A.T.L.A.S. CLI
Локальный кодинг-агент с терминальным интерфейсом: планирует, пишет несколько вариантов, проверяет их в песочнице и чинит, чтобы малые модели тянули код
- 2 108 ★ репозитория
- Последний коммит
- AGPL-3.0
Широкий доступ
Почему такой уровень
- Скрипт установки ставит среду контейнеров и драйверный слой, скачивает около 20 ГБ и запускает несколько сервисов на машине
- Агент записывает файлы и запускает команды, в песочнице они по умолчанию имеют выход в сеть
- В версиях 3.1.x непроверенная правка может быть записана с отметкой «проверено»
Установка
В терминале, через SkillFoxx CLI
npx skillfoxx add cli/a-t-l-a-sОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемШирокий доступИнструмент может менять данные, выполнять команды или работать с секретами.
- Скрипт установки ставит среду контейнеров и драйверный слой, скачивает около 20 ГБ и запускает несколько сервисов на машине
- Агент записывает файлы и запускает команды, в песочнице они по умолчанию имеют выход в сеть
- В версиях 3.1.x непроверенная правка может быть записана с отметкой «проверено»
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
A.T.L.A.S. запускает на вашем компьютере собственного кодинг-агента на компактной открытой модели в формате GGUF. Команда `atlas` в папке проекта открывает терминальный интерфейс: чат, режим `!bash` и слеш-команды `/add`, `/diff`, `/commit`, `/run`. Прокси на Go ведет цикл агента, а многофазный конвейер V3 превращает запрос в проверенный вариант кода: планирование по ограничениям, несколько кандидатов, оценка качества, проверка в изолированной песочнице и ремонт. Простые правки идут коротким путем, сложные получают больше кандидатов, рассуждений и проверок. Песочница компилирует и тестирует код на Python, Rust, Go, C и в оболочке, запускает как сгенерированные, так и существующие тесты. Компонент Geometric Lens оценивает кандидатов по собственным эмбеддингам модели и хранит уроки прошлых сессий. Все работает на вашем железе: NVIDIA (CUDA), AMD (ROCm), Apple Silicon (Metal) или Vulkan. По словам автора, репозиторий и промпты не отправляются на внешние модели и сервисы, ключ платного API не нужен. Проект помечен как экспериментальный.
Для кого. Для разработчиков с видеокартой от 16 ГБ памяти или Apple Silicon, которые хотят пробовать кодинг-агента на локальной открытой модели без платного API.
Подходит, если
- Нужен кодинг-агент, который работает полностью локально, без платного API и отправки репозитория наружу
- У вас видеокарта NVIDIA, AMD или Apple Silicon с запасом памяти и вы хотите выжать больше из небольшой модели GGUF
- Код надо скомпилировать и прогнать через тесты в песочнице до записи в файл, а не получить сырую генерацию
- Вы исследуете подходы к проверке и ремонту кода вокруг малых моделей и хотите видеть этапы конвейера в боковой панели
- Нужна собственная модель: команда `atlas lens build` обучает линзу под другой GGUF
Не подходит, если
- Вам нужен надежный помощник для рабочего кода: автор прямо советует не полагаться на отметку «проверено» и просматривать все, что агент записал
- Видеокарта слабее 16 ГБ памяти: меньшие конфигурации в требованиях не указаны
- Нужны Windows-сборка или встроенный плагин для Claude Code либо Cursor: в README описана установка на Linux через Docker и нативный путь для macOS
- Вы не хотите ставить Docker и скачивать около 20 ГБ образов и весов моделей
Пример запроса к агенту
Запусти atlas в этой папке и попроси его добавить в utils.py функцию разбора дат с тестами, затем покажи diff командой /diffОграничения
- Проект экспериментальный. В версиях 3.1.x, если ни один кандидат не прошел тесты даже после ремонта, ATLAS все равно записывает лучший по оценке и сообщает агенту, что правка проверена. Исправление запланировано на 3.2.0.
- Файлы на C, C++, Swift, JSX, Vue и Svelte проверяются как Python, поэтому кандидаты для них проваливаются, и действует то же ограничение.
- Компонент Lens в версиях 3.1.3–3.1.6 не дает полезного сигнала: он не может отклонить кандидата или поднять тревогу.
- Текущих результатов бенчмарков нет: показатель 74,6 % на LiveCodeBench для версии 3.0 автор отозвал.
- Требования: видеокарта от 16 ГБ памяти, Docker или Podman, Python 3.9 или новее, около 20 ГБ на диске для образов и весов. Готовый образ CUDA рассчитан на Blackwell (RTX 50xx), для старых карт NVIDIA нужна локальная пересборка.
- Команды в песочнице по умолчанию имеют доступ к сети: отключить его можно переменной `ATLAS_SANDBOX_NET_INTERNAL=true`.
- Сложные добавления функций выходят неровно, генерация с грамматикой медленнее обычной.
Как отключить. Остановите контейнеры Docker стека ATLAS и удалите их вместе с образами, весами модели и папкой репозитория. Отдельной команды удаления в основном README нет.
Частые вопросы
Как установить A.T.L.A.S.?
Выполните `curl -fsSL https://raw.githubusercontent.com/inferstep/ATLAS/main/scripts/atlas-bootstrap.sh | bash`. Скрипт определяет дистрибутив и видеокарту, ставит среду контейнеров, качает веса модели и запускает стек, это 10–30 минут. Затем в любой папке проекта выполните `atlas`. Осторожнее с запуском скрипта через канал: можно скачать его и прочитать или взять версию, закрепленную за релизом.
Какая видеокарта нужна для A.T.L.A.S.?
От 16 ГБ памяти. Поддерживаются NVIDIA (CUDA), AMD (ROCm, проверено сообществом), Apple Silicon (Metal) и Vulkan в статусе превью. Intel Arc (SYCL) в планах. На диске понадобится около 20 ГБ.
Отправляет ли A.T.L.A.S. код во внешние сервисы?
По заявлению автора, репозиторий и промпты намеренно не уходят на размещенные модели или сервисы A.T.L.A.S. Команды в песочнице при этом по умолчанию выходят в сеть; отключается переменной `ATLAS_SANDBOX_NET_INTERNAL=true`.
Можно ли доверять отметке «проверено»?
Нет, пока не вышла версия 3.2.0. В 3.1.x при провале всех кандидатов ATLAS может записать лучший и сообщить, что правка проверена. Просматривайте записанный код и запускайте собственные тесты.
Как обучить A.T.L.A.S. работать с другой моделью?
Для своих GGUF есть команды `atlas lens build` и `retrain`, а калибровку ASA выполняют `atlas asa check`, `build` и `publish`. Оценки хода работы в терминальном интерфейсе вводятся командами `/good`, `/bad`, `/review` и `/deny`.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
CLI-инструментыКодинговый агент на Go для открытых моделей: из беседы делает задачи в отдельных ветках, сам проверяет и вливает результат, ведет все проекты в одном окне
Кодинг-агент, настроенный под маленькие локальные модели: минимальный системный промпт, режим планирования и фоновые суб-агенты для исследования
Локальный ИИ-агент, который работает на своем железе через llama.cpp, водит браузер, правит файлы, выполняет разрешенные команды и помнит контекст между сессиям
Late — кодовый ИИ-агент на Go в одном бинарнике: оркестратор планирует, одноразовые субагенты пишут и ищут, работает с llama-server и облачными моделями
Локальный сервер моделей для Mac на Apple Silicon в форматах OpenAI, Anthropic и Ollama: к нему подключают Claude Code, Codex и OpenCode одной командой
CLI на Go, который настраивает уже установленные у вас ИИ-агенты: дает им общую память, рабочий процесс и детерминированные шаги, не подменяя сами агенты
Сравнение с похожими
Записи с тем же главным запросом: чем они отличаются.
| Запись | Официальный | Звезды репозитория | Главное отличие |
|---|---|---|---|
| A.T.L.A.S. (эта запись) | нет | 2 108 | |
| Aider | нет | 49 706 | подключается к внешним и локальным моделям и правит код в git, а ATLAS ставит собственный стек с песочницей и проверкой кандидатов |
| OpenCode | нет | 220 388 | универсальный терминальный агент для разных провайдеров, а ATLAS заточен под компактные локальные модели GGUF |
Коротко о README
README начинается с предупреждения о статусе «экспериментальный» и коротко объясняет, зачем проект нужен. Дальше идут новости о релизах и уязвимостях, описание шести частей системы (терминальный интерфейс, прокси, конвейер V3, Geometric Lens, песочница, llama-server), установка одной командой и таблица требований. Раздел известных ограничений перечисляет проблемы версий 3.1.x, а ниже идут дорожная карта, поддержка проекта и лицензия.