README.zh.md

August 24, 2026 · View on GitHub

OpenProgram

OpenProgram：自编程 AI Agent 框架
Agent 自动创建并持续优化自身工作流 · 任意 LLM · macOS 与 Linux release

arXiv Release License Python Platforms Build status

快速上手 · 安装 · API 参考 · 设计哲学 · English

"The more constraints one imposes, the more one frees oneself." —— Igor Stravinsky，《Poetics of Music》

我们提出 Agentic Programming。 LLM 灵活,代码确定。让模型掌控一切,得到的是混乱——不可预测的执行、上下文爆炸、没有输出保证;把一切硬编码,又丢掉了智能。Harness 在两者之间取得平衡,逐时逐刻地交织——想固定的流程交给 Python,写不进脚本的判断交给 LLM。(完整论证 →)

目录

安装

curl -fsSL https://openprogram.io/install | sh

macOS 桌面从 GitHub Releases 下载 unsigned DMG。Linux 用同一套 CLI/server runtime 和 Web UI，当前不发布桌面包。Windows 原生打包不在本 release。

平台矩阵、PATH、openprogram doctor、source checkout 见 安装。

快速开始

第一次运行 openprogram 进入 provider 向导，然后进终端聊天。可用 openprogram setup 重跑向导。

openprogram

打开 Web UI：http://localhost:18100

openprogram web

用一条打印回复确认：

openprogram --print "用一句话介绍你自己"

GUI Agent、Research Agent、Wiki Agent 已随每个受支持的 release 附带。第三方 Program 用 openprogram programs install <owner>/<repo>。详情见 快速上手。

新闻

  • 2026-08-17 — 内置浏览器：多窗格、书签、History，以及 Agent 对可见页面的操控。
  • 2026-07-21 — 多 Agent：spawn 子 Agent，跨会话传信，会改文件的分支跑在 git worktree 里。
  • 2026-06-22 — 📄 论文接收 —— KDD 2026 Workshop on Agentic Software Engineering（arXiv:2606.15874）。
  • 2026-06-07 — 可安装 harness，以及多账户 provider 与自动 key 轮换。
  • 2026-05-28 — Web UI 设计系统。
  • 2026-04-04 — 内置 Anthropic / OpenAI / Gemini provider。
  • 2026-04-03 — 🌱 首个版本：@agentic_function 与执行 DAG。

为什么是 OpenProgram？

OpenProgram 当前 release 支持 macOS 和 Linux 安装、多 provider，以及 Web 界面（桌面 App 或 openprogram web → http://localhost:18100）。Windows 原生打包暂缓到后续 release 决策；目前 Windows 与移动设备可以作为浏览器客户端访问受支持的远程主机。harness 本体提供三种构建 agent Program 的机制。

1. DAG 上下文 —— 原生多 agent 系统的地基

DAG Context — every user, LLM, and function call is one node on a single flat DAG; each @agentic_function declares in one line what context it reads and exposes, so fork, spawn, cross-session messaging, and worktree isolation all follow

每个用户轮次、LLM 调用、函数调用都是同一张扁平 DAG 上的一个节点。两种边赋予它含义:caller(谁调了谁)和 reads(谁的输出喂进了这次 prompt)——上下文由图组装出来,不靠手工缝合。每个 @agentic_function 都是一行声明的可编程上下文:expose 控制一次调用向父级展示什么,render_range 控制一次调用拉进多少历史({"callers": 0} 给出一次性的自隔离草稿上下文,函数返回即回收——prompt 不会无界增长)。

因为上下文是可寻址的节点而不是每个 agent 一份的缓冲区,多 agent 不再是外挂:fork 一个分支、spawn 一个干净的子 agent、跨会话 send_message、把动文件的分支放进隔离的 git worktree 里跑——在同一张 DAG 上,每一样都只是"选一组不同的节点当上下文"。

2. Agentic 工作流 —— 可信且自我演化的 agent 的地基

Agentic Workflow — Python drives the flow and code gates enforce the critical steps; a failed validation makes the model re-decide so it cannot skip checks; the agent writes and hot-loads its own @agentic_functions

Python 驱动流程;LLM 只在被要求时推理。 关键步骤变成代码关卡——模型的选择由代码解析和校验,校验不过就让它重新决策,而不是悄悄跳过,所以校验不可能被绕开。每次调用都是可重试、可观测的 DAG 节点。这就是执行可信的来源:保证写在代码里,不写在模型的善意里。

自我演化是一套机制,不是黑箱:agent 用普通文件编辑工具编写和修复自己的 @agentic_function,文件监听器热加载,新工具下一轮就上线——没有专门的 create() / fix() 机构。

3. 事件基础设施 —— 主动 agent 的地基

Event Infrastructure — a unified process-wide event bus that the agent loop, auth, context, channels, and memory all emit onto; anything can subscribe by event type, and a proactive policy layer builds on top

一条进程级事件总线是一切之下的基底:agent 循环、auth、上下文、渠道、记忆都往上面发事件,任何组件都能按事件类型订阅(每个事件都是统一的 Event(type, payload, ts) 信封,带 id / origin / metadata)。这里刻意只做地基——监视事件流并主动行动的策略层,是这条总线的第一个预期消费者。管线已经就位;主动性留给你在上面搭。

引用

在你的工作中使用了 OpenProgram,或基于这份代码构建?请引用我们的论文——并注意在 AGPL 下,任何你分发或作为联网服务运行的衍生作品必须同样以 AGPL 开源,并保留署名(见许可证)。

LLM-as-Code: Agentic Programming for Agent Harness —— 已被 KDD 2026 Workshop on Agentic Software Engineering (AgenticSE) 接收。arXiv:2606.15874

@inproceedings{qi2026llmascode,
  title     = {LLM-as-Code: Agentic Programming for Agent Harness},
  author    = {Qi, Junjia and Fu, Zichuan and Gao, Jingtong and Zhang, Wenlin and Yan, Hanyu and Wu, Xian and Zhao, Xiangyu},
  booktitle = {KDD 2026 Workshop on Agentic Software Engineering (AgenticSE)},
  year      = {2026},
  eprint    = {2606.15874},
  archivePrefix = {arXiv},
  url       = {https://arxiv.org/abs/2606.15874},
}

许可证

AGPL-3.0 © 2026 Fzkuji。可自由使用、研究、修改、分享——但任何你分发或作为联网服务运行的衍生作品也必须以 AGPL 发布,并保留署名。