Hacktoberfest 2026：维护者为十月标记出来的 issue，仍然开放、适合新手。 浏览 Hacktoberfest issue

【开源自荐】mu：带判定内核的编程 Agent，例行判断交给小模型

未关闭
  • 哪里不对？
#162 0 条评论 0 个 reaction 已指派 0 人 在 GitHub 查看

还没有人认领这个 Issue。

评估

难度
2/5
预计耗时
1-3 小时
新手友好度
22/100
Issue 类型
文档
描述清晰度
需要澄清
活跃度
活跃
领域
content, documentation

调研方向

This is a self-recommendation of the mu programming agent for the OpenGithubs weekly, not a scoped code change. Maintainers should review https://github.com/qybaihe/mu against the weekly selection rules and, if it is accepted, add an entry in the next Monday issue using the same markdown layout as prior issues. There is no file, test, or definition of done for a first-time code contributor.

由索引模型根据 Issue 内容生成。

描述

mu：带判定内核的编程 Agent，例行判断交给小模型

mu 是一个开源的编程 Agent，有命令行和桌面端，基于 pi 和 AionUi。

一个编程 Agent 在一次会话里要做很多和代码本身无关的判断：哪些工具输出留在上下文里、一条命令是不是用户要的、抓来的网页里有没有冲着模型的指令、活儿到底干完没有。交给大模型，花 token、花时间，也分散它的注意力；交给写死的规则，又不看上下文。mu 把这些判断放在 30 多个决策点上，每个决策点问一个小问题（是/否、单选或打分），交给小而快的判定模型 Jev 回答，代码按阈值执行，大模型只管干活。

项目地址：https://github.com/qybaihe/mu

几个特点

  • 长工具输出按片段判断：进上下文，或者存档在一个指针后面。
  • 危险命令先由规则拦下，Jev 只负责确认是不是用户要的；规则是底线。
  • 网页、搜索结果和 MCP 输出逐段筛查，冲着模型来的指令会被扣下，并注明位置。
  • 每个决策点可以设为生效（active）、只记录（shadow）或关闭（off），也可以换成本地 322M 的判定模型 Laya、分类模型或任意 LLM。每次判断都记进本地账本（mu ledger）。
  • 仓库自带回放脚本，数据和标注是作者的：把失败测试日志里完全重复的片段折叠，7 份真实日志合计省下 51%，不调用模型，能原样展开；按当前目标让 Jev 挑测试日志里还需要的部分，删掉 40–46%，没有丢掉一行必需内容。这两项功能默认关闭。

怎么用

  • 命令行：npm i -g mu-agent（Node.js 22.19 或更新），mu setup 接入模型。
  • 桌面端：Releases 里有 macOS（已签名并公证）、Windows（暂未签名）和 Linux（.deb）安装包。
  • MIT 开源，desktop/ 目录是 Apache-2.0。目前是预发布版（0.1.x）。

我是 mu 的作者。这篇自荐由 AI agent 按我的要求起草和检查。

主要语言
没有语言数据
星标
1.8k
派生
71
30 天内没有已合并 PR

环境准备

这个项目没有提供开发容器、Dockerfile 或贡献指南，环境需要你自己搭建：先看它的 README，通用步骤见我们的新手贡献指南。

从这里开始

  1. 先读完整个 Issue，再读项目的贡献指南。
  2. 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
  3. Fork 仓库，在一个分支上完成修改。
  4. 提交 Pull Request，并在描述里引用这个 Issue 编号。

OpenGithubs/weekly 的其他 Issue

查看 OpenGithubs/weekly 的全部 Issue

相似的 Issue

更多 Content Issue

把新 issue 发到你的邮箱

精选适合新手参与的 GitHub issue 摘要。