用 goose 跨多个智能体编排复杂工作流

很多人一次只给智能体一个任务——“做这个,现在做那个,现在做下一件”。这能用,但很慢。很多人也希望智能体同时做很多事:边写代码边研究,边测试边审阅,边重构边写文档。
这就是编排给你的东西。你不必一次喂给 goose 一个任务然后等待,而可以让它协调多个并行工作的智能体——每个专注拼图的一块,由 goose 让一切保持在轨道上。

很多人一次只给智能体一个任务——“做这个,现在做那个,现在做下一件”。这能用,但很慢。很多人也希望智能体同时做很多事:边写代码边研究,边测试边审阅,边重构边写文档。
这就是编排给你的东西。你不必一次喂给 goose 一个任务然后等待,而可以让它协调多个并行工作的智能体——每个专注拼图的一块,由 goose 让一切保持在轨道上。

大多数 AI 智能体住在终端里。它们能读文件、跑命令、写代码——但如果你让它们在网页应用里点一个按钮或填一张表单,它们就卡住了。它们看不见屏幕上有什么,当然也不能与之交互。
在 v1.26,goose 冲出了终端。Computer Controller 扩展用 Peekaboo 从头重建。Peekaboo 是一个用于屏幕捕获和 GUI 自动化的 macOS CLI 工具。这给了 goose 桌面上的眼睛和手——它能看见带标注的截图,识别 UI 元素,点击按钮,输入文字,滚动,拖拽,并在 Mac 上的任何应用里导航菜单。

你现在可以直接在自己的机器上用 goose 运行本地模型。没有 Ollama,没有 Docker,没有外部服务器——完全在 goose 内部。我们发布了由 llama.cpp 驱动的内置本地推理,今天已经可以在桌面应用里使用。
这是使用 goose 的完全免费、零依赖路径。你的代码永远不会离开你的机器,没有要管理的 API 密钥,而且可以离线工作。下面是这种体验长什么样、该选哪些模型,以及粗糙之处还在哪里。

作为开发者,找到能无缝配合的合适工具,感觉就像发现了一种超能力。而当你已经有一套能用的流程时,有时很难去尝试新工具。
有了 MCP,像 goose 这样的 AI 智能体能够接入我现有的工具,我的工作流唯一的变化就是随之而来、非常受欢迎的自动化。我仍然做同样的事,但有了 AI 的支持,我现在可以做得更快、更有信心。
今天,我很高兴分享的不只是我最喜欢的 MCP 服务器,而是我几乎每天真正在用的那些,以及你大概也能对上号的真实应用。

想象只靠大声描述你想要什么来创建一个应用,就像在和朋友说话。这就是 vibe coding 的魔力:在 AI 智能体的帮助下,把自然语言变成能运行的代码。打字输入提示能完成工作,但说出来感觉完全不同 🔥 新的 Speech MCP 服务器简直是走进了聊天。

我们非常高兴地宣布 codename goose:一个跑在你机器上的开源 AI 智能体,用来自动化你的任务。
它由你选择的大语言模型(LLM)、易用的桌面界面和 CLI,以及能与你现有工具和应用集成的扩展驱动。goose 旨在增强你的生产力和工作流。
我们很高兴分享即将随 goose v1.0 Beta 到来的新更新预览!
这次重大更新带来一批新功能和改进,让 goose 更强大,也更好用。下面是一些关键亮点。