Dulus

Dulus，一个约 12K 行 Python 代码构建的开源命令行 AI 代理，正以前所未有的方式重塑我们与人工智能的交互体验。它不仅支持 Claude、GPT、Gemini、DeepSeek、Kimi、Qwen 等超过 40 种主流模型，更令人惊叹的是，它能够直接捕获浏览器网页版 AI 的用户会话，将其转化为一个功能强大的工具调用代理。这个代理集成了文件读写、代码编辑、Bash 执行、Web 搜索等 27 种实用工具，为开发者和 AI 爱好者带来了极大的便利。

Dulus 究竟是什么？

Dulus 是一个高度集成的开源 CLI AI Agent，其核心代码量约 12K 行 Python。它拥抱了广泛的模型生态，从 Anthropic 的 Claude 到 OpenAI 的 GPT，再到 Google 的 Gemini、DeepSeek、Kimi、Qwen 等，几乎涵盖了当前所有主流的 AI 模型。其最独特的功能在于能够直接“劫持”用户在浏览器中与网页版 AI 的会话，并将其转化为一个拥有强大工具调用能力的本地代理。这个代理支持文件读写、代码编辑、Bash 命令执行、网络搜索等 27 种核心工具。此外，Dulus 还具备 MCP、插件热加载、子代理、离线语音交互、持久化记忆与自动快照等高级特性，并提供了 PyQt6 GUI、WebChat 和 Telegram 等多种用户友好的交互入口。

Dulus 的核心能力概览

• 无缝网页会话捕获：Dulus 能够自动拦截 Gemini、Claude.ai、Kimi.com、DeepSeek 等浏览器标签页中的 AI 对话，将其转化为本地代理，赋予防问和调用工具的能力，且无需任何 API 密钥。
• 丰富的工具箱：内置了高达 27 种工具，包括但不限于 Read（读文件）、Write（写文件）、Edit（编辑文件）、Bash（执行 Shell 命令）、Glob（文件匹配）、Grep（文本搜索）、WebFetch（获取网页内容）、WebSearch（网络搜索）、NotebookEdit（Jupyter Notebook 编辑）、GetDiagnostics（获取诊断信息）、Memory（记忆管理）、Tasks（任务管理）、Agents（子代理管理）、Skills（技能管理）等，覆盖了开发和日常工作的方方面面。
• 模型切换：支持 Anthropic、OpenAI、Google、DeepSeek、Kimi、Qwen、Zhipu、MiniMax、Ollama、LM Studio 以及自定义端点等众多模型提供商。在会话过程中，用户可以通过输入 /model 命令实时切换所使用的模型，实现灵活的模型选择。
• 强大的插件与 MCP 生态：通过放置 .mcp.json 文件即可轻松注册任意 MCP 服务器，扩展 Dulus 的功能。Auto-Adapter 技术允许用户以零配置的方式将任意 Python 代码仓库加载为插件，极大地丰富了 Dulus 的可扩展性。
• 智能子代理与任务协作：Dulus 支持在的 Git Worktree 中生成 coder、reviewer、researcher 等多种类型的子代理。这些子代理能够通过消息传递进行高效协作，同时 Dulus 还内置了直观的任务看板，方便管理和追踪项目进展。
• 离线语音与个性化唤醒：基于 Whisper-cpp 实现的离线语音输入和 Kokoro TTS 实现的语音输出，让 Dulus 具备了完全离线运行的能力。用户还可以自定义离线唤醒词，例如“嘿 Dulus”，实现更自然的交互方式。
• 持久化记忆与智能快照：Dulus 拥有双范围记忆（用户级和项目级），并根据置信度和最近度进行排序，确保关键信息不会丢失。每轮对话结束后，Dulus 会自动创建 Checkpoints，支持用户一键回滚对话和文件状态，极大地提高了开发效率和数据安全性。
• 多模态交互界面：Dulus 提供了 REPL 终端、Flask WebChat（支持局域网访问）、PyQt6 原生桌面 GUI 和 Telegram Bot 四种交互方式，用户可以根据自己的使用场景选择最便捷的交互界面。
• 开发者增强模式：SSJ Mode 为开发者提供了原始 Token 计数、流延迟计时、工具调用检查器、Prompt 注入查看器等一系列强大的调试工具，帮助开发者更深入地理解和优化 Agent 的行为。

如何轻松上手 Dulus？

• 安装简便：只需在终端执行 pip install dulus 命令，或者通过 curl -fsSL https://raw.githubusercontent.com/KevRojo/Dulus/main/install.sh | bash 进行一键安装。
• 灵活配置密钥：用户可以设置任意模型提供商的环境变量，例如 export ANTHROPIC_API_KEY=sk-ant-...。或者，为了实现真正的零密钥使用，可以直接跳过此步骤，利用 Ollama 本地模型或浏览器劫持模式进行操作。
• 启动交互体验：在终端输入 dulus 命令即可进入 REPL 交互模式。用户可以通过 /model nvidia-web/deepseek-r1 或 /model ollama/qwen2.5-coder 等命令选择心仪的模型。
• 开启零密钥模式：首次启动时，按照向导提示打开 Gemini 的浏览器访客页面，Dulus 将会自动捕获该会话，用户无需 API Key 即可立即开始体验强大的工具调用功能。
• 执行复杂任务：只需用自然语言描述你的需求，例如“重构认证模块”（“refactor the auth module”），Dulus Agent 将会自动完成文件的读取、代码的编辑、测试的运行以及结果的提交等一系列操作。
• 无限扩展能力：通过 /plugin install 仓库名@URL 命令，用户可以轻松热加载任意 Python 工具库，成为 Dulus 的插件。或者使用 /mcp 命令注册外部 MCP 服务器，进一步扩展 Dulus 的功能边界。

Dulus 的独特竞争优势

• 真正意义上的零成本启动：Dulus 彻底打破了使用 AI Agent 的成本门槛。无需 API Key、信用卡或复杂的登录流程，仅需 30 秒，通过浏览器访客模式即可获得一个功能齐全的工具调用 Agent，让 AI 的普惠性达到极致。
• 模型中立与实时切换的：Dulus 不依赖于任何单一的模型提供商。在一个会话中，用户可以通过 /model 命令在 Claude、DeepSeek、Kimi 等模型之间无缝切换。同时，它还支持智能的自动降级链，确保在复杂场景下也能获得最佳的性能。
• 即插即用的生态扩展能力：Auto-Adapter 技术让任何 Python 仓库都能瞬间转化为 Dulus 的插件。结合 MCP 和 Composio 提供的超过 800 种技能，Dulus 的生态扩展不再受限于官方的适配速度，用户可以根据自己的需求随时随地进行定制。
• 全链路离线运行的可靠性：Dulus 支持语音输入输出、唤醒词识别、OCR 文字识别以及 Ollama 本地模型运行，这意味着它可以在完全断网的环境下工作。这对于需要高度安全性和隐私保护的网络环境（如、或企业内网）来说，具有不可替代的价值。
• 多界面统一核心的便捷性：无论用户选择终端、Web 界面、桌面 GUI 还是 Telegram Bot，Dulus 都共享同一套 Agent 核心和记忆状态。这意味着用户可以根据不同的使用场景，在这些界面之间切换，而不会丢失任何信息或上下文。

Dulus 的项目链接

• 项目官网：https://dulus.ai/
• GitHub 仓库：https://github.com/KevRojo/Dulus

Dulus 与同类竞品对比分析

Dulus 的典型应用场景

• 个性化编码助手：Dulus 能够取代传统的 IDE 插件，通过自然语言指令直接驱动代码的编写、重构、测试和版本控制，并支持多模型协作进行代码审查，极大地提升了开发效率。
• 零成本 AI 探索：对于学生和 AI 初学者而言，Dulus 提供的 Gemini 访客模式让他们能够免费体验前沿模型强大的工具调用能力，无需支付高昂的 API 费用，降低了 AI 技术的入门门槛。
• 离线/保密环境的自动化解决方案：在对数据安全性和隐私有极高要求的环境中，Dulus 可以基于 Ollama 本地模型和离线语音功能，构建完全私有化的 Agent 工作流，满足特定行业的需求。
• Telegram 远程运维：通过 Telegram 机器人，用户可以远程向家中或服务器上的 Dulus 发送指令，执行文件管理、日志排查等操作，实现便捷的远程运维。
• 多 Agent 协同研发模式：Dulus 的子代理功能允许将代码编写、审查、测试等任务分配给不同的 Agent 并行处理，这对于大型项目的分布式开发至关重要，能够显著加快开发进程。