Zerostack 1.0.0: Unix-вдохновленный агент программирования на чистом Rust
Zerostack 1.0.0 опубликован на crates.io. Это агент для написания кода, полностью построенный на Rust, вдохновлённый принципами дизайна Unix. Вместо монолитного AI-агента Zerostack предоставляет набор компонуемых CLI-инструментов, которые общаются через каналы stdin/stdout, позволяя разработчикам создавать собственные рабочие процессы.
Ключевые особенности
- Философия Unix: инструменты, которые делают одну вещь и объединяются через каналы
- Чистая реализация на Rust — без внешних зависимостей вне экосистемы Rust
- Небольшие, узконаправленные команды для редактирования файлов, поиска кода, выполнения команд оболочки и взаимодействия с LLM
Пример использования
# Сгенерировать код с помощью LLM и записать в файл
zerostack-ask "напиши функцию на Rust, которая суммирует список" | zerostack-write src/sum.rsПакет находится на ранней стадии (v1.0.0) и стремится стать основой для агентских рабочих процессов. Разработчики могут расширять его, объединяя его инструменты со стандартными утилитами Unix.
Для кого это
Разработчики Rust, которые предпочитают модульные, проверяемые AI-инструменты вместо чёрных ящиков-агентов.
📖 Читать полный источник: HN AI Agents
👀 Смотрите также
Локальный рабочий процесс ИИ-агента с использованием OpenCode, FastMCP и DeepSeek-r1
Разработчик делится своей локальной настройкой ИИ-агента с использованием OpenCode с файлами AGENTS.md для детерминированных системных промптов, FastMCP для предоставления локальных функций и DeepSeek-r1 через Ollama для конкретных под-агентов, таких как тестирование.
Skales: Настольный ИИ-агент с поддержкой Ollama, 300 МБ оперативной памяти в режиме простоя
Skales — это настольное приложение на Electron, которое предоставляет автономного ИИ-агента с установщиками .exe/.dmg, работает с Ollama для локального вывода или с облачными провайдерами и использует ~300 МБ оперативной памяти в режиме ожидания, храня данные локально в ~/.skales-data.
Открытый стек моделей ИИ для экономичной замены Claude
Пользователь Reddit делится рабочей стопкой AI-моделей, использующей открытые модели, такие как Llama 3.3 70b и DeepSeek R1 32b, для локального выполнения, что снизило ежемесячные расходы на ИИ с более чем £60 до менее £3, перенаправляя 90% задач на бесплатные модели.
Ninetails Memory Engine V4.5: Квантование Int8 + Кэш LRU сокращает локальную память MCP до 60 МБ
Движок памяти Ninetails V4.5 использует скалярную квантовую обработку Int8 и стратегию вытеснения LRU для сокращения объёма векторного хранилища с 6 КБ до 1,5 КБ на одно вложение, сохраняя весь движок в пределах 40–60 МБ оперативной памяти. Он сочетает 70% векторного сходства с 30% поиска BM25 в полностью локальной реализации SQLite.