第4章 驻留在终端中的智能体 Ante

驻留在终端中的智能体

Ante 是一个独立、自组织的终端编码智能体。由 Antigma Labs 开发，其分发版本仅为约 15 MB 的压缩包，解压后即为单个 Rust 可执行文件，零外部运行时依赖，旨在充分释放各类模型的潜力。

其工作方式类似于 Claude Code 或 Codex，但摒弃了繁琐的依赖和模型限制。它还可作为核心引擎，用于构建自定义 Harness 底座和高性能助手。

持续公开评测

在 Terminal-Bench 2.1 基准测试中，同模型智能体排名第一：在测试的所有模型中，没有其他 Harness 能在相同模型下超越 Ante。每个评测结果均对应可下载的特定发行版本，并附带公开的原始 Harbor 运行记录。实时看板位于 antigma.ai/eval。

极低的资源占用 在相同的 20 个并行任务负载中，Ante 相比 Claude Code，峰值内存占用降低约 7 倍，平均 CPU 占用降低约 9 倍，磁盘 I/O 减少约 5 倍。

原生支持离线与本地模型 内置推理引擎，原生支持本地运行 GGUF 模型。无需 API 密钥，无需注册账号，所有模型调用均在本地机器完成。

核心设计理念

上述特性归结为一个核心理念：打造可验证、经济实惠且随处可用的智能体，轻量到能成千上万并发运行，成为自组织智能的基础底座。

详见设计哲学。

核心亮点

零供应商锁定 支持自带 API 密钥（BYOK）、订阅或本地模型。可在 Anthropic、OpenAI、Gemini、Grok、Open Router 等 12 家以上提供商间自由切换。无需注册账号，不以遥测（Telemetry）作为使用门槛，无封闭生态。甚至包括我们自己的平台。

多智能体协同编排 协调多个智能体，针对复杂任务进行自组织协作。

可扩展 支持自定义 Skills、Sub-agents、MCP 以及跨会话持久化记忆（Memory）。

追求极简与高品质 在充满复杂度的生态中，保持极简、高品质与高信任度比以往任何时候都更有价值。

工作原理

Ante 采用客户端-守护进程（Client-Daemon）架构。守护进程管理结构化的 Turn 生命周期——包括提示词、工具调用、确认授权、执行控制——驱动模型在安全、可预测的闭环中工作。客户端可以是交互式 TUI、无头 CLI、外部进程，或通过 ante gateway 接入的消息渠道机器人。

在架构层面，Ante 正在迈向以智能体为中心的运行时（Agent-Centric Runtime）：长寿命智能体通过消息传递进行协同，采用分层监管、状态隔离和资源所有权明确的 Actor 模型。

Ante 还可以作为长寿命服务器运行（ante serve），外部客户端通过结构化的 JSONL 协议与其通信——非常适合构建编辑器插件、Web UI 和自定义集成。

> 注意：Ante 目前处于 Preview 预览阶段，正在积极开发中。部分功能和配置可能会发生变化。目前仅支持 macOS 和 Linux。

下一步

* 快速入门：在一分钟内安装 Ante 并运行第一个提示词任务。 * 基准评测：了解评测方法以及 Terminal-Bench 的实时表现。 * 设计哲学：Ante 背后的产品与工程设计原则。 * 交互式 TUI：学习使用功能丰富的终端交互界面。 * 本地模型：原生运行本地模型，从单个提供商到完全自包含。 * 服务模式：通过 stdio、Unix 套接字或 WebSocket 以编程方式驱动 Ante。 * 网关模式：将 Ante 作为 Slack 或 Discord 机器人运行。 * 常用工作流技巧：TUI 交互中的常见指南。 * 模型提供商：选择并配置模型提供商。 * 核心概念：深入了解会话、任务、轮次与协议机制。 * 智能体组织：Ante 如何针对复杂任务自组织协调多个智能体。 * Antix 企业级网关：借助 Antigma 的企业级 LLM 代理与身份网关扩展 AI 能力。