Открытые AI-ассистенты для кода делятся на три группы: инструменты, которые работают внутри редактора, агенты в терминале и автономные агенты, выполняющие задачи почти без участия человека. Выбор зависит от того, где вы пишете код, насколько контролируете каждый шаг и как считаете расходы на токены.

Критерии сравнения

Перед выбором полезно определить несколько параметров:

  • Среда работы: редактор, терминал или отдельный агент.
  • Степень автономности: подтверждает ли инструмент каждое действие или выполняет задачу целиком.
  • Контроль расходов: видно ли, сколько токенов и денег уходит на задачу.
  • Переиспользование: можно ли подключать внешние навыки и серверы MCP.
  • Лицензия: все перечисленные ниже проекты распространяются по открытым лицензиям, но условия различаются. Например, у serena лицензия не указана в данных каталога, поэтому её стоит проверить перед внедрением.

Агенты в терминале

qwen-code

qwen-code — открытый AI-агент для программирования, который работает прямо в терминале. Лицензия Apache-2.0. Подходит тем, кто не хочет привязываться к конкретному редактору и предпочитает работать в командной строке.

Сильные стороны: независимость от IDE, понятная лицензия, большой интерес сообщества (около 28,5 тыс. звёзд на GitHub). Компромисс: работа через терминал требует привычки и не даёт визуального контекста редактора.

DeepSeek-Reasonix

DeepSeek-Reasonix описан как надёжный агент для сложных задач разработки. Лицензия MIT, около 35,8 тыс. звёзд. Ориентирован на многошаговые инженерные задачи, где важна устойчивость результата.

Компромисс: описание проекта краткое, поэтому перед использованием на больших кодовых базах стоит проверить его возможности на своих задачах.

Archon

Archon позиционируется как первый открытый конструктор «обвязок» (harness) для AI-программирования, цель которого — сделать процесс детерминированным и повторяемым. Лицензия MIT, около 23,7 тыс. звёзд. Подходит командам, которым нужны одинаковые шаги при каждом запуске агента, а не свободная импровизация модели.

Ассистенты в редакторе

oh-my-pi

oh-my-pi — агент для программирования с встроенной средой разработки, по данным каталога, разработан Stencil Labs. Лицензия MIT, около 35,6 тыс. звёзд. Вариант для тех, кто хочет, чтобы агент и IDE работали как единое целое.

Компромисс: интеграция с IDE означает привязку к её модели работы. Если команда использует несколько редакторов, это ограничение стоит учесть.

Инструменты-помощники и каталоги навыков

Не все нужные вещи — это агенты. Несколько продуктов дополняют любой из перечисленных выше вариантов.

  • rtk — CLI-прокси, который сокращает потребление токенов LLM на 60–90% на типичных командах разработки. Написан на Rust, распространяется как один бинарный файл без зависимостей, лицензия Apache-2.0. Полезен, если расходы на токены становятся заметными.
  • codeburn — локальный инструмент учёта расходов на токены и стоимости AI-программирования в 37 инструментах и агентах, с разбивкой по моделям, проектам и задачам. Лицензия MIT. Можно запустить через npx.
  • agentic-awesome-skills — локальная платформа для поиска и планирования навыков агентов с каталогом из 2600+ навыков, включая CLI, локальный MCP-сервер и плагины. Лицензия MIT, около 47,7 тыс. звёзд.
  • serena — MCP-набор инструментов для кода с семантическим поиском и редактированием. Относится к категории MCP-серверов, которые можно подключить к совместимым агентам.

Больше открытых навыков и серверов MCP доступно в разделах агентных навыков и MCP-серверов, а инструменты разработчика собраны в разделе developer tools.

Кому что подойдёт

  • Если вы работаете в терминале и цените независимость от редактора, начните с qwen-code или DeepSeek-Reasonix.
  • Если нужна повторяемость процесса для команды, посмотрите Archon.
  • Если хотите, чтобы агент был встроен в среду разработки, рассмотрите oh-my-pi и проверьте его совместимость с вашей IDE.
  • Если главная проблема — стоимость токенов, добавьте rtk и codeburn независимо от выбранного агента.
  • Если нужны готовые инструменты и навыки для агента, обратитесь к agentic-awesome-skills и serena.

Рекомендация: сначала определите, какой уровень автономности вам нужен и где вы проводите большую часть времени. Затем протестируйте два-три инструмента на небольшой реальной задаче, сравнив результат и расходы. Так решение будет основано на вашем коде, а не только на описании.