zeroshot CLI

🎉 v5.4 新特性： 现已支持 OpenCode CLI！您可以使用 Claude、Codex、Gemini 或 OpenCode 作为您的 AI 提供商。同时支持 GitHub、GitLab、Jira 和 Azure DevOps 作为任务（Issue）后端。请参阅 Providers 和 Multi-Platform Issue Support。

npm install -g @covibes/zeroshot

Demo（100 倍速，90 分钟运行，经 5 次迭代通过审核）

Zeroshot 是一个开源的 AI 编码代理编排 CLI，它运行多代理工作流，以自主地实现、审查、测试和验证代码变更。

它在一个隔离的环境中运行规划器 (Planner)、实现者 (Implementer) 和独立的验证器 (Validators)，通过循环直到代码变更被验证通过或返回可操作、可重现的失败报告。

专为追求代码正确性而非仅仅追求速度的任务而设计。

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）中进行更改。
• 验证 (Validate)：通过独立的验证器运行自动化检查。
• 迭代 (Iterate)：重复上述过程直至验证通过，或返回可操作的错误报告。
• 恢复 (Resume)：持久化崩溃保护状态，支持任务恢复。

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

或者在行内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一 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
• 带有验证功能的自动化 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编码工作流

目标用户

• 注重正确性和可重现性的资深工程师
• 正在自动化 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建/平台团队
• 需要处理 Issue 积压的开源项目维护者
• 追求验证结果而非仅追求“直觉”的 AI 高阶用户

安装与要求

平台：Linux, macOS。Windows (原生/WSL) 的支持将在我们增强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: 参考 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 Issue 编号)
gh auth login

提供商

Zeroshot 通过调用提供商的 CLI 工作。您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

请参阅 docs/providers.md 获取关于设置、模型级别和 Docker 挂载的详细信息。

为什么需要多个代理？

单一代理的会话质量会随时间下降。上下文会被数千个 Token 掩盖，模型会为了“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进行伪造结论。检查失败？那就修复并重试，直到它真正生效。

核心区别

• 盲测验证 (Blind validation) - 验证器永远无法看到工作者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数量和模型的选择。
• 接受/拒绝循环 - 拒绝报告包含可操作的发现，而非模糊的抱怨。
• 崩溃恢复 - 所有状态持久化存储在 SQLite 中；可随时恢复。
• 隔离性 - 在干净、受控的容器化工作空间中执行所有操作。