开源项目
开源项目

charmbracelet/crush:开源终端编程 agent,模型随便接但许可证有坑

27,271★ charmbracelet/crush(Go,今日 push)是开源终端编程 agent,model-agnostic(OpenAI/Anthropic 兼容,可接 GLM/DeepSeek)。避坑:许可证 GitHub 报 NOASSERTION(以 LICENSE 为准)、终端非 IDE、模型 API 自付、MCP 配置。区别 Claude Code/Cursor/openclaw。

发布于 2026年8月11日10 分钟阅读
<!-- crush-coding-agent-resource | open-source | charmbracelet/crush:开源终端编程 agent,模型随便接但许可证有坑 -->

charmbracelet/crush 是 Charm(Bubble Tea、Hugo 那家)2025 年 5 月立项的终端编程 agent,GitHub 27274 颗星(实时变动,以 GitHub 为准)、2143 个 fork,Go 写的,最近一次 push 就在今天(2026-08-11),未归档,629 个开放 issue 说明社区在真用。README 定位原话:"Your new coding bestie, now available in your favourite terminal. Your tools, your code, and your workflows, wired into your LLM of choice."(终端里的编程新搭档,全面兼容主流 LLM。)差异点:Claude Code 绑死 Anthropic 模型 + 订阅,Cursor 是闭源 IDE 副驾,crush 走"软件开源、模型你挑"--OpenAI/Anthropic 兼容 API 都能接,还能会话中途换模型不丢上下文。但避坑也在这:它的许可证不是你以为的 MIT,是 FSL-1.1-MIT,有竞争性使用限制。本文把这条和另外几条坑一起拆开。

本文基于 charmbracelet/crush 的 GitHub README 与 LICENSE.md 梳理,事实截至 2026-08-11,星数实时变动。与本站 GLM 编程套餐升级热点、AI 编程套餐横评、AI 编程上下文工程 SOP 互补但独立,和 cua 资源盘、openclaw 资源盘 各管不同地盘。

一、定位:终端里的编程搭档,不是又一个 IDE

crush 跑在终端里:你在命令行跟它对话,它读代码、改文件、跑命令、调工具,干"帮你写代码"的活。它不是 Cursor 那种编辑器里的 GUI 副驾--没有多窗格 diff、没有文件树点选、没有 IDE 那套可视化。交互界面是 TUI,而 Charm 的看家本领正是终端 UI(Bubble Tea 框架就是他们的),所以 crush 的终端体验比大多数命令行工具养眼。

为什么押终端?一是可 SSH:服务器、容器、远程开发机没 GUI 也能跑,后端和运维刚需。二是轻:不用起 Electron 吃内存,一个终端窗口搞定。三是跨平台全:README 列了 macOS、Linux、Windows(PowerShell 和 WSL)、Android、FreeBSD、OpenBSD、NetBSD--Android 和三个 BSD 都在列,编程 agent 里相当罕见,靠的是 Go 编译加原生 Bash 解释器。README 标 "Industrial Grade",理由是 Charm 生态 powering 25k+ applications,不是实验品。

但"终端 agent"本身劝退一部分人:习惯 Cursor 那种"左代码右对话、改哪行高亮给你看"的,回纯文本终端会不适应。crush 的目标用户是已经活在终端里的人--后端、DevOps、系统编程、vim/tmux 工作流的极客。一看命令行就头疼的,这篇可以划走。

二、核心特性:六张牌

Multi-Model:模型你挑,不绑死。 最硬的差异化。原生支持 OpenAI 和 Anthropic 兼容 API,官方 OpenAI/Anthropic 自不必说,OpenRouter、Azure OpenAI、AWS Bedrock、Google VertexAI 都有内置环境变量。README 明说能"add your own via OpenAI- or Anthropic-compatible APIs"--自家 LLM 也能接。Charm 还开了官方 provider 叫 Hyper(hyper.charm.land),订阅制带免费层,主打零数据留存(ZDR)和 GDPR 合规。

Flexible:会话中途换模型,上下文不丢。 值钱的一条。先用便宜模型做粗活(读代码、搜符号),遇到硬骨头切强模型,Ctrl+L 唤选择器当场切,上下文保留。按任务难度动态分配算力,不是"选一个用到黑"。

Session-Based:多项目多会话并行。 每个项目独立会话和上下文,切来切去不串味,适合同时跟进几个仓库。

LSP-Enhanced:用 LSP 拿上下文,跟你一样。 crush 接语言服务器协议拿符号、定义、引用这些结构化上下文,不只靠读文件。README 原话:"Crush uses LSPs for additional context, just like you do." 能开 gopls(Go)、nil(Nix)等,让 agent 看懂代码结构而不是把文件当纯文本,比纯文件读取准很多。

Extensible:靠 MCP 扩能力。 支持 MCP 的三种传输:http、stdio、sse。能挂数据库、浏览器、文件系统、内部 API,扩展成不止"写代码"的 agent。配套有 Catwalk--社区维护的 crush 兼容模型仓库,缺模型往上加。

Works Everywhere + crushrc。 平台覆盖前面说了。配置系统值得一提:crush 用 crushrc 文件,本质是 Bash 脚本加几个 crush 专属内建命令,就像 .bashrc 之于 shell。因 crush 内置原生 Bash 解释器,这套配置在所有平台(含 Windows)行为一致。加本地 Ollama 两行:

bash
provider add ollama --type ollama --base-url "http://localhost:11434/v1"
model add ollama/llama3.3 --name "Llama 3.3" --context-window 128000

三、和 Claude Code、Cursor、openclaw 怎么分地盘

最容易问混的就是这几个。Cursor 住在编辑器里:强项是仓库级多文件改写、可视化 diff、IDE 级导航,闭源订阅。Claude Code 是 Anthropic 的命令行/桌面 agent,强在长上下文推理和工程协作,但闭源、绑 Anthropic 模型、订阅约 20 美元/月。crush 和 Claude Code 最像(都是终端编程 agent),但两条核心差异:一是模型不绑死,crush 任意兼容模型都能接;二是许可证,Claude Code 闭源,crush 源码可见(FSL 不是 MIT,见第五节)。

openclaw 是完全不同的物种:个人助手,替你管邮件、日程、文件这些生活/办公杂活,强项是本地自动化,不写代码。crush 的地盘是代码仓库,openclaw 的地盘是收件箱和日历。一句话:crush 是"终端里帮你写代码的搭档",Claude Code 是"绑 Anthropic 的工程协作 agent",Cursor 是"编辑器 GUI 副驾",openclaw 是"替你管杂活的个人助手"。

维度charmbracelet/crushClaude CodeCursoropenclaw
地盘终端编程 agent终端/桌面编程 agentIDE 编程副驾个人助手·杂活自动化
模型任意(兼容 API)仅 Anthropic绑定产品多家(BYOK)
界面TUI 终端终端/桌面GUI IDE跨平台 app
许可证FSL-1.1-MIT闭源闭源MIT
费用软件免费·模型自付订阅 $20/月订阅软件免费·模型自付

它们更多互补而非纯替代。常见组合:Cursor 做 GUI 下的快速改写,Claude Code 啃长上下文难题,crush 在服务器/远程环境干活(SSH 就能用、不挑模型)。选型前对照本站 AI 编程套餐横评 算笔账。

四、上手:装好、接模型、开干

装。 最常用两条:

bash
brew install charmbracelet/tap/crush   # Homebrew
npm install -g @charmland/crush         # npm 全平台

Windows 还能 winget install charmbracelet.crush 或 scoop install crush,甚至 go install github.com/charmbracelet/crush@latest 从源码装。

接模型。 最快路径:装完 Ctrl+L 唤模型选择器,选 Hyper 模型按提示认证,免费层够试水。不想用 Hyper 就设环境变量,crush 认一长串:ANTHROPIC_API_KEY、OPENAI_API_KEY、ZAI_API_KEY(Z.ai/智谱)、MINIMAX_API_KEY、MOONSHOT_API_KEY、GEMINI_API_KEY、OPENROUTER_API_KEY 等都有。

接国产模型/本地模型。 这是 crush 对中国用户友好的关键。Z.ai(智谱)、MiniMax、月之暗面、阿里都有原生环境变量,不用拼兼容层。DeepSeek 没专属变量,但 API 是 OpenAI 兼容的,crushrc 加自定义 provider 两行:

bash
provider add deepseek --type openai --base-url "https://api.deepseek.com/v1"
model add deepseek/deepseek-chat --name "DeepSeek Chat" --context-window 64000

想零 API 费就接本地 Ollama(前面那两行)。整体上手:装一行、配一个 key、Ctrl+L 选模型,三步开干。

五、避坑代价:五条必须知道的坑

坑一:许可证不是 MIT,是 FSL-1.1-MIT(最该读的一条)。 GitHub SPDX 探测器对 crush 返回 NOASSERTION。点进仓库读 LICENSE.md,开头写的是"Functional Source License, Version 1.1, MIT Future License",缩写 FSL-1.1-MIT,版权归 Charmbracelet, Inc.。这跟 Charm 家的 Bubble Tea、Hugo(都是 MIT)不一样--别因同门就假设 crush 也是 MIT。FSL 核心:你可以用、改、复制、二次开发、再分发,但只能用于"Permitted Purpose";"Competing Use"被禁止--指把 crush 拿去做商业产品或服务、替代 crush 本身或 Charm 的其他产品、或提供与 crush 实质相同的功能。内部使用、非商业教育/研究、给 crush 被许可方提供专业服务都没问题。还有"未来许可":crush 发布满两年后自动转 MIT。严谨说法是当前"源码可见 + 竞争性使用受限",两年后转 MIT。个人写代码、公司内部用完全没事;想 fork 做竞品 SaaS 卖,头两年不行。商业集成前务必自己读 LICENSE.md 原文。

坑二:终端不是 IDE,期望别跑偏。 冲着"Cursor 平替"来会发现没有可视化 diff、文件树点选、多窗格布局。crush 是 TUI,所有交互在终端文本里。对终端原住民是优势(轻、快、可 SSH),对 IDE 重度用户是门槛。建议先跑两天试手感,别急着整体迁移。

坑三:模型 API 自付,model-agnostic 是双刃剑。 软件免费,但 LLM 调用烧你的 API 额度。自由选模型能挑便宜的(DeepSeek、MiniMax、本地 Ollama),但没人帮你管成本--长会话 token 悄悄涨上去,账单是你的。Hyper 免费层能缓冲但额度有限。建议:粗活便宜模型,硬骨头切强模型(正好用 Flexible 中途切换),别全程挂最贵的。

坑四:MCP 配置有门槛。 扩展能力靠 MCP,挂外部工具要写配置。crushrc 是 Bash 语法,会写脚本的人顺手,不熟 Bash 的是学习曲线。好在 crush 内置"自我配置"技能--大多数时候用自然语言告诉它"帮我加个 Ollama provider",它自己改 crushrc。

坑五(反过来的甜头):中国可用性反而友好。 model-agnostic 意味着不强制海外模型:Z.ai(智谱)、MiniMax、月之暗面、阿里都有原生环境变量,DeepSeek 走 OpenAI 兼容端点两行 crushrc 搞定,本地还能接 Ollama 完全离线。比起被锁在单一海外模型的闭源 agent,crush 在国内可用性反而更强--挑个国产便宜模型,成本和速度都比硬蹭海外 API 划算。选模型可参考本站 GLM 编程套餐升级热点。

适合:活在终端里的后端/DevOps/系统开发者;想要模型自由、不愿绑死单一厂商的人;需要在服务器和远程环境跑编程 agent 的人;想接国产模型控成本的中国开发者。别凑热闹:你要 GUI IDE--Cursor 更对路;要开箱即用零配置--Claude Code 订阅更省心;要替你管邮件日程--openclaw 才是那个物种。

六、常见问题

Q:crush 是 MIT 许可证吗? A:不是。GitHub SPDX 报 NOASSERTION,LICENSE.md 实际是 FSL-1.1-MIT(Functional Source License v1.1, MIT Future License)。可以用、改、二次开发,但不能做"竞争性使用"(拿它做替代 crush 的商业产品/服务)。发布满两年后自动转 MIT。个人和内部用没问题,商业集成前务必读 LICENSE.md 原文。

Q:crush 和 Claude Code 有什么区别? A:都是终端编程 agent,两条核心差异:一是模型--Claude Code 只能用 Anthropic、订阅约 $20/月,crush 任意兼容模型都能接、软件免费、模型费自付、还能会话中途切模型;二是许可证--Claude Code 闭源,crush 源码可见(FSL-1.1-MIT)。

Q:在中国能用吗?接哪些模型? A:能,而且比绑死海外模型的 agent 友好。Z.ai(智谱)、MiniMax、月之暗面、阿里都有原生环境变量;DeepSeek 走 OpenAI 兼容端点用 crushrc 加自定义 provider 两行搞定;还能接本地 Ollama 完全离线。挑国产便宜模型控成本完全可行。

Q:怎么装,要付费吗? A:软件免费。brew install charmbracelet/tap/crush 或 npm install -g @charmland/crush,Windows 用 winget/scoop。装完 Ctrl+L 选模型:用 Hyper 有免费层,或设环境变量接自己的 API key。模型调用烧你的 API 额度,接本地 Ollama 则零 API 费。

Q:2.7 万星,项目成熟吗? A:活跃但仍在高速迭代。2025-05-21 创建,今天还在 push,未归档,629 个开放 issue。Charm 生态(Bubble Tea/Hugo)工程底子扎实,但 crush 本身接口和文档还在变动,生产接入前建议自己跑一遍你的场景。


参考来源

本文由 AI 辅助生成,经人工审核编辑。最后更新:2026-08-11

常见问题

crush 是 MIT 许可证吗?
不是。GitHub SPDX 报 NOASSERTION,LICENSE.md 实际是 FSL-1.1-MIT(Functional Source License v1.1, MIT Future License)。可以用、改、二次开发,但不能做"竞争性使用"(拿它做替代 crush 的商业产品/服务)。发布满两年后自动转 MIT。个人和内部用没问题,商业集成前务必读 LICENSE.md 原文。
crush 和 Claude Code 有什么区别?
都是终端编程 agent,两条核心差异:一是模型--Claude Code 只能用 Anthropic、订阅约 $20/月,crush 任意兼容模型都能接、软件免费、模型费自付、还能会话中途切模型;二是许可证--Claude Code 闭源,crush 源码可见(FSL-1.1-MIT)。
在中国能用吗?接哪些模型?
能,而且比绑死海外模型的 agent 友好。Z.ai(智谱)、MiniMax、月之暗面、阿里都有原生环境变量;DeepSeek 走 OpenAI 兼容端点用 crushrc 加自定义 provider 两行搞定;还能接本地 Ollama 完全离线。挑国产便宜模型控成本完全可行。
怎么装,要付费吗?
软件免费。`brew install charmbracelet/tap/crush` 或 `npm install -g @charmland/crush`,Windows 用 winget/scoop。装完 `Ctrl+L` 选模型:用 Hyper 有免费层,或设环境变量接自己的 API key。模型调用烧你的 API 额度,接本地 Ollama 则零 API 费。
2.7 万星,项目成熟吗?
活跃但仍在高速迭代。2025-05-21 创建,今天还在 push,未归档,629 个开放 issue。Charm 生态(Bubble Tea/Hugo)工程底子扎实,但 crush 本身接口和文档还在变动,生产接入前建议自己跑一遍你的场景。

相关文章

开源项目

DeepInfer 开源:155 万亿 Token/天,引擎还是工厂?

DeepSeek 于 2026 年 10 月 20 日宣布全面开源生产级推理框架 DeepInfer,这是第一次能拿到官方生产级引擎而不是对着论文自己拼:仓库 deepseek-ai/DeepInfer 采用 Apache-2.0,开放当日实测 17,902 stars、1,836 fork、188 个 open issue,同步放出的 Token 编解码组件 deepseek-recipe 则是 MIT 协议,两个仓库许可不同。官方自报性能数字全部需要标注为自报口径、目前无第三方复现:单集群服务吞吐 155 万亿 token/天(按谷价折算每卡每小时 38 美元)、首字延迟 400 毫秒、生成速度 230 tokens/s、96% 输入命中前缀缓存、Prefill 每卡吞吐由不计缓存的 6 万提升到 150 万 tokens/s;SWA Bounded Replay 把缓存未命中的重算量固定为最后 128 个 token,使 Prefill 总计算量近乎减半且成本与上下文长度无关;DSpark 推测解码最多 draft 5 个 token,线上吞吐再提升 6%,每卡每秒生成 14K token;MoE 专家副本每 10000 步动态重排,线上最忙的卡仅高出平均负载 9%。硬件覆盖英伟达 SM100 与华为昇腾 950 NPU 双栈,部署路径为 Python 3.12 虚拟环境加 DEEPINFER_ACCELERATOR 环境变量后从源码构建,默认拉取 DeepSeek-V4.1-Flash-1017 权重。但要讲清边界:官方明确 Prefill 与 Decode 分离、数据并行负载均衡以及 KVCache 管理层因与内部基础设施耦合过深尚未完整开源,拿到的是引擎而不是整座工厂;官方也未提供与 vLLM、SGLang、TensorRT-LLM 的横向基准。线上形态是 8 卡服务器承担 Prefill、64 至 128 卡超节点承担 Decode,KVCache 保留 72 小时以上以减少重复计算。

2026年10月22日10 分钟阅读
开源项目

大模型记忆长进身体里:288B 记忆原生模型开源

上海记忆张量(MemTensor)2026-10-20 发布业内首个记忆原生基座模型 MemT 1.0(据团队称)并开放权重:MemT-1.0-Flash(288B 总参/17B 激活/336M 动态记忆)与 MemT-1.0-Nano(36B 总参/3B 激活/10M 动态记忆),业内最大的开源参数化记忆模型。许可证破案(臣核 LICENSE 原文):GitHub API 报 NOASSERTION,LICENSE 原文为 PolyForm Noncommercial 1.0.0——权重公开可下载但为非商业许可,商用需向团队另行授权,另附 LICENSE-PAPER 文件;多家媒体报道写「开源」,正文以 LICENSE 原文为准。记忆原生与传统三类记忆的区别:激活记忆(上下文+KV Cache,会话结束即消失)、参数记忆(微调才更新不可逐条编辑)、外部知识库(靠检索)——MemT 把历史编码为持续存在、可更新的内部状态,在选定 Transformer 层让注意力与参数化记忆并联,记忆成为前向传播的一部分;Gated DeltaNet-2 逐 token 稳定更新(擦除/写入/遗忘/输出四门控)、MoS 混合存储扩容(记忆专家稠密路由、容量独立扩张);训练用 KL 蒸馏(教师读完整上下文、学生只看记忆状态、只优化记忆参数),训练语料 340 亿 token(网易口径)。基准(厂商口径):11 项记忆基准 Flash 50.6 / Nano 47.0 列参数化记忆方法第一、第二,最强参数化基线 Temp-LoRA 38.1(高 12.5/8.9 分);落后于自家 MemOS 文本记忆系统(保真度损失换可学习可扩展,如实并写)。SWE-bench Verified 500 题:66.07% 提升至 69.33%(执行前注入经验)/69.73%(执行中触发),三次全成功率 54.00% 提升至 61.6%/62.8%;Multilingual 60.00% 提升至 62.89%/63.56%。长历史效率(双 GPU 单并发固定 128 token):128K 端到端提速 1.86 倍、持久存储约 1/66;256K 提速 3.99 倍、TTFT 104-112ms vs 传统 445ms;每会话记忆状态约 40MiB 较传统 5.06GiB 缩约 130 倍(1/66 对 KV cache、1/130 对传统完整方案,两口径并写)。长对话召回案例:65K token 对话 4K 精确召回、16K 正确答「我不知道」、64K 区分已确认与仅提议变更。部署时记忆状态与用户/任务轨迹绑定、序列化跨会话延续,原始文本不保留。方向:记忆驱动递归自我改进 RSI;与 MemOS 3.0 组合明文+参数化完整链路。仓库:github.com/MemTensor/MemT-1.0(实测 194 stars)+ HF/ModelScope 集合。与站内分工:hy-memory-2-0-opensource-resource(批 57)是外挂记忆框架(记忆在模型外),本篇是记忆原生模型(记忆长在模型里)——两条路线各开源了一个代表。

2026年10月21日10 分钟阅读
开源项目

AI 记忆框架开源第一:腾讯 3B 干翻 Opus 5

腾讯混元 2026-10-16 把 Hy Memory 2.0 三层全开源:模型层 Hy-Memory-30B-A3B(总参数 30B、每 token 激活约 3B 的 MoE,HuggingFace tencent/Hy-Memory-30B-A3B,arXiv 2610.22196)、SDK 层 hy-memory(PyPI 当前 2.0.3)与工具层 MemHub(CLI v1.0.3,npm memhub-cli 引导安装)。许可证破案:GitHub API 报 NOASSERTION(非标准文本),raw LICENSE 原文为 Apache-2.0 且带 Tencent 前言、无附加限制条目——本文以 LICENSE 原文为准。官方文档模型名混用「Hy-Memory-30A3B」与「Hy-Memory-30B-A3B」两种写法,以 HF 仓库实名为准。官方基准(厂商口径):四套记忆系统对比 55.49 分第一,超过 Opus 5(54.62)与 DeepSeek-Flash(53.64),Qwen3-30B-A3B 仅 44.37;MemoryArena 55.31% 领先第二名 EverOS 10.2 个百分点;CodeMemoryBench 64.2%/35.6%;SWE-ContextBench 28.3%;LoCoMo 72.6% 且记忆 token 从 1159 降到 703(-39.3%)。内部业务验证(厂商口径):自选股多跳召回 50% 提到 90%、iWiki 相对提升 48.6%。定位是「记忆写入工位替身」(智囊团解读,二手):模型专门负责记忆写入与更新,理论上可挂在 Mem0、MemOS 等既有记忆系统下面干活。MemHub 工具数两口径并写:README 列 5 种,官方公众号稿称 10 种,以实际 CLI 输出为准。局限五条如实写:跑分为厂商口径第三方未复现、preview 阶段 API 可能变、MemHub 仅 Linux/macOS、模型 30B 级本地部署有门槛、英文文档尚薄。仓库地址:github.com/Tencent-Hunyuan/Hy-Memory(实测可达)。与站内分工:ai-agent-long-term-memory-sop(2026-08-08)讲 mem0/Letta 自建方案,本篇讲腾讯现成开箱方案。

2026年10月20日10 分钟阅读