Hornet Coder 推出本地优先编程工作区，支持可审查的项目修订
来源标题：Hornet Coder – local-first coding with reviewable revisions
Hornet Coder 发布本地优先的编程工作区与命令行工具，可创建项目修订、生成可审查的项目地图并准备编程任务。项目修订和任务记录保留在本机，仅任务选中的源码与提示词会发送到已配置的模型服务器。工具需 Python 3.9 及以上并支持 Tk，默认模型端点为 http://localhost:1234/v1。
以下正文由 AI 翻译自 Hacker News 最新（原文版权归原站所有），可能存在偏差，重要内容请以原文为准。
Hornet 是一个本地优先的编码工作区，也是配合模型使用的命令行工作流。Hornet Coder（Mission Control）用于创建项目修订、构建可供审阅的项目地图，并准备编码任务。Hornet 同时包含现有的 CLI、工具注册表和独立的 MCP server。建议从演练教程和桌面端指南开始。
架构指南介绍了工作区和共享服务。项目修订和任务记录保留在你的机器上；为某个任务选定的源代码和 prompt 会发送到已配置的模型服务器。
安装支持 Tk 的 Python 3.9 或更高版本。在 Ubuntu/Debian 上，安装 git、python3、python3-venv 和 python3-tk，然后在克隆的仓库中运行： python3 -m venv .venv .venv/bin/python -m pip install . .venv/bin/hornet-coder 在 Windows 上，用 py -3 -m venv .venv 创建虚拟环境，用 ..venv\Scripts\python.exe -m pip install . 安装，然后启动 ..venv\Scripts\hornet-coder.exe。也可以使用 hornet-desktop 启动器和 python -m hornet.coder。在使用模型功能之前，先加载一个兼容的模型并启动其 OpenAI 兼容服务器；默认端点是 http://localhost:1234/v1。
项目默认存放在 ~/.hornet/projects，其中可能包含私有源代码、prompt 和模型输出。请将它们与本仓库分开备份。启动 Coder 不需要 VM；其可选的测试运行器需要单独配置的 VM。下面的 CLI 入门流程有自己的 VM 工作流。
如果 Hornet 对你有用，欢迎在 ko-fi.com/matrixswarm 资助它的持续开发。 如需用 Bitcoin 支持 Hornet 套件，请使用以下地址： bc1qasqk5xn9j7cdddmeclxddzvym2sdv7d8g3xrtz
原有命令行工作流 给本地模型一个编码目标。对话结束后，工作成果仍会保留。Hornet 会把一个目标拆成小型的 cell，每个 cell 都有明确的文件范围、带类型的结果、验收检查和尝试次数预算。每次模型请求都会获得有界的工作上下文。文件、失败的尝试和恢复证据都保留在磁盘上。
这是一个供使用本地模型（包括 OpenAI 兼容的 LM Studio 服务器）的开发者使用的命令行工具。需要 Python 3.9+；无运行时 Python 依赖。如需从 PyPI 获取发行版，请在 Python 3.9+ 环境中安装并检查版本： python -m pip install matrixswarm-hornet python -m hornet --version python -m hornet --help 该包同时会安装 hornet 命令。请按照下面的演练教程配置 worker VM，并连接你的本地模型来处理编码目标。
打开最新的签名发行版。下载 starter ZIP、SHA256SUMS、SHA256SUMS.asc、公共签名密钥和 VERIFY-RELEASE.md，以及 SHA256SUMS 中列出的所有文件。验证下载内容，解压后按照其中的 START-HERE.md 操作。
该演练教程会安装 Hornet、检查本地文件契约、创建一个新的 Ubuntu worker VM，并让你的本地模型修复一个小型 Python 函数。starter 的 VM 配置支持 Windows 或 Linux 宿主机配合 VirtualBox。模型运行在宿主机上；agent 代码运行在专用 VM 内。在运行演示之前，请先阅读首个目标演练教程和 worker 配置说明。请使用可下载的 starter 获取可直接安装的 wheel；GitHub 自动生成的源码归档不包含该 wheel。
需求 | Hornet 的行为 一个任务变得过大 | Cell 可以在配置的限制内执行、委派，或委派并继续工作。 上下文不断增长 | 请求携带的上下文有界，并引用已保存的证据。 一次尝试失败 | 失败的尝试会保留下来，供检查及后续决策使用。 进程停止 | 已保存的检查点和操作回执支持恢复；不确定的操作会停下来等待检查。 缺少一项决策 | 一个持久化的问题会等待，而不会反复推理，也没有响应截止时间。 已完成的文件需要修改 | 用 revise 指定已保存的目标和文件；保留父工作区。
Worker 目前按顺序执行。不同的目标目录共享同一个 VM 账户；专用 VM 提供执行边界。通过生成的检查只能作为所检查行为已通过的证据，导出的代码仍需审阅。
Hornet 支持项目根目录下的 hive.json，用于将标签映射到模型连接。运行 hornet hive init，用 --agent gemma 选择，或用 hornet hive assign RUN CELL --agent qwen 为一个未完成的目标 cell 指定 agent。角色路由、共享资源声明和恢复请参阅 hive 指南。命名 agent 在 0.16.0 及更高版本中可用。
在 0.17.0 中，可以显式登记已保存的目标，以进行有界的自动恢复。周期性扫描不使用推理，并会遵守暂停、问题、活跃 worker 和剩余预算。每次激活都会留下一条回执；结果不确定时保持停止状态以供检查。请参阅 supervisor 指南。
Hornet 0.18.1 改进了 worker 配置错误提示：缺少凭证字段、本地文件路径和所需的 worker 账户都会在 SSH 之前检查。请参阅 worker 配置问题排查。
Hornet 0.18.0 新增了 cell 工具注册表。Agent 可以发现某项能力、检查其确切契约、应用限定范围的转换，并保留写入和回读回执。使用 --registry-only 要求编辑必须通过这些工具： hornet autowork --worker-config coding/worker.json --agent gemma --scope-file calculator.py --registry-only --goal "Fix integer doubling and preserve the public interface." 将 gemma 替换为你配置的 hive 标签。该注册表提供 17 个经过审阅的 cell 工具，适用于 Python、JSON 和文本，另有两个 recipe。控制器会校验源文件哈希、强制执行文件范围，并运行 cell 和目标的验收检查。命名空间、发现机制、扩展规则和独立 MCP server 请参阅注册表指南。
hornet questions coding/recipes/RUN_ID hornet answer coding/recipes/RUN_ID q-EXACT_QUESTION_ID --text "Use the existing configuration." hornet autoresume coding/recipes/RUN_ID
答案会在执行恢复之前保存。waiting_for_user 是一种暂停状态；completed 是另一个独立的结果。当必需的问题在等待回答时，不会有后台模型轮询。独立工作运行请使用 resume。
（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）
正文由 探How 从来源站点 RSS 同步，内容未经改写；遇到排版缺失或需要图片、视频时请以原文为准。