VEXI
Elomami1976 · 程式設計
VEXI 是一款開源 AI 編碼代理，在你的終端機中運行，會讀取你的整個專案、直接編輯檔案，並在不同工作階段之間記住決策，讓你不用每次都從零開始。作為採用 BYOK 模式的本地端 AI 編碼工具，它維持免費且以 MIT 授權：你用自己手上的 API 金鑰把它接到任何供應商。一切都跑在你的機器上，所以你的程式碼與金鑰永遠不會離開。
關於 VEXI
VEXI 是什麼
VEXI 是代理，不是大腦。它會讀取你的檔案、撰寫程式碼，並在終端機中與你對話，但它本身不內建任何 AI 模型。它會透過你已有的 API 金鑰，連到位於他處的模型，例如 OpenRouter、Groq 或 DeepSeek。想像一下網頁瀏覽器。Chrome 出廠時不含任何網站，只是連到那些網站。VEXI 的運作方式一模一樣。
這種分工很重要，因為它改變了誰為什麼付費。Vexi CLI 安裝免費，繼續使用也免費。代理背後的 AI 模型只有在你要連上的供應商向你收費時才有成本。有幾家不收費，包括 Groq、Google Gemini 和 Cerebras。許多開發者從 OpenRouter 的免費模型起步，一毛錢都不用花。
問題在於免費模型較弱。它們可能憑空捏造不存在的檔案、在不同語言之間游移，或忽略你的指令。遇到這種情況，問題出在模型，不是 VEXI。那你該怎麼辦？換成更強的付費模型，通常就能解決。VEXI 需要 Node.js 才能運行，並支援 Windows、Mac 和 Linux。
開始使用
- 若尚未安裝 Node.js，先安裝，然後在終端機中執行
npm install -g vexi-cli。 - 執行
vexi setup，貼上你供應商的端點 URL、你的 API 金鑰，並挑選一個模型。VEXI 會在儲存前用一次即時請求驗證連線。 - 開啟一個專案資料夾，輸入
vexi啟動互動式工作階段，接著用自然語言描述你想要什麼。 - 讓 VEXI 掃描你的程式碼庫並進行編輯。輸入
/undo可還原任何變更，或輸入/push直接在對話中提交並推送。 - 輸入
vexi update取得較新的版本，或輸入vexi uninstall將它乾淨移除。
產品資訊
快速了解 VEXI 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 生活在終端機裡的開發者：只要你能自在地使用 npm 與 API 金鑰，VEXI 就能融入命令列工作流程，不必安裝任何 IDE 外掛。
- 重視隱私的程式設計者：你的程式碼與金鑰永遠不離開你的機器，因此適合無法將原始碼送往託管服務的團隊。
- 阿拉伯語、西班牙語、葡萄牙語或法語使用者：VEXI 能以五種語言解釋程式碼，這是少數競爭對手的 CLI 代理做得到的。
任務
- 修正特定檔案中的錯誤：用自然語言提問，VEXI 會定位到該行、修補它，並存下一個你可以還原的快照。
- 解釋陌生的程式碼：`vexi explain` 會為一個檔案或資料夾寫出逐步說明，阿拉伯文輸出會以乾淨的由右至左頁面在你的瀏覽器中開啟。
- 在 CI 中撰寫腳本：`vexi -p "你的提示"` 會回傳單一非互動式回覆，能嵌入腳本與工作流程。
情境
- 中斷後重新接手專案：情境壓縮引擎會重新載入你過去決策的摘要，讓你省去重新說明設定。
- 切換模型以降低成本：在對話中用 `/model z-ai/glm-5.2` 中途更換模型，不必重新輸入金鑰。
- 示範與審閱工作階段：`vexi replay` 會把已存下的對話變成可供分享或錄製的動畫 HTML 頁面。
主要功能
自備金鑰
VEXI 可連接 13 家供應商，包括 Groq、Google Gemini、DeepSeek、Cerebras、Anthropic、OpenAI 和 OpenRouter，並採用 BYOK AI 代理設計，讓你掌握計費的主控權。它的運作方式像開源程式碼助理，而非封閉產品：你在 vexi setup 中貼上端點 URL，VEXI 會偵測供應商、取得即時模型清單，並在儲存前驗證連線。你的金鑰只存在本地端。
情境壓縮引擎
這正是讓 VEXI 有別於單純對話外掛的功能。它會持續保存你所做決策的摘要，因此重新開啟專案時，不必再解釋你的架構、命名選擇或過去的修正。工作階段內的範例顯示，當你詢問某個錯誤時，它會想起「使用者選擇 JWT 做為身分驗證方式」。
理解你的整個專案
VEXI 會掃描你整個程式碼庫，而不只是你正在開啟的檔案。它會遵循 .gitignore 並略過 node_modules，所以不會浪費 token 去讀取相依套件。這表示它能回答關於結構與相依性的問題，而不僅限於目前的緩衝區。
快照、還原與重做
每一次 AI 編輯都會在發生前存成快照。輸入 /undo 還原、/redo 重新套用，輸入 /history 瀏覽完整的變更紀錄。由於快照存放在 .vexi 資料夾中，即使在不受 git 管理的專案裡，還原也能運作。實驗起來很安全。
多語言程式碼解說
vexi explain 會為任何檔案或資料夾寫出解說，並能以阿拉伯文、西班牙文、葡萄牙文或法文輸出。阿拉伯文會以由右至左的 HTML 頁面在你的瀏覽器中開啟，這正好避開舊版 Windows 主控台缺少阿拉伯文字形的問題。
自訂技能與 MCP 伺服器
技能是 .vexi/skills/ 中單純的 markdown 檔案，會在每一次工作階段被注入為規則。你可拿它們來做「一律使用 Windows PowerShell 指令」或「以阿拉伯文回覆」這類事情。你也可以透過 vexi mcp add 加入 MCP 伺服器，替模型增添額外工具。
從對話中推送 Git 與執行建置指令
/push 會暫存你的變更、草擬 AI 提交訊息並推送，且開始前會檢查憑證。VEXI 也能直接從對話中執行 pip install、gcc、javac、cargo 等建置指令，適用於 Python、Java、C、Rust 和 Go 專案。
Token 與成本追蹤
/usage 會顯示每個工作階段的實際 token 數量與估算的美元成本，並在結束時給出摘要。免費層模型會顯示為 $0。如果你用的是付費模型，你總能在費用累積前知道一個工作階段要花多少。
優缺點
優點
- 免費且以 MIT 授權開源，無需註冊、也無需伺服器。
- 可搭配 13 家供應商，其中幾家有免費層，讓你能以零成本起步。
- 100% 在本地端運行，所以程式碼與金鑰永遠不離開你的機器。
- 能以五種語言解釋程式碼，並為阿拉伯文提供正確的由右至左呈現。
- 以快照為基礎的還原讓你不用 git 也能嘗試有風險的編輯。
缺點
- 代理本身不內建模型，所以在它能做任何有用的事之前，你需要自己的 API 金鑰。
- 免費模型會游移並捏造檔案，這讓許多使用者轉向付費模型或某家供應商的免費層。
- 遠端 MCP 伺服器無法直接支援；你需要 `mcp-remote` 橋接，而且 `vexi update` 在 Windows 上可能因 spawn 錯誤而失敗。
- 專案數量少、GitHub 星數也不多，社群解答與教學仍相當稀少。
常見問題
VEXI 工具本身免費且開源。你要付的錢（如果有的話）是付給你所連接的 AI 模型。Groq、Google Gemini 和 Cerebras 等供應商提供免費層，OpenRouter 也有以 :free 結尾的模型，所以整套設定可以完全不花錢。
相關內容
探索與 VEXI 相關的工具、技能與文章。
VEXI 替代方案
Forefront
Forefront · 程式設計Forefront 是一個用來打造開源 AI 的網頁平台。你可以用自己的資料微調主流的開源語言模型、評估它們的表現，再透過 API 執行，或匯出後自行架設。想要封閉式平台的便利、卻堅持要自己擁有模型與資料的開發者，就是這裡的目標客群。
Startkit
StartKit.AI · 程式設計Startkit 是一套用來打造 AI SaaS 與 AI 包裝產品的樣板。可以把它想成一個 AI 新創樣板，把枯燥的部分都先接好了：驗證、Stripe 與 Lemon Squeezy 付款、用量限制、交易型電子郵件，以及一套能與 OpenAI、Anthropic、Groq 或 Llama 溝通的 AI API 啟動套件。你複製儲存庫、設定價格，然後專心在產品中使用者真正願意付費的部分。它建構於 React 與 Tailwind 之上的 Next.js，所以大部分的樣板程式碼對你來說並不陌生。
Testim
Tricentis · 程式設計Testim 是專為網頁、行動與 Salesforce 應用程式打造的 AI 測試自動化平台，用來建立並執行端到端測試。它靠機器學習在介面變動時維持測試穩定，團隊因此少花時間修補壞掉的定位器。對於一款今天就能開始使用的自動化測試工具來說，這表現不算差。你透過在瀏覽器錄製動作來建立測試，需要更多控制時再補上 JavaScript。對忙碌的 QA 團隊來說，這是個可靠的選擇。