Forge:模型無關的 AI 編碼 harness 與 CLI,第一次上手前的決策指南

適合誰

• 適合想在終端機裡用一個原生 CLI/TUI 完成編碼任務,並希望每個任務自動路由到「成本 × 能力」最優模型的開發者。它是用 Rust 寫的模型無關(model-agnostic)AI 編碼 harness,單一原生二進位檔,不需要 Node、Python、Bun 執行環境。
• 如果你想透過桌面應用、iOS/Android/Web 伴侶應用或 OpenAI 相容的本地 API 使用它,官方說明這些形態同樣有提供。
• 不適合的情況:需要圖形化設定精靈以外的安裝方式、或依賴某個特定外掛/擴充生態系時,證據未提供這些細節,無法確認;至於支援哪些具體 agent、支援哪些語言環境,官方證據沒有說明,屬於未知,請勿自行假設。
• 使用前提:需要可存取的模型憑證。forge setup 會引導連接模型、安全與成本設定、搜尋、匯入和背景服務;API key 存放在 OS keyring 中。

3 分鐘完成第一次嘗試

推薦主路徑只有一條:官方一行式 shell 安裝腳本。

1. 前提:一個能執行 shell 的終端機,可存取 GitHub。
2. 在終端機執行:

curl -fsSL https://raw.githubusercontent.com/Adulari/forge/main/install.sh | sh

該腳本會下載對應的 release 二進位檔並安裝到 ~/.local/bin。

1. 副作用確認點:互動式安裝預設還會順便安裝 Forge 桌面應用。不需要時,在提示處回答 n(或設定 FORGE_DESKTOP=0 跳過)。這是以管線執行遠端腳本的安裝方式,執行前請自行確認信任來源。
2. 安裝後啟動 forge,首次會自動開啟 forge setup 引導流程,依提示連接模型與安全/成本設定。
3. 第一次任務建議選一個低風險的分析類任務,例如讓它在目前的程式碼倉庫裡解釋某段程式碼或總結專案結構。可觀察的成功訊號:任務被分派並在終端機 UI 中回傳模型的回答/分析結果。至於這個過程是否會讀寫你的檔案、執行命令或存取網路,證據未說明,請在執行改動類任務前自行確認並做好確認點把關。

其他方式(僅作次要說明):在克隆的倉庫中,.forge/ 裡的 hooks、MCP servers、temper 和 allow 規則在執行 forge trust 之前保持不生效。

使用案例

案例 1:低成本快速看懂一個陌生倉庫。 情境:接手一個不熟悉的程式碼專案。做法:在倉庫目錄啟動 forge 的終端機 UI,發起一個唯讀分析類任務,例如「總結這個專案的結構和進入點」。它會依其路由機制把任務交給合適的模型,你在 TUI 中直接看到結果。可期待結果:得到一份專案概覽;這是分析型任務,不涉及修改檔案。

案例 2:一次性(headless)執行單個編碼請求。 情境:腳本化或不想進互動介面。做法:以 one-shot/headless CLI 方式呼叫 forge,提交一個明確的編碼任務(證據未給出具體命令列參數格式,可確認到「該形態存在」這一層)。可期待結果:任務被路由到按成本 × 能力選出的最優模型並回傳輸出。涉及檔案修改或命令執行的編碼任務請在提交前明確改動範圍,證據未說明其副作用行為,需自行在環境層面把關。

使用邊界

• 安裝副作用:一行式安裝腳本預設會連帶安裝桌面應用(互動預設 yes),用 n 或 FORGE_DESKTOP=0 拒絕。
• 倉庫級信任邊界:克隆倉庫中的 .forge/ hooks、MCP servers、temper/allow 規則預設為惰性,需明確執行 forge trust 才生效——這是官方明確的安全確認點。
• 執行環境:單一原生 Rust 二進位檔,無 Node/Python/Bun/Electron 依賴。API key 存於 OS keyring。
• 官方明確限制之外,以下資訊證據未提供,屬未知:支援哪些具體 agent 用戶端、支援哪些自然語言/程式語言範圍、審查或診斷類操作是否會讀寫檔案/執行命令/存取網路。不要把未知當成「零風險」;對任何會改動檔案、執行命令或呼叫外部服務的任務,先確認副作用再執行。