dothething

Dothething (DTT) 是一个本地 AI 智能体。你只需布置任务，剩下的交给它处理，最后查看结果即可。

它能够处理研究、数据提取、浏览器自动化、文件编辑以及代码执行。它会持续工作直到任务完成，或者明确告诉你无法完成的原因。

官网： dotheth.ing

功能特点

你只需用简洁的英文描述任务。智能体将任务分解、选择合适的工具并交付结果。

• 任务规划与进度跟踪： 自动规划工作步骤并追踪进度。
• 网页搜索： 使用本地 SearXNG 实例进行搜索（支持 Google、Bing、DuckDuckGo 等 —— 可指定搜索引擎或直接搜索图片）。
• 浏览器自动化： 使用 Notte 和 Camoufox（一种为防止指纹识别而构建的 Firefox 分支）浏览页面。可提取页面内容、解决验证码以及处理复杂的多步网页交互。
• 系统操作： 读取和编辑文件、运行 Shell 命令、发起 HTTP 请求。
• MCP 集成： 通过 ~/.dtt/mcp.json 连接现有的 MCP 服务器。
• 自定义技能： 从 ~/.dtt/skills//SKILL.md 加载自定义技能（遵循 Claude Code 规范）—— 行为技能直接注入到智能体的上下文中，而文本处理技能则作为独立的子任务运行。
• 自我配置管理： 可让它自动执行添加 API Key 或安装技能的任务，它会自动处理文件编辑并完成重载。
• 邮件交互： 通过 AgentMail 进行邮件收发。
• 剪贴板支持： 能够读取和写入系统剪贴板，包括图片。
• 任务中途干预： 工作时按下任意键即可输入指令。按下 Ctrl-Q 可将输入加入队列，待当前步骤完成后执行。
• 任务分发： 将琐碎工作分发给更廉价的模型；在卡壳时咨询 GPT-5.4 获取建议。
• 断点续传： 保存完整的对话线程，方便恢复中断的任务。
• 成本控制： 通过 OpenRouter 追踪 Token 使用量和美元成本，并结合 Anthropic 的 Prompt Caching（提示词缓存）来降低费用。

快速开始

git clone https://github.com/fluffypony/dothething.git
cd dothething
./dtt.sh --prompt "Find the 10 largest public companies by revenue that went bankrupt in the last 20 years and write a markdown report with causes and timelines."

首次运行时会提示输入 OpenRouter API Key（必需）和 2Captcha API Key（可选），并将其保存至 ~/.dtt/env（权限 0600）。后续运行将自动读取这些密钥。若要跳过提示，请先在 Shell 中导出 OPENROUTER_API_KEY；Shell 环境变量的优先级高于保存的文件。若需修改或清除保存的密钥，请编辑或删除 ~/.dtt/env。

首次运行需要几分钟来配置 Python venv、安装 SearXNG 并设置 Notte 浏览器框架。之后的启动速度非常快。

如果省略 --prompt，则会打开多行编辑器。输入任务后，按 Esc+Enter 即可提交。

系统要求

• macOS 或 Linux
• Python 3.11+
• OpenRouter API Key：请访问 openrouter.ai/keys 获取。首次运行会提示输入并保存到 ~/.dtt/env，或直接导出 OPENROUTER_API_KEY 以跳过提示。
• 可选：用于浏览器任务自动化解决验证码的 2Captcha API Key。首次设置时会提示输入，或导出 TWOCAPTCHA_API_KEY。
• 可选：用于邮件工具的 AgentMail API Key。智能体可在首次使用时为你设置，或访问 agentmail.to 获取。
• Linux 剪贴板/图片支持：需要 wl-clipboard (Wayland) 或 xclip (X11)。

其余依赖项会在首次运行时自动安装到 /tmp/dothething。

使用方法

./dtt.sh [flags]

参数	功能说明
--prompt "..."	直接提供任务，无需打开编辑器
--fast	使用 claude-opus-4.8-fast:online（更便宜，能力稍弱）
--cwd DIR	设置文件操作的工作目录（默认：.）
--max-loops N	限制智能体的循环次数（默认：200）
--oraclepro	在 oracle 调用时使用 GPT-5.4-pro 代替 GPT-5.4
--resume ID	通过线程 ID 恢复之前的会话
--headed	显示浏览器窗口，用于视觉调试
--orchestrator	启动编排模式 —— 从一个终端运行并管理多个智能体
--pipe	仅输出标准输出（Stdout），适用于 Unix 管道。最终报告输出到 Stdout，其余信息屏蔽。退出代码：0=完成，2=部分完成，1=失败
--tui	单智能体模式的全屏终端 UI（实验性）
--notify-desktop	任务完成时发送桌面通知
--notify-email EMAIL	任务完成时发送邮件通知到指定地址（需要 AgentMail）
--max-cost USD	当累计成本达到此金额时停止并创建检查点
--verbose	显示完整的错误追踪信息
--debug	记录原始 API 负载和缓存指标

工作原理

该智能体通过 OpenRouter 路由 Claude Opus 模型。在每一个轮次中，模型都会决定调用哪些工具、处理结果，并决定下一步的操作。

result_mode： 每个工具调用都有一个 result_mode。如果你需要精确的输出，请使用 "raw"。如果你告诉它“提取所有函数签名”，它会将结果通过管道输出。