divvy CLI
Автономный кодинг-агент для дешевых и малых LLM: дробит цель на дерево задач с контрактами и проверяет каждую сборкой и тестами.
- 62 ★ репозитория
- Последний коммит
- MIT
Широкий доступ
Почему такой уровень
- Агент сам пишет файлы и выполняет команды сборки и тестов в рабочем каталоге.
- Ключ API передается переменными окружения внешней модели или локальному шлюзу.
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add cli/divvyОпределит 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.
- Агент сам пишет файлы и выполняет команды сборки и тестов в рабочем каталоге.
- Ключ API передается переменными окружения внешней модели или локальному шлюзу.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
divvy берет большую цель и разбивает ее на дерево задач. У каждой задачи есть контракт и команда приемки, а исполняется она в отдельном контексте: результат подтверждают компиляция и тесты, а не память длинной сессии. Идея рассчитана на слабые модели с малым числом параметров. Подойдет любой OpenAI-совместимый API: OpenAI, vLLM, Ollama и локальные шлюзы. Флаг `-plan` только строит дерево и останавливается, `-resume` продолжает сессию, `-parallel` запускает несколько листьев в изолированных копиях, `-solo` сворачивает дерево в один контекст. Есть веб-интерфейс `-serve`, настольное приложение на Tauri, оценка стоимости и жесткие лимиты `-max-cost` и `-budget-tokens`.
Для кого. Тем, кто запускает локальные или дешевые модели для кода и хочет получать проверяемый результат без дорогого агента.
Подходит, если
- Локальная модель через Ollama плохо держит длинную сессию, и задачу нужно разбить на короткие проверяемые листья.
- Сначала нужно посмотреть дерево задач командой `-plan` и утвердить его.
- Нужен жесткий потолок расходов: `-max-cost` и `-budget-tokens`.
- Цель помещается в один контекст, и дерево избыточно: подойдет режим `-solo`.
Не подходит, если
- Нужен готовый агент с сильной моделью и без настройки контрактов.
- Нужна работа вне каталога `-workdir`: инструменты читают и пишут только его.
- Не готовы вручную подбирать параметры под конкретную слабую модель.
Пример запроса к агенту
Собери `divvy`, запусти `./divvy -plan -workdir ./ws` для цели «HTTP-сервис /health с тестом» и покажи дерево задач до выполнения.Ограничения
Документация написана на китайском. Параметр `-max-retries 0` по умолчанию означает бесконечные повторы при провале приемки, поэтому задавайте `-max-elapsed` и `-max-stall`. Приемочные команды пишет модель, а запасные проверки слабее ее явных сквозных команд. Команда `-prune` удаляет файлы сессий без возврата, сначала запустите ее с `-dry-run`. Браузерным инструментам нужен установленный Chrome или Chromium. Подбор параметров под слабую модель остается за вами.
Как отключить. Удалите бинарник `divvy` и рабочий каталог с папкой `.divvy` для сессий. Ключ `OPENAI_API_KEY` уберите из окружения.
Частые вопросы
Как установить divvy?
Командой `go install github.com/esrrhs/divvy/cmd/divvy@latest` или сборкой в репозитории: `go build -o divvy ./cmd/divvy`.
Какие модели подойдут?
Любые за OpenAI-совместимым API: OpenAI, vLLM, Ollama, локальные шлюзы. Для Ollama в `OPENAI_BASE_URL` указывают адрес с `/v1`.
Как сначала посмотреть план?
Запустите `./divvy -plan -workdir ./ws "цель"`: дерево сохранится и работа остановится. Затем `./divvy -resume -workdir ./ws` выполнит план.
Как ограничить расходы?
Флагами `-max-cost` в долларах и `-budget-tokens` для токенов. Это жесткие лимиты на сессию, а для одного листа есть `-max-leaf-cost` и `-max-leaf-tokens`.
Когда лучше режим `-solo`?
Когда цель помещается в один контекст: дерево сворачивается в один лист, а провал приемки возвращается в тот же диалог на исправление.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
CLI-инструментыiloom запускает каждую задачу Claude Code в отдельном worktree и записывает планы и решения в комментарии трекера
Агент на Rust для долгих задач: фоновый Runtime, подагенты в Git worktree, проверка кодом возврата и выгрузка аудита изменений.
Скилл /improve: сильная модель проверяет репозиторий и пишет самодостаточные планы правок, а исполнение отдаете более дешевой модели
Кодовый агент для терминала на Go: модели GLM, DeepSeek и локальный Ollama, 59 встроенных инструментов и MCP
Хартия на 2,4 КБ для CLAUDE.md и три скилла по вызову: агент проверяет результат и ждет подтверждения перед необратимым
Плагин для Claude Code и Codex: дорогая модель планирует, дешевая пишет код под тест, и тариф расходуется медленнее.
Коротко о README
Документ описывает быстрый старт, таблицу флагов, устройство рантайма, режимы REPL и пошагового ведения, веб-интерфейс и настольное приложение. Дальше идут оценка расходов, цикл волн с агрегированием, базовые принципы, тест слабых моделей и раздел известных ограничений.