zeroshot CLI

🎉 v5.4 新特性： 现已支持 OpenCode CLI！你可以使用 Claude、Codex、Gemini 或 OpenCode 作为你的 AI 提供商。同时支持 GitHub、GitLab、Jira 和 Azure DevOps 作为 Issue 后端。详见 提供商 和 多平台 Issue 支持。

npm install -g @covibes/zeroshot

演示（100 倍速，90 分钟运行过程，经 5 次迭代获准）

Zeroshot 是一个开源的 AI 编码代理编排 CLI，它通过运行多代理工作流来自主实现、审查、测试并验证代码变更。

它在一个隔离环境中运行 规划器 (planner)、实现器 (implementer) 和独立的 验证器 (validators)，不断循环直至变更被 验证通过 或返回可操作、可复现的失败报告。

专为对正确性要求高于速度的任务而设计。

工作原理

• 规划 (Plan)：将任务转化为具体的验收标准。
• 实现 (Implement)：在隔离的工作区（本地、worktree 或 Docker）中进行变更。
• 验证 (Validate)：通过独立的验证器运行自动化检查。
• 迭代 (Iterate)：重复上述步骤直到验证通过，或返回可操作的失败信息。
• 恢复 (Resume)：持久化保存防崩溃状态，支持随时恢复。

快速开始

zeroshot run 123                    # GitHub issue 编号
zeroshot run feature.md             # Markdown 文件
zeroshot run "Add dark mode"        # 行内文本

或者描述一个复杂的任务：

zeroshot run "Add optimistic locking with automatic retry: when updating a user,
retry with exponential backoff up to 3 times, merge non-conflicting field changes,
and surface conflicts with details. Handle the ABA problem where version goes A->B->A."

为什么不直接使用单个 AI 代理？

方法	编写代码	运行测试	盲测验证	迭代直至验证通过
基于聊天的助手	✅	⚠️	❌	❌
单一编码代理	✅	⚠️	❌	⚠️
Zeroshot (多代理)	✅	✅	✅	✅

使用场景

• 自主 AI 代码重构
• AI 驱动的 Pull Request 自动化
• 带有验证机制的自动化 Bug 修复
• 面向软件工程的多代理代码生成
• 具备盲测验证的代理式编码工作流

适用人群

• 重视正确性和可复现性的资深工程师
• 需要自动化 PR 工作流和代码审查门禁的团队
• 需要标准化代理工作流的基础设施/平台团队
• 处理 Issue 积压的开源项目维护者
• 需要“验证结果”而非“感觉良好”的 AI 高阶用户

安装与要求

平台：Linux, macOS。Windows（原生/WSL）支持将在后续强化可靠性和多提供商正确性后跟进。

npm install -g @covibes/zeroshot

要求：Node 18+，至少安装一个提供商 CLI（Claude Code, Codex, Gemini, Opencode）。

# 安装一个或多个提供商
npm i -g @anthropic-ai/claude-code
npm i -g @openai/codex
npm i -g @google/gemini-cli
# Opencode: 详见 https://opencode.ai

# 使用提供商 CLI 进行身份验证
claude login        # Claude
codex login         # Codex
gemini auth login   # Gemini
opencode auth login # Opencode

# GitHub 身份验证 (用于处理 Issue 编号)
gh auth login

提供商 (Providers)

Zeroshot 调用外部提供商的 CLI。你可以设置一个默认值，或在每次运行时覆盖：

zeroshot providers
zeroshot providers set-default codex
zeroshot run 123 --provider gemini

详见 docs/providers.md 获取设置、模型级别及 Docker 挂载信息。

为什么要使用多个代理？

单代理会话的质量会随时间下降。上下文会被数千个 Token 淹没，模型倾向于为了“完成任务”而牺牲“正确性”。

Zeroshot 通过相互检查工作的隔离代理解决了这一问题。验证器无法对自己未编写的代码撒谎。如果检查失败，系统会进行修复并重试，直到它真正生效。

与众不同之处

• 盲测验证 (Blind validation) - 验证器永远无法查看执行者（Worker）的上下文或代码历史。
• 可重复的工作流 - 任务复杂度决定了代理的数量和模型的选择。
• 接受/拒绝循环 - 拒绝反馈包含可操作的调查结果，而非模糊的抱怨。
• 崩溃恢复 - 所有状态持久化存储在 SQLite 中；随时可以恢复。
• 隔离性 - 在干净的沙箱或容器中执行，确保变更的可复现性。