jarvis-ai-assistant 3.0.25

Jarvis: An AI assistant that uses tools to interact with the system

🤖 Jarvis AI 助手

像钢铁侠的 Jarvis 一样，让你的开发效率飞起来 🚀

一句话：本地运行、开箱即用、可深度定制的 AI 开发助手——写代码、做审查、跑自动化、做安全分析、搞 C→Rust 迁移，一个命令行搞定。

为什么选 Jarvis · 快速开始 · 访问方式 · 常用命令 · 文档导航 · 系统架构 · 参与贡献

---

👋 Jarvis 是什么？

Jarvis 是一个面向开发者的 AI 助手平台。它不只是对话工具，还能真正进入工作流：读代码、改代码、执行工具、管理上下文、复用经验，并在关键节点保持可控。

如果你希望 AI 不只是“给建议”，而是能在你的本地环境里 帮助分析、执行、验证和沉淀经验，Jarvis 就是为这种场景设计的。

适合谁使用？

• 想把 AI 引入日常开发流程的个人开发者
• 想统一代码修改、审查、验证流程的工程团队
• 需要做安全分析、自动化处理、C→Rust 迁移的专项场景用户
• 希望保留本地可控性、避免被单一平台深度绑定的用户

---

✨ 为什么选 Jarvis？

不是又一个“聊天机器人”，而是一个 真正能动手 的 AI 伙伴。

• 🎯 即用即走：一条命令启动，无需复杂配置，支持一键安装
• 💻 代码优先：专为开发者设计，自动 Git、构建验证、静态检查、影响分析
• 🧠 越用越聪明：方法论沉淀、记忆分层、规则按需加载，经验可复用
• 🔒 本地可控：数据留在本机，支持 Windows GUI 自动化，无 vendor lock-in
• 🔌 高度可扩展：自定义工具、MCP 集成、元代理自举、新平台适配，想加就加

你可以用它做什么？

• 分析项目结构，生成执行计划
• 修改代码后自动跑验证，减少手工来回切换
• 做安全扫描与报告聚合
• 执行 C→Rust 迁移流水线并支持断点续跑
• 沉淀团队方法论、规则和长期记忆
• 通过 CLI 或 Python SDK 集成到自己的流程中

---

📱 访问方式

Jarvis 提供三种访问方式，满足不同场景需求：

方式	适用场景	说明
CLI	终端用户、自动化脚本	命令行工具，支持 jvs、jca 等快捷命令
Web	浏览器访问、团队协作	通过 jarvis-service 启动 Web 网关，支持多节点分布式部署
VSCode 插件	IDE 集成开发	在 VS Code 中直接使用 Jarvis，集成 Agent 侧边栏、聊天面板和终端

CLI（命令行）

# 启动通用 Agent
jvs

# 启动代码 Agent
jca

# 启动安全分析
jsec

Web 网关

# 启动 Web 服务（默认监听 localhost:8000）
jarvis-service

# 指定监听地址和端口
jarvis-service --host 0.0.0.0 --port 9000

# 设置访问密码
jarvis-service --gateway-password your_password

启动后在浏览器访问 http://localhost:8000 即可使用。

支持分布式部署，详见 分布式网关部署方法。

VSCode 插件

插件信息：

• 名称：Jarvis AI Assistant - VS Code Extension
• ID：jarvis-ai-assistant.jarvis-ai-assistant

在 VS Code 扩展市场搜索 Jarvis AI Assistant 或 jarvis-ai-assistant 即可找到。

VSCode 插件提供更紧密的 IDE 集成体验：

• 🤖 Agent 侧边栏：在 VS Code 侧边栏中直接访问 AI Agent
• 💬 聊天面板：与 AI 进行自然语言对话
• 🖥️ 终端面板：直接在扩展中运行命令行
• 🎨 Markdown 渲染：支持完整的 Markdown 渲染，包括代码高亮
• 📊 PlantUML 支持：支持 PlantUML 图表渲染

安装后点击左侧活动栏的 Jarvis 图标即可使用。

详细说明请参考 VSCode 插件用户手册。

---

🎯 核心能力

维度	能力
本地化	可操作本机任意资源（文件、命令、进程等）
人机协作	执行前确认、虚拟终端、关键节点可介入，确保过程透明可控
方法论	成功经验自动沉淀为可复用方法论，支持中心库 Git 共享
记忆管理	标签化分层（短期 / 项目 / 全局），无向量计算，更轻量
代码开发	全自动 Git、Worktree 并行、波及分析、交叉引用、上下文推荐、独立 Agent 验证、静态检查、代码格式化、变更后自动处理
上下文压缩	Git 上下文、任务列表、近期记忆、关键信息、意图识别等多机制，保证任务目标不偏离
任务列表	支线流程与主流程分离，不污染主 Agent 上下文
会话管理	自动保存、手动恢复，退出可继续
人格与规则	内置多种人格与开发规则，高效开发兼顾情绪价值
规则加载	前期固定流程筛选，后期按需自主加载，确保规则能被有效运用
工具自举	元代理（meta_agent）根据自然语言生成 / 改进工具并注册，支持自演化
工具调度	按任务智能筛选工具、工具组切换，支持多工具并行调用（无依赖时）
智能提示	根据任务优化系统提示词，使 Agent 更贴合当前场景
Windows 支持	支持 Windows，可自动化操作 Windows GUI 程序

与其他方案对比

项目	定位	形态	核心场景
Jarvis	AI 助手平台	CLI + Python SDK	代码开发、安全分析、C→Rust 迁移
LangChain	LLM 应用框架	Python 库	通用 Agent、RAG、工作流编排
AutoGPT	自主 AI Agent	独立应用	目标驱动的自主任务执行
OpenClaw	个人 AI 助手框架	Node.js 应用	多通道消息、24/7 自主运行
ZeroClaw	OpenClaw 轻量替代	Rust 二进制	同 OpenClaw

• Jarvis：面向代码开发，采用分层架构（Agent / CodeAgent），强调本地化、轻量记忆、任务分离、规则按需加载，并支持 Windows GUI 自动化。
• LangChain：通用编排框架，侧重生产级 RAG 与工作流，适合构建 LLM 应用。
• AutoGPT：早期自主 Agent 代表，目标驱动明显，但成本和稳定性控制要求更高。
• OpenClaw / ZeroClaw：更偏向消息渠道和日常自动化场景。

---

🚀 快速开始

💡 30 秒上手：安装后运行 jvs 或 jca，按提示配置 API Key，即可开始与 AI 协作开发。

系统要求

• 操作系统：Linux（主要）、Windows 10/11（WSL 或原生，支持 GUI 自动化）
• Python：3.12
• Docker（可选）：镜像已预装依赖，无需本地 Python / Rust

安装

一键安装（推荐）

# Linux/macOS
bash -c "$(curl -fsSL https://raw.githubusercontent.com/skyfireitdiy/Jarvis/main/scripts/install.sh)"

# Windows PowerShell
iex ((New-Object System.Net.WebClient).DownloadString('https://raw.githubusercontent.com/skyfireitdiy/Jarvis/main/scripts/install.ps1'))

安装脚本会自动完成以下操作：

• 下载 Jarvis 最新 tag 对应的源码（浅克隆，减少下载体积）
• 将仓库内置依赖目录加入当前会话 PATH
• 使用仓库内置 uv 执行 uv tool install -e . --python 3.12
• 额外安装 playwright 与 ddgr

提示：当前仓库已内置 x86_64_linux 平台依赖。一键安装脚本会优先使用仓库内置 uv；如果当前平台没有对应内置依赖，脚本会明确提示您手动安装 uv 或改用受支持的版本。

手动源码安装

git clone --depth 1 --branch <latest-tag> https://github.com/skyfireitdiy/Jarvis.git
cd Jarvis
export PATH="$(pwd)/src/jarvis/jarvis_data/deps/x86_64_linux:$PATH"
uv tool install -e . --python 3.12
uv tool install playwright
uv tool install ddgr

Docker 相关说明请参考仓库中的容器/部署文档；主安装入口已统一为“源码下载 + 仓库内置 uv + uv tool 安装”方式。

第一个任务

# 通用任务：让 AI 帮你分析、规划、执行
jvs -T "分析当前项目结构，找出可优化的依赖关系"

# 代码任务：自动读代码、改代码、跑测试
jca -T "在 user 模块添加忘记密码功能"

# 一键生成规范的 Git 提交信息
jgc

---

💡 常用命令

命令	快捷方式	功能
jarvis	jvs	通用 AI 代理
jarvis-code-agent	jca	代码代理（分析、修改、生成）
jarvis-sec	jsec	安全分析套件
jarvis-c2rust	jc2r	C→Rust 迁移套件
jarvis-git-commit	jgc	自动生成 Git 提交信息
jarvis-platform-manager	jpm	管理大语言模型平台
jarvis-quick-config	jqc	快速配置工具

完整命令列表见 使用指南。

---

📚 文档导航

新用户推荐阅读路径

1. 先看 README：快速判断 Jarvis 是否适合你的场景
2. 再看用户手册：按任务直接上手 CLI、CodeAgent、平台配置和专项能力
3. 需要系统性理解时再看 Jarvis Book：了解架构、概念与扩展设计

用户手册（推荐新用户优先阅读）

docs/用户手册 是更偏“怎么用”的任务型文档，适合首次接触项目的用户快速入门。

• 通用 Agent 手册
• CodeAgent 手册
• 平台与配置
• Web 界面与网关
• VSCode 插件
• 工具与效率
• 专项能力

Jarvis Book（适合系统性阅读）

• 项目介绍
• 快速开始
• 核心概念与架构
• 使用指南
• 功能扩展
• 高级主题
• 参与贡献
• 常见问题

---

🐍 Python SDK 集成

from jarvis.jarvis_code_agent.code_agent import CodeAgent

agent = CodeAgent()
agent.run('修复 user/service.py 中的登录验证 bug')

from jarvis.jarvis_agent import Agent

agent = Agent(system_prompt="你是一个专业的文档维护助手。", name="DocGenerator")
agent.run('分析 README.md，补充用户群体信息')

---

🏗 系统架构

Jarvis 采用 分层架构：以通用 Agent 为核心，通过继承构建 CodeAgent 增强层，再实现专业应用（安全分析、C→Rust 迁移等）。

flowchart TB
    subgraph 专业应用层["专业应用层"]
        jsec["jarvis-sec (jsec) 安全分析"]
        jc2r["jarvis-c2rust (jc2r) C→Rust 迁移"]
    end

    subgraph 功能增强层["功能增强层 CodeAgent"]
        code["代码结构分析 | 文件编辑 | 变更影响分析"]
    end

    subgraph 核心基础层["核心基础层 Agent"]
        agent["对话与工具执行 | 会话管理 | 工具注册 | 平台适配 | 事件总线"]
    end

    专业应用层 -->|使用| 功能增强层
    功能增强层 -->|继承| 核心基础层

专业应用

应用	命令	说明
jarvis-sec	jsec	安全分析套件：启发式扫描 → 聚类 → Agent 验证 → 报告聚合，支持 C/C++ 与 Rust
jarvis-c2rust	jc2r	C→Rust 迁移套件：scan → lib-replace → prepare → transpile → optimize，支持断点续跑

关键组件

组件	用途
AgentRunLoop	主运行循环，驱动“模型思考 → 工具执行 → 结果拼接”迭代
SessionManager	会话状态管理，支持保存、恢复、清理历史
PromptManager	构建系统提示与附加提示（工具规范、记忆引导等）
EventBus	事件总线，关键节点广播，支持旁路扩展
ToolRegistry	工具注册表，发现、加载、执行工具（内置、外部、MCP）
MemoryManager	记忆管理，短期 / 项目 / 全局三层架构
TaskAnalyzer	任务分析，满意度收集与方法论沉淀
PlatformRegistry / BasePlatform	平台适配层，屏蔽不同 LLM 服务商差异
RulesManager	规则管理，多来源加载与激活，与 Skills 标准兼容
输入处理器链	内置、Shell、文件上下文处理器，处理特殊标记、命令、文件引用

---

⚙ 配置说明

配置文件位于 ~/.jarvis/config.yaml，首次运行将启动交互式配置向导。

示例

llm_group: default

llm_groups:
  default:
    normal_llm: gpt-5

llms:
  gpt-5:
    platform: openai
    model: gpt-5
    max_input_token_count: 128000
    llm_config:
      openai_api_key: "your-api-key-here"

更多配置项见 使用指南。

---

🛠 扩展能力

• 自定义工具：在 ~/.jarvis/tools/ 下创建并注册，支持中心工具仓库（central_tool_repo）团队共享
• 新 LLM 平台：在 ~/.jarvis/platforms/ 下添加适配器
• MCP 集成：通过配置文件接入命令协议

详见 功能扩展。

---

Star History

---

🤝 贡献指南

欢迎一起把 Jarvis 做得更好！无论是修 Bug、加功能、写文档，还是分享使用心得，我们都期待你的参与。

• GitHub: https://github.com/skyfireitdiy/Jarvis.git
• Gitee: https://gitee.com/skyfireitdiy/Jarvis.git

参与流程：Fork 仓库 → 创建分支 → 提交更改 → 发起 Pull Request

---

⚠ 注意事项

• 模型使用：请遵守各模型平台服务条款，合理使用。
• 命令执行：Jarvis 具备执行系统命令能力，请谨慎输入；可启用 execute_tool_confirm: true 进行执行前确认。

---

📄 许可证

MIT 许可证，详见 LICENSE。

---

如果 Jarvis 对你有帮助，欢迎给个 ⭐ Star

由 Jarvis 团队用 ❤ 制作。