GitHub一周热点：开源Grok Bot与多Agent编程工作台

开源版Grok Bot：你的AI员工已上线

最近一段时间，AI公司纷纷开始给用户「派发AI员工」。Meta推出了Muse，Grok掏出了Bot，OpenAI也有Dots——思路都差不多：给AI配一台云端的电脑和浏览器，让它帮你处理日常事务，或者分配长期任务在后台自动执行。本期GitHub热点中的OpenMouseBot，就是要做一个开源版的Grok Bot。

它的界面设计偏向聊天工具，不过左侧的联系人列表换成了你自己创建的Bot。给Bot起个名字、安排一个职责、选好模型，就可以开始工作了。你也可以把几个Bot放进同一个频道，甚至让它们接入你电脑上已经装好的Claude Code、Codex或Grok命令行工具——底下就是这些Agent实际干活的区域，整体体验和多Agent运行工具非常相似。

OpenMouseBot的一个特点是：每个Bot可以分配一台自己的电脑。这台电脑可以是云端的Linux桌面，也可以是隔离的本地虚拟机，或者干脆就是你正在使用的这台机器。打开计算机面板后，机器人的云端桌面会自动显示出来，任务运行过程可以实时查看。云端电脑由Bot提供，思路和云厂商现在的很多做法非常相似。此外，项目通过Composio的Session实现一键式应用接入，可以对接几百种常用工具。想体验的话，先下载桌面客户端，再创建Bot，具体怎么分配电脑根据自己情况决定——注意云上的电脑不是免费的。

MCP（Model Context Protocol） 是 Anthropic 于 2024 年底提出的一种开放协议，用于标准化 AI 模型与外部工具、数据源之间的连接方式。可以把 MCP 理解成 AI 世界的「USB 接口」：模型通过统一的协议去调用文件系统、数据库、浏览器、第三方 API 等能力，而不需要为每个工具单独写适配代码。文中 OpenMouseBot 通过 Composio 的 Session 接入几百种工具、Scrapling 提供 MCP 接口把网页转成 Markdown，本质上都是让 Agent 以标准化方式获得外部能力。对于开发者而言，MCP 降低了为 Agent 扩展工具的成本；对于用户而言，它意味着同一个 Agent 可以快速接入不同的服务生态。目前 Claude Code、Codex 等主流 Agent 工具都已支持 MCP。

T3 Code：多Agent编程的统一管理界面

如果你手里同时有好几个编程Agent的开发任务，需要交叉使用Claude Code、Codex或Open Code来完成，原来可能要在几个窗口之间来回切换。T3 Code想把这些都放进同一个管理界面里。

它支持连接各种Agent工具，桌面、网页、手机端都有对应入口。和之前介绍过的ORAC相比，T3 Code没有特别强调「Agent Team」的概念，定位更围绕开发本身展开，使用上更直接一些。它的thread加environment设计，让管理多个开发环境时更有优势。如果你只是在一个机器环境里开发、想搞自动化Agent的概念，ORAC的功能会更强；但如果你经常在多个Agent之间快速切换，T3 Code会方便不少。

使用上，下载桌面版安装后启动，会提示配置Agent，它能自动识别本地已有的Agent。如果用Claude Code而不是Claude桌面版，需要把路径改成全路径。除了默认Agent，也可以通过ACP接入其他工具，比如本地装了Kimi Code，只要配置路径并在参数里设置ACP就能接入。选择目录、新建任务、决定由哪个Agent完成，工作做完后可以看到修改了哪些代码、提交修改以及创建PR。同时处理几个任务时，可以通过Git的worktree给各自建工作目录，避免互相影响；也可以配置多个environment，把多个开发环境一并接入。它还能统一查看各个Agent的token消耗情况。

ACP（Agent Client Protocol） 是一类用于让不同的编程 Agent 与统一客户端对接的协议约定。由于 Claude Code、Codex、Kimi Code 等工具各自有独立的调用方式和参数格式，统一管理界面需要一种中间层来屏蔽差异。文中 T3 Code 通过 ACP 接入 Kimi Code，做法就是在配置里指定可执行文件路径并在启动参数中声明 ACP 模式，客户端即可按统一协议与该 Agent 通信。类似思路也出现在编辑器与语言服务器之间的 LSP 协议上——用一套标准接口对接多种实现。对用户来说，ACP 的价值在于不用为每个 Agent 单独适配界面，只要工具支持该协议就能被纳入同一工作流，这也是多 Agent 协作工具能够快速扩展生态的关键。

Git worktree 是 Git 提供的一种机制，允许在同一个仓库上同时检出多个工作目录，每个目录可以位于不同的分支，而共享同一份版本库数据。与复制多份仓库相比，worktree 节省磁盘空间，也不会出现多个副本之间提交历史不一致的问题。文中提到同时处理几个任务时用 worktree 给各自建工作目录，正是利用了这一特性：每个 Agent 在自己的目录里修改代码、提交 PR，彼此互不干扰，主工作区也不会被弄乱。常见用法是 git worktree add ../feature-x feature-x，完成后用 git worktree remove 清理。对于需要并行跑多个编程 Agent 的场景，worktree 几乎是必备的隔离手段。

紫微斗数排盘：传统文化也开源

本期还有一个画风不太一样的项目——开源的紫微斗数排盘工具。紫微斗数是中国传统命理学的一种，用出生的年月日时辰把信息排成一张命盘，再按规则把紫微等星曜放进不同宫位，结合四化、运限等规则来解释。

项目基于倪海厦老师在天纪中系统梳理的正宗紫微斗数体系。有在线版本可以直接体验，填入出生信息后生成命盘，点开宫位看内容，以及这套体系里不同年龄阶段、不同年份的变化。仓库还整理了一些古籍和知识资料可以对照查看。项目主要开源的是排盘引擎、资料部分和演示，完整的AI解读和后端需要自己去做。

紫微斗数 是中国传统命理学的重要流派之一，相传源于宋代，以出生年月日时为依据，将一百余颗星曜安放入十二宫位，构成一张命盘。十二宫包括命宫、兄弟、夫妻、子女、财帛、疾厄、迁移、交友、事业、田宅、福德、父母，分别对应人生的不同面向。排盘之后还要结合「四化」（化禄、化权、化科、化忌）以及大限、流年等运限规则来解读。文中提到的倪海厦是当代知名中医与命理研究者，其「天纪」课程对紫微斗数体系做了系统梳理。开源排盘工具的核心价值在于把复杂的安星规则工程化，让开发者可以在引擎之上叠加自己的 AI 解读或后端服务。

Scrapling：现代化Python爬虫框架

写爬虫的朋友应该都有体会：第一次把数据爬下来挺有成就感，但过几天网站改版，很可能又抓不到数据了。Scrapling就是想把这些常见问题集中解决。

简单网页直接发起请求；需要运行JavaScript就用浏览器去抓；抓回来用CSS选择器或XPath读取内容。如果要连续抓取页面，它也有Spider抓取功能，可以设置同时跑多个请求、每次间隔多久、用哪些会话。对现在用Agent的朋友来说更直接的是，它提供的MCP和Skill能把网页转成Markdown。当然，使用爬虫最重要的就是遵守规则，能爬什么不能爬什么，别乱来。

Meta开源React设计系统：让Agent写页面不跑偏

如果你经常用AI写页面，可能会遇到类似情况：第一个页面生成得不错，但后面按钮、表单、弹窗的样式开始飘移，放到一起就不像是同一个产品。设计系统可以约束按钮长什么样、表单怎么排、颜色间距是多少，后面都照做。

这个项目从Meta内部使用的设计系统发展而来，提供现成的组件、主题、颜色模式和页面模板。目前是Beta版本，要求React 19以上。它最大的亮点是专门给Agent准备了查询组件和设计规则的命令行工具。使用上可以把组件库和主题装进React项目，直接用对应组件；想换成自己的品牌色，调整主题变量即可。这类东西在做后台和内部管理工具时非常实用，因为有现成的组件很方便。

两份值得一看的资料

最后分享两份资料。第一份是第57次中国互联网发展状况统计报告，统计的是2025年中国互联网发展情况，涵盖网民规模、网络购物、短视频等，还有专门一章讲生成式AI。看这类调查能提醒自己，别把身边的圈子当成所有人，数据党应该会喜欢。第二份是一套DeepSeek^广告 Harness入门教程，从新手到进阶，配套教程和网站都有，感兴趣可以去看看。