Skip to content

Steerable

◆ 本地、量化与低价模型的 Agent 质量层 ◆

更少幻觉 代码最小 开箱即用 分层可拆

GLM-5.3-Flash 在 Terminal-Bench 2.1 达到 79.0%。一条命令拉起完整 Shell,或按需引入任意一层。

快速入门 · Storybook · ★ GitHub Star · 交流群

GitHub stars License: Apache 2.0 npm: @steerable/agent-protocol npm: @steerable/agent-ui PyPI: steerable-agent-runtime PyPI: steerable-sidecar

79.0% Steerable + GLM-5.3-Flash TB 2.1 · 本仓库

+23.6 同 GLM 对比 Codex Codex + GLM-5.3-Flash · 56.2%

229.9M 单轮全量目录输入 Tokens 三次均值 · 较此前基线降低 15.4%

01 · 一键启动

一条命令跑起完整智能体

开箱即用的对话界面、终端、沙箱与多模型支持,一套 Shell 跑通浏览器、桌面端与命令行。

查看代码集成 ↓
git clone https://github.com/pathlyapp/steerable.git
cd steerable && pnpm install
pnpm agent-shell:web
→ Steerable Shell 已监听 http://127.0.0.1:4787
# 在接入了 shell crate 的产品仓库 src-tauri 中运行
pnpm tauri dev
→ 基于同一宿主运行时与 Sidecar 拉起原生桌面窗口
npm install -g @steerable/agent-cli
steerable-cli login
steerable-cli run "summarize this repo"
→ 一次安装自带运行时;login 自动校验密钥;需 Node 22.19+(终端交互界面需 26.4)

方便集成

只引入你需要的那一层——Python 智能体、React 对话界面或 Node.js 智能体;纯 UI 预览运行 pnpm shell:dev。

uv add steerable-agent-protocol steerable-agent-harness steerable-agent-runtime
from steerable_agent_runtime import ToolRouter, tool
from steerable_agent_protocol import ToolCall

router = ToolRouter()

@tool(router=router, description="按路径读取文件")
async def read_file(path: str) -> dict:
    return {"path": path, "content": open(path).read()}

result = await router.dispatch(
    ToolCall(id="c1", name="read_file", arguments={"path": "README.md"})
)
# result.success、result.data、result.error 均有完整类型约束
pnpm add @steerable/agent-protocol @steerable/agent-ui
import { ChatPanel, useChatStream } from '@steerable/agent-ui';

export function Chat() {
  const { messages, send, isStreaming } = useChatStream({
    endpoint: '/api/chats/123/send',
  });
  return <ChatPanel messages={messages} onSubmit={send} isStreaming={isStreaming} />;
}
# 将 Sidecar 二进制放入 resources/python-runtime/<platform>/
pnpm add @steerable/agent-runtime
import { AgentRuntime } from '@steerable/agent-runtime';

const runtime = new AgentRuntime({ sidecarPath });
await runtime.start();   // 启动进程并完成 lifecycle.ready 握手

const stream = await runtime.chatStream({
  provider: 'openai_compat',
  model: 'glm-5.3-flash',
  baseUrl: process.env.GATEWAY_BASE_URL!,
  apiKey: process.env.GATEWAY_API_KEY!,
  messages: [{ role: 'user', content: 'hi' }],
});
for await (const event of stream.events) { /* 强类型 SSEEvent 流 */ }
◆ 一个循环 · 两种部署形态 ◆
桌面与终端 Tauri 桌面应用 / TUI CoreLoop 服务端 FastAPI 服务 / SSE ◆ 同一循环 · 双端部署 · 强类型协议 ◆

同一套 Rust CoreLoop 通过结构化 LoopEvent,同时驱动桌面 Sidecar 与服务端 FastAPI。

核心机制

专为高性价比与本地模型打造——从工具解析、事实核查到 OS 沙箱逐层兜底。

01 · 更少幻觉

事实核查与自动纠错

拦截无依据结论与空头支票,自动解析并重试纯文本畸形工具调用。

02 · 代码最小

适合 vibe coding

代码体积最小。@tool 装饰普通函数,没有图编排 DSL。

03 · 开箱即用

默认闭环沙箱

内置 Seatbelt / bwrap / Windows 沙箱、61 条命令规则与白名单代理。免 Key 在线演示。

04 · 分层可拆

按层按需取用

5 层 15 个独立包,严格单向依赖。可只引入协议、UI 或 Sidecar。

五层架构

严格单向依赖(Tier N 绝不引入 Tier N+1),采用哪一层只继承下方依赖。架构规范

◆ 五层架构 · 严格向下依赖 ◆
界面渲染 进程托管 宿主桥接 协议类型 内嵌 内嵌 校验 校验 引入 TIER 5 宿主壳 & CLI @steerable/agent-shell · agent-shell-tauri · agent-shell-web · agent-cli · pack-sdk Tauri 桌面窗口 · Node 宿主运行时 · 无头 HTTP 服务 · CLI/TUI TIER 4 React UI @steerable/agent-ui 7 个组件 · 14 张卡片 · 3 个 Hooks TIER 3 Sidecar steerable-sidecar 便携式 CPython · 38 个 RPC 方法 TIER 3 Runtime steerable-agent-runtime CoreLoop · 4 种协议 · ToolRouter TIER 2 Harness steerable-agent-harness · @steerable/agent-harness 纯函数策略 · 预算 · 重试 · 事实核查 · 安全分类 TIER 1 协议底座 @steerable/agent-protocol · steerable-agent-protocol 单一 JSON Schema → 自动生成 TS/Zod 与 Pydantic 类型 · 锁步版本 X.Y.Z

点击任意层级高亮向下依赖——低层永不反向引入高层。

包名 层级 核心能力
@steerable/agent-protocol · steerable-agent-protocol 1 SSEEvent、ToolCall / ToolResult、ChatMessage、Sidecar JSON-RPC 类型(由 spec/ 自动生成)
@steerable/agent-harness · steerable-agent-harness 2 decide_tool_mode、consume_budget、next_retry_delay_ms、命令安全规则
steerable-agent-runtime · @steerable/agent-runtime 3 CoreLoop、4 协议 LLMProvider、@tool、ToolRouter、SSE/stdio 传输与 Sidecar 生命周期
steerable-sidecar · steerable-egress-proxy 3 可移植 CPython(<1s 启动、已签名公证)与域名白名单 CONNECT 出口代理
@steerable/agent-ui 4 ChatPanel、MessageList、ToolCallRenderer 等 7 个组件 + 14 张卡片 + Hooks + Tailwind 预设
@steerable/agent-shell · agent-shell-web · agent-shell-tauri · pack-sdk 5 Tauri / 无头宿主壳、共享 Node HostRuntime、Sidecar 守护与渲染前端
@steerable/agent-cli · @steerable/runtime-<target> 5 命令行与终端会话(steerable-cli login),自动拉取平台运行时并与桌面端共用本地数据库

常见框架横向对比

Terminal-Bench 2.1(89 题)。79.0% 为 GLM-5.3-Flash @max 三次均值;下图对比单次 n=1 结果。评测方法

通过率 · 三款 Flash 模型 · 五个智能体框架

89 道任务的通过比例。悬停柱体或点击上方标签可单独高亮。

0 25 50 75 89 79.8 73.0 77.5 56.2 66.3 GLM @high 78.7 69.7 44.9 61.8 77.5 DS0731 @high 68.5 62.9 70.8 64.0 60.7 Qwen @medium Steerable P* C* C* C* D* H*

每组均为单轮高强度推理运行(Qwen 为 medium)。运行记录与 Commit SHA

通过率 vs 单任务成本

形状代表模型(圆形 GLM、方形 DeepSeek、菱形 Qwen)。越靠左上越优。

$0.10 $0.25 $0.50 $1 $2 $5 45 55 65 75 80 每通过一题美元成本(对数刻度)· OpenRouter 公开价 TB 2.1 通过率 (n=1 / 89) P* · GLM 73.0% · $0.12 C* C* · GLM 77.5% · $0.23 P* · DS 69.7% · $0.28 Steerable · GLM 79.8% · $0.61 C* C* · DS 44.9% · $0.85 C* · GLM 56.2% · $1.06 C* C* · Qwen 70.8% · $1.68 Steerable · DS 78.7% · $2.18 C* · Qwen 64.0% · $2.60 P* · Qwen 62.9% · $2.87 Steerable · Qwen 68.5% · $4.12 C* · DS 61.8% · $4.42 D* H* · GLM 66.3% · $0.12 D* H* · DS 77.5% · $3.48 D* H* · Qwen 60.7% · $3.36 Steerable P* C* C* C* D* H* 圆 GLM · 方 DeepSeek · 菱 Qwen

按固定宿主机上 OpenRouter 公开价折算。计费公式

GLM-5.3-Flash @high (n=1):Steerable 79.8% · C* C* 77.5% · P* 73.0% · D* H* 66.3% · C* 56.2%。

不止看通过率——从部署形态、事件流、沙箱边界与模型质量层横向对比主流方案:

对比维度 Steerable OpenAI Codex DeepSeek Harness LangGraph OpenAI Agents SDK Claude Code / Agent SDK
定位与交付 5 层按需拆装:签名桌面 Sidecar + FastAPI 服务端 + 14 卡 React UI,一套协议打通 闭环编程产品家族(CLI / IDE / 云端),非可嵌入 UI/SDK 栈 TS 插件化底座(Cordis),偏 CLI / Web 宿主,无独立桌面 Sidecar 仅状态图编排库,无内置 UI、沙箱或端侧运行时 仅服务端轻量编排,无桌面 Sidecar 或前端 UI 闭源整包 CLI + SDK,无法拆层嵌入自有架构
便宜 / 本地小模型 原生容错:自动解析纯文本畸形调用 + 事实核查 + 完成否决(Flash 实测 79.0%) 默认模型稳定输出标准 tool_calls 默认模型输出标准 tool_calls 无内置恢复,需业务方自建循环与校验 面向旗舰前沿模型设计 面向 Claude 前沿模型设计
模型与厂商绑定 零绑定:OpenAI 兼容(Ollama/vLLM)/ Responses / Anthropic / Gemini 四协议切换 以 Responses 协议与 OpenAI 生态为核心 支持多模型(侧重 DeepSeek / 标准接口) 支持多模型(由业务代码接 SDK) 强绑定 OpenAI(跨厂商需借助 LiteLLM 适配) 仅支持 Anthropic 模型(经 8 个后端路由)
默认沙箱与出网 默认 Fail-closed:Seatbelt / bwrap / Windows + 61 条规则 + 按域名 CONNECT 白名单代理 平台沙箱 + 审批策略 + 托管网络代理 sandbox.confine(Fail-closed) 无内置沙箱(需自建 Docker / 云沙箱) 依赖 Docker 或托管沙箱(本地 Unix 无 Linux 隔离) CLI 默认 Fail-open(缺沙箱仅警告仍继续执行)
TS + Python 契约 单份 JSON Schema 生成 TS/Zod + Pydantic,15 包锁步发布 + 黄金一致性测试 生成 TS 类型,双语言各自维护 SDK TS 为主,Python SDK 通过 CLI/RPC 桥接 Py / JS 两套独立库,无单源跨语言 Schema Py / TS 两套独立库,无跨语言代码生成 仅发布 TS 类型定义(sdk-tools.d.ts)
取舍与现状 CoreLoop 引擎为闭源二进制包;生态仍处早期(0.12.x) 生产体量极大,但难以单独拆分其中一层嵌入 开源可自由扩展,仍处公开预发布(0.2.x) 生态最成熟,但循环护栏与界面全部自建 上手快,但缺乏端侧与跨层能力 能力完备,但全闭源且锁死 Anthropic 模型

详细差异与选型建议:查看完整对比。

谁在使用

生产桌面产品与企业部署。

深入探索

社区交流 · 微信 / 企业微信群

加入 Steerable 中文交流群

与核心维护者及一线接入团队直接交流协议集成、低价与本地模型调优,以及 Sidecar 部署经验。

  • 上手答疑:一键启动、沙箱边界与模型适配问题实时反馈
  • 架构实践:Tier 1 协议、React UI 卡片与自定义 Runtime 讨论
  • 版本同步:新版本动态、评测复现与路线图抢先了解
WECHAT GROUP
Steerable 中文交流群二维码

微信 / 企业微信扫码加入

手机端可长按二维码识别

开始使用 Steerable 免密钥打开在线演示,或阅读完整架构指南。