertex AI、OpenAI-compatible provider、Groq、Bedrock 等配置方式。

我觉得它值得看,是因为它把“终端里的 AI 编程”拆得比较细。
不是只有一句“帮你写代码”。它关心的是更日常的动作:切到某个目录、挂上文件、保留会话、选择 agent、生成 commit、把一句话变成 shell 命令、用 MCP 接外部工具。
这些东西听起来小,但开发时经常会打断节奏。
还有一个细节:README 里提到 --sandbox 可以创建隔离的 git worktree 和 branch,用来做实验。它也提到 restricted shell mode,用来限制文件系统访问,减少误操作。
这说明项目至少在认真处理一个现实问题:AI 能改代码之后,边界要能看见。

安装方式很短:
curl -fsSL https://forgecode.dev/cli | sh
第一次运行时,它会引导你配置 AI provider。也可以先手动登录:
forge provider login
forge
如果只想跑一次任务,可以这样:
forge -p "Explain the purpose of src/main.rs"
如果想把它塞进日常 shell,可以跑:
forge setup
然后用 : 前缀:
:sage how does the caching layer work?
:muse design a deployment strategy
:commit

ForgeCode 更适合经常待在终端里的开发者。
如果你平时主要用命令行跑测试、看日志、切分支、提交代码,它的入口会比较顺手。尤其是 zsh 的 : 前缀,不用从 shell 跳到另一个窗口。
团队也可以看它的 agent 分工和配置文件设计。比如用 AGENTS.md 放团队约定,用 .forge/agents/ 放自定义 agent,用 MCP 接内部工具。
要先注意的是,它会接触本地代码和命令执行。
所以试的时候,最好先拿一个小仓库跑。看清楚它会读哪些文件、会改哪些文件、provider 凭据怎么保存、语义索引会不会把代码发到默认工作区服务。
如果这些边界都能接受,再把它放进真实项目里。

今天就先聊到这里,我们下期再见。