README.zh-CN.md

中文 English

---

以 Code Agent 为核心的本地 AI 工作台

BitFun 基于一个面向长程任务、强调工程执行与 Token 经济性的 Code Agent 打造本地 AI 工作台。

它能理解复杂上下文、调用工具、等待结果、修正偏差，把长程任务持续推进到可交付状态；编码、调研、办公、文档、桌面操作和可扩展工作流，都在同一个本地桌面环境里展开。

核心目标：让 AI 从“Agent Loop 的迭代执行”进化成“可自主完成长期工作”的生产力系统。

---

Agent 核心指标

下面的数据用于观察 BitFun Agent 的核心能力。统一使用 Deepseek-V4-Pro，分为完成效果、Token 经济和其他体验指标三个部分。

当前数据为每个 case 跑 1 次得到的 BitFun 初始评测结果。评测会受到任务抽样、模型版本、运行环境和单次执行偶然性的影响，存在一定波动；这组数据仅用于说明当前 Agent 已具备可用的基础竞争力，并不代表固定排名或最终上限。后续会持续优化并放出完整评测详情。

1. 完成效果

BitFun 在 SWE-Bench-Pro 和 SWE-Bench-Verified 上均领先 Open Code 与 Claude Code。SWE-Bench-Pro 关注复杂软件工程，SWE-Bench-Verified 关注人工验证的 GitHub issue 修复。

评测集说明：SWE-Bench-Pro / SWE-Bench-Verified

2. Token 经济

Agent 执行是否经济，需要综合评估端到端 Token 消耗、执行耗时和 KV Cache 复用。当前先展示同一轮 SWE-Bench-Pro 中的 KV Cache 观察：BitFun 的平均 KV Cache 命中率为 98.67%。后续完整评测会继续补充更完整的成本与耗时指标。

3. 其他体验指标

成本之外，Agent 体验还取决于它能否在超大工程里快速找回上下文。面对 Chromium 这类千万行级代码仓库，BitFun 通过 flashgrep 最高降低约 94.6% 搜索耗时，平均加速约 36.1x。

---

两个核心场景，一套可扩展 Agent 桌面

你可以把两类复杂工作交给 BitFun 推进：在真实仓库里完成编码交付，在资料和文件中完成办公交付。遇到需要浏览器、桌面软件、终端或远程环境的任务时，它可以进入真实工作现场；需要接入你的工具链时，也可以继续扩展 Agent 自定义、MCP、Skills 和 Mini App。

核心场景

场景	目标交付	典型能力
编码	从真实仓库推进到可合并结果。	Agentic、Plan、Debug、测试、Git、Deep Review、长程任务、Benchmark。
办公	从资料推进到可交付文档。	Research、PPT、DOCX、XLSX、PDF、总结、写作、会议纪要、报告。

通用能力

• 桌面执行底座：Computer Use、浏览器操作、桌面应用、文件系统、终端、远程工作区和 Mini App，让 Agent 能进入真实工作环境。
• 可定制化扩展：MCP、Skills、Agent 自定义、Mini App 和源码级扩展，让 BitFun 可以按你的工具链、角色和界面继续生长。

---

开箱即用

直接下载

前往 Releases 下载最新桌面端安装包，安装后配置模型即可开始使用。

从源码运行

前置依赖：

• Node.js 22.12+（推荐 LTS）
• pnpm 10.15.0（建议通过 Corepack 使用）
• Rust 工具链
• Tauri 前置依赖

pnpm install
pnpm run desktop:dev

更多开发说明见 CONTRIBUTING_CN.md。

---

定制你的 BitFun

BitFun 的扩展路径从轻到重连续展开：

层级	方式	适合场景
L1	Agent 自定义	定义角色、流程、约束和工具组合。
L2	MCP / Skills	接入外部工具、专业能力和工作流。
L3	Mini App	为任务生成专属界面、表单、面板或可视化。
L4	源码级改造	修改工具、适配器、UI、Runtime 或产品形态。

你可以用 BitFun 的 Code Agent 来扩展 BitFun 本身。

---

贡献

欢迎 Star、Issue 和 PR。我们尤其关注：

1. Code Agent、Deep Review、调试和长任务执行能力
2. Cowork、调研、文档和桌面工作流
3. MCP、Skills、Mini App、LSP 插件和新领域 Agent
4. Runtime 稳定性、性能、上下文效率和可验证性

请将 PR 直接提交至 main 分支。更多说明见 CONTRIBUTING_CN.md。

---

声明

1. 本项目为业余时间探索、研究构建下一代人机协同交互，非商用盈利项目。
2. 本项目 97%+ 由 Vibe Coding 完成，代码问题欢迎指正，也欢迎通过 AI 进行重构优化。
3. 本项目依赖和参考了众多开源软件。感谢所有开源作者。如侵犯您的相关权益，请联系我们整改。