【免费下载链接】OpenJarvisPersonal AI, On Personal Devices项目地址https://gitcode.com/gh_mirrors/op/OpenJarvis点击查看免费下载本文是一份基于 OpenJarvis 官方 Code Assistant 预设的实战指南讲解如何在本机构建一个具备代码执行、文件读写与 Shell 访问能力的编程助手 Agent。读完本文你将掌握jarvis init --preset code-assistant的一键初始化流程、jarvis ask/jarvis chat的核心用法、config.toml中每一项关键配置的作用以及 Orchestrator Agent 在底层如何通过多轮工具调用循环完成从需求到最终答案的完整推理链。什么是 Code Assistant 预设Code Assistant 是 OpenJarvis 内置的一类orchestrator编排型 Agent 预设它同时具备代码执行、文件 I/O 和 Shell 访问能力可以编写脚本、阅读并解释代码、运行测试、修复 Bug、执行 Shell 命令——且这一切都发生在你自己的机器上数据不离开本地。对应预设配置文件位于仓库的 configs/openjarvis/examples/code-assistant.toml。它与chat-simple.toml、deep-research.toml、full-system-access.toml等一同构成 OpenJarvis 的开箱即用预设体系让用户在几分钟内按场景部署不同能力的 Agent。其工作模式可以概括为用户提出问题 → 编排 Agent 制定计划 → 按需调用工具写文件、跑代码、执行 Shell→ 观察结果 → 继续迭代 → 输出最终答案。快速开始约 5 分钟1. 安装并初始化git clone https://github.com/open-jarvis/OpenJarvis.git cd OpenJarvis uv sync --extra dev jarvis init --preset code-assistant --force上述命令会为 Code Assistant 生成一份预配置的~/.openjarvis/config.toml。--preset参数在 src/openjarvis/cli/init_cmd.py 中实现当指定 preset 时初始化命令会直接从examples目录找到对应的code-assistant.toml并复制为默认配置文件如果目标配置已存在会提示需要使用--force确认覆盖。也就是说仓库中的示例文件就是你本地得到的真实配置二者完全一致。2. 通过 Ollama 启动本地 LLM# 安装 Ollama: https://ollama.com ollama pull qwen3.5:9bCode Assistant 预设默认的推理引擎是 Ollamaengine.default ollama默认模型为qwen3.5:9b。9B 参数量级的模型足以覆盖多数单文件任务且能在消费级硬件上流畅运行。3. 提出一个编程问题jarvis ask Write a Python script that reads a CSV file and prints the top 5 rows编排 Agent 会规划实现思路、编写代码并在你批准后实际执行它。CLI 命令速查# 提出编程问题该配置下默认使用 orchestrator agent jarvis ask Write a Python script that parses JSON from stdin # 阅读并解释既有代码 jarvis ask Read main.py and explain the architecture # 修复 Bug jarvis ask Find and fix the bug in test_utils.py # 运行测试 jarvis ask Run the test suite and summarize any failures # 显式指定 Agent 与工具 jarvis ask --agent orchestrator --tools code_interpreter Calculate the first 20 Fibonacci numbers # 交互式聊天适合迭代式编码 jarvis chatjarvis ask一次性提问适合明确的单一任务。jarvis chat进入多轮交互模式Agent 会在执行潜在破坏性命令前请求你的确认详见下文安全说明。--agent与--tools用于临时覆盖配置中的默认 agent 与工具集合。例如--agent sandboxed --tools code_interpreter可以把代码执行放到 Docker/Podman 容器中运行。配置参考预设生成的~/.openjarvis/config.toml内容如下与仓库中的 configs/openjarvis/examples/code-assistant.toml 完全一致[engine] default ollama [intelligence] default_model qwen3.5:9b # default_model qwen3.5:35b # Better for complex code tasks [agent] default_agent orchestrator # Multi-turn with tool selection max_turns 10 [tools] enabled [code_interpreter, file_read, file_write, shell_exec, web_search, think, calculator]关键配置项配置项默认值说明engine.defaultollama推理引擎。Code Assistant 预设默认使用本地 Ollama无需云端 API Key。intelligence.default_modelqwen3.5:9b代码生成所用模型。复杂任务重构、多文件修改建议换成qwen3.5:35b。agent.default_agentorchestrator多轮 Agent迭代选择工具直至得出答案。agent.max_turns10最大工具调用轮数。多步骤任务可适当调大。tools.enabled7 个工具code_interpreter执行 Python、file_read、file_write、shell_exec运行 Shell 命令、web_search、think、calculator。max_turns直接对应 OrchestratorAgent 的核心循环参数。在 src/openjarvis/agents/orchestrator.py 中类级默认值_default_max_turns 10与配置文件保持一致当达到最大轮数仍未给出最终答案时Agent 会返回Maximum turns reached without a final answer并附上已执行工具的结果与 token 消耗统计。工具详解工具作用code_interpreter在沙箱化环境中执行 Python 代码并返回输出。file_read带路径校验地读取文件Agent 可借此查看源码、配置与日志。file_write写入或修改文件Agent 可创建脚本、修补代码、写配置文件。shell_exec运行 Shell 命令如git status、pytest、ls。web_search搜索网络获取文档、Stack Overflow 答案等。think内部推理草稿板用于规划多步骤解决方案。calculator计算数学表达式。Orchestrator Agent 的工作原理Code Assistant 的核心引擎是orchestrator类型 Agent。在 src/openjarvis/agents/orchestrator.py 中它以装饰器AgentRegistry.register(orchestrator)注册到 Agent 注册表实现了一个经典的工具调用循环tool-calling loop将消息与工具定义一起发送给推理引擎若响应包含tool_calls逐个执行工具并把结果追加回消息上下文进入下一轮若响应不再包含tool_calls则将内容作为最终答案返回轮数达到max_turns后强制终止。它支持两种运行模式function_calling默认使用 OpenAI 格式的工具定义解析引擎返回的tool_calls并在收到多个工具调用时默认并行执行parallel_tools True。structured使用THOUGHT: / TOOL: / INPUT: / FINAL_ANSWER:的文本协议类似 ReAct这一格式与 SFT/GRPO 训练流水线保持一致使 Orchestrator 成为一种可训练的 Agent 类型。此外OrchestratorAgent 还内置了两道防护机制governance 钩子before_tool_call每次工具调用前可注入策略检查未通过审批的调用会被拒绝并返回[Governance]说明且校验失败时会失败关闭fail closed不允许未授权调用执行loop guard循环防护用于压缩过长的上下文并在调用前后检查是否存在无效循环被判定为阻塞的调用会返回Loop guard: reason。工具底层实现与安全边界code_interpreterAST 校验 子进程资源限制Code Assistant 最常用的工具code_interpreter在 src/openjarvis/tools/code_interpreter.py 中实现。它并非简单地执行eval而是先对用户代码做AST抽象语法树校验将eval、exec、compile、__import__、open、getattr等危险调用列入拒绝名单再在隔离的子进程中以python -I -B -S参数启动隔离用户环境、不写字节码缓存、不自动导入 site-packages并在 POSIX 系统上通过preexec_fn施加 CPU、地址空间等资源限制。其默认执行超时为30 秒超时即终止因此长时间运行的脚本会被自动切断。shell_exec带超时上限的命令执行shell_exec在 src/openjarvis/tools/shell_exec.py 中实现默认超时 60 秒且存在硬性最大超时上限_MAX_TIMEOUT任何请求都会被钳制在该上限内命令执行结果会附带实际使用的timeout_used字段超时后返回 Command timed out after N seconds.。注意shell_exec以你启动jarvis时的当前用户上下文运行工作目录默认是启动命令所在的目录。如果要在别的目录执行需要在提示词里写cd /path command或直接从项目目录启动jarvis。沙箱隔离sandboxed agent当需要更强隔离时可用jarvis ask --agent sandboxed --tools code_interpreter ...。沙箱化 Agent 会把代码执行放入 Docker/Podman 容器中运行相关实现位于 src/openjarvis/sandbox/runner.py 及 src/openjarvis/tools/code_interpreter_docker.py适合处理不可信代码或需要隔离文件系统的场景。典型任务示例# 编写新脚本 jarvis ask Write a Python script that converts YAML to JSON # 解释既有代码 jarvis ask Read src/openjarvis/core/events.py and explain the EventBus pattern # 调试失败的测试 jarvis ask Run pytest tests/test_memory.py -v and fix any failures # 重构代码 jarvis ask Read utils.py and refactor the parse_config function to use dataclasses # 生成测试 jarvis ask Read src/openjarvis/tools/calculator.py and write unit tests for it # Shell 类任务 jarvis ask Find all Python files larger than 100KB in this repo安全说明shell_exec和code_interpreter会在你的机器上执行真实命令使用前务必了解以下边界shell_exec以当前用户身份运行命令可以读、写、删除文件。不要在包含敏感数据的目录上不加审查地运行 Agent应检查其每次工具调用。code_interpreter会执行 Python 代码能够访问你的 Python 环境与已安装的第三方包尽管默认以-S模式隔离启动仍应视为可执行环境。在交互模式jarvis chat下Agent 在执行为潜在破坏性命令前会请求你的确认。需要更强隔离时使用沙箱化 Agentjarvis ask --agent sandboxed --tools code_interpreter ...它将在 Docker/Podman 容器内运行。故障排查报错 Tool not found: code_interpreter确认config.toml的tools.enabled列表中包含code_interpreter。预设默认已启用若你手动改过配置请核对。Agent 循环无进展任务复杂时可调大max_turns或换用更大的模型如qwen3.5:35b。9B 模型能应对大多数单文件任务多文件重构通常需要更多参数量的模型。Shell 命令执行失败shell_exec相对于启动jarvis的目录运行命令。需要在其他目录执行时在提示词里写cd /path command或直接从项目目录启动jarvis。Web 搜索不工作需以uv sync --extra tools-search安装搜索相关依赖并设置TAVILY_API_KEY环境变量。代码执行卡住code_interpreter有默认超时30 秒长时间运行的脚本会被终止。建议把大任务拆成小步骤。小结Code Assistant 是 OpenJarvis 开箱即用的本地编程助手方案一条jarvis init --preset code-assistant --force命令即可获得编排式 Agent、7 个开箱工具和本地 Ollama 推理的完整组合。它的价值不仅在于命令便利更在于 Orchestrator 的计划—执行—观察—迭代循环、内置的 governance 与 loop guard 防护以及code_interpreter的 AST 校验与资源限制等源码级安全设计。更多编排 Agent 的机制细节可参考 docs/architecture/agents.md 与 docs/architecture/engine.md。赞分享【免费下载链接】OpenJarvisPersonal AI, On Personal Devices项目地址https://gitcode.com/gh_mirrors/op/OpenJarvis点击查看免费下载相关推荐OpenJarvis Code Companion用 ReAct Agent 打造代码审查、调试与测试生成三件套OpenJarvis Code Companion用 ReAct Agent 打造代码审查、调试与测试生成三件套 OpenJarvis Code Compan如何为 9Router 添加 GLMCoding Plan低价备份提供商并使用 glm/glm-4.7如何为 9Router 添加 GLMCoding Plan低价备份提供商并使用 glm/glm 4.7 当 Claude Code、Codex 等订阅额度OpenJarvis代码助手指南本地AI如何帮你写代码/审查PR/调试bugOpenJarvis代码助手指南本地AI如何帮你写代码/审查PR/调试bug OpenJarvis 是一个运行在你自己设备上的个人 AI 助手框架Perso上一篇完全汉化版Termius安卓SSH客户端中文用户远程管理的终极解决方案下一篇OCAT技术洞察从配置复杂性到引导可靠性的工程化解决方案创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考