loushang

统一调度多模型,让 AI 编码流程可控可追踪

loushang 是一个面向编码工作流的 AI 原生 agent 框架,用 Python 构建。它解决的是在复杂编码任务中,如何统一编排多个大模型、管理会话状态、控制工具调用并确保交付过程可追踪的问题。核心能力包括:多模型编排(支持 GPT、Claude、DeepSeek、Qwen、Kimi、GLM、MiniMax 等主流模型)、有状态会话管理、细粒度的工具治理(权限与审批)、全链路可追踪的交付记录,以及智能的 provider 路由(根据任务自动选择最优模型)。它定位为“agent harness”,类似 Claude Code 的增强层,但更强调多模型协同和工程化治理,适合需要稳定、可控、可审计的 AI 辅助编码场景。

开源 free 对话助手
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1535
维护状态 活跃
是否开源 是
定价模式 free

项目数据

分类对话助手
开发团队zhnt
所属国家
官网地址
定价模式free
价格说明开源项目,Apache-2.0 许可证,可免费使用和部署。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型agent,agent-harness,agentic,ai,chatgpt,claude,claude-code,codex,coding,deepseek,dynamic-workflows,glm,harness,kimi,minimax,parallel-agents,python,skills,vibe-coding,workflow
GitHub 星标★ 1535
30天Star增速
HF 下载量
上线时间2026-05-29 00:00:00
最近更新2026-09-23 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

难度:入门 约 10 分钟 部署方式:本地安装 7 步

环境要求

  • Python 环境(项目为 Python 编写,版本要求 README 未明确)
  • uv 包管理工具(用于创建虚拟环境和安装依赖)
  • git(用于克隆仓库)
  • 项目处于早期开发阶段,官方推荐从源码运行

安装与启动步骤

  1. 1克隆仓库

    从 GitHub 拉取 loushang 源码,并进入项目根目录,后续所有命令都在该目录执行。

    git clone https://github.com/zhnt/loushang.git
    cd loushang
  2. 2创建虚拟环境

    在项目根目录用 uv 创建名为 .venv 的虚拟环境,这是 README 推荐的项目本地开发环境。

    uv venv .venv
  3. 3激活虚拟环境

    激活 .venv,使后续的安装与运行命令都作用在该环境内。

    source .venv/bin/activate
  4. 4安装项目依赖

    以可编辑模式安装项目及其 dev 依赖,源码改动可即时生效。

    uv pip install -e ".[dev]"
  5. 5验证安装

    运行帮助命令,若能正常打印用法说明即表示 CLI 安装成功。

    loushang --help
  6. 6查看模型与命令

    列出当前可用的模型与内置命令,确认模型路由和命令表可用。

    loushang --list-models
    loushang --list-commands
  7. 7运行一次任务

    用 -p 参数传入提示词,让 loushang 检查当前仓库并总结其功能,验证端到端可用。

    loushang -p "Inspect this repository and summarize what it does."

如何确认成功

执行 loushang --help 能正常输出帮助信息,且 loushang --list-models、--list-commands 能列出模型与命令,即安装成功。

常见问题

Q:可以直接用 make install 安装吗?

A:不可以。README 明确说明 Makefile 目前没有 make install 目标;本地开发请用 make bootstrap,本地二进制安装请用 make install-binary。

Q:make bootstrap 和手动 uv 安装有什么区别?

A:make bootstrap 会自动用 uv 创建 .venv/ 并以可编辑开发模式安装项目,效果与手动执行 uv venv 加 uv pip install -e ".[dev]" 一致。

Q:应该用哪个 Python 环境运行?

A:README 建议在本仓库做本地开发时,统一使用项目根目录下的 .venv/ 虚拟环境,避免污染全局环境。

Q:有 Docker 或云端部署方式吗?

A:README 的 Quick Start 只提供了源码运行方式,未给出 Docker、镜像或云服务部署说明,项目处于早期开发阶段,官方推荐从源码运行。

注意事项

  • 项目处于早期开发阶段,README 明确推荐从源码运行。
  • 请始终在项目根目录的 .venv/ 虚拟环境中执行开发与测试。
  • 激活命令 source .venv/bin/activate 为 macOS/Linux 写法,Windows 平台请按本机虚拟环境激活方式处理。
  • README 未提供模型 API Key 等配置说明,如需接入具体模型请自行查阅项目文档。

核心亮点

  • 内置多模型路由,自动选择最优模型,避免单一模型瓶颈
  • 有状态会话管理,支持长时间编码任务的上下文保持
  • 工具治理机制完善,可精细控制 AI 能调用的工具与权限

不足之处

  • 项目较新,文档和社区生态仍在完善中
  • 对于简单编码任务可能显得过重,学习成本较高

适用场景

  • 团队协作的复杂编码任务,需要多模型协同与审计
  • 需要严格工具权限控制的自动化编码流程
  • 跨模型对比与切换,寻找最优编码效果

替代项目

Claude Code、OpenAI Codex、LangChain

项目介绍

loushang 是智能体领域的开源项目,由 zhnt 开发,是 2026 年新上线的项目。

在全站 13,014 个收录项目中,它的 GitHub 星标数(1,535)位列前 30%,在智能体分类中处于中上游。

近 45 天,它的 GitHub 星标从 1,068 增加到 1,535,净增 467。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-23。Apache-2.0 许可证,可免费使用和部署。

它主要面向的使用场景是:团队协作的复杂编码任务,需要多模型协同与审计。同类可对比的替代方案包括 Claude Code、OpenAI Codex、LangChain。

同类项目推荐

xinchao-dynamic-mind 开源

给 AI 装上疲惫和欲望,让交互更真实

独立、可自托管的 AI 动态心智状态引擎:驱动力、念头池、疲惫、睡眠与意图。

★ 199 2026-08-09
deepseek-harness 开源

把 AI 能力拆成乐高积木,拼出你的专属智能体。

DeepSeek Harness: Everything is a Plugin.

★ 233327 2026-08-15
AutoGPT 开源

开箱即用的 AI 员工,交代任务就自己干完

AutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mis···

★ 187492 2026-08-09
EvoAgentX 开源

让 AI 智能体自己迭代变强,越用越聪明

EvoAgentX: Building a Self-Evolving Ecosystem of AI Agents

★ 3351 2026-09-12