makecindy/cindy

TL;DR

Cindy 是一个开源的跨平台 AI Agent 客户端，旨在通过统一的界面整合 Claude Code、Codex 等外部 Harness 以及多种 LLM 模型。它允许用户在桌面和移动设备上无缝切换执行环境，实现从任务规划到并行执行的自动化工作流。

它解决什么问题

当前 AI 编程助手生态碎片化严重，开发者往往需要在不同 IDE、CLI 工具（如 Claude Code, Codex）和模型提供商之间反复切换。Cindy 试图解决的核心痛点是“上下文割裂”与“工具孤岛”。它不重新发明 LLM 推理引擎，而是作为一个 Orchestrator（编排层），将本地的真实文件、已登录的应用程序状态以及多个异构的 Agent Harness 连接起来，让用户在一个统一的 Workspace（工作区）中完成跨平台、跨模型的复杂任务。

核心做法

Cindy 采用 Monorepo 架构，客户端代码覆盖 Electron (Desktop) 和 Expo/React Native (Mobile)。其核心设计包括： 1. 多 Harness 抽象层：目前原生支持 Claude Code 和 Codex，未来计划推出 Native Harness。不同 Harness × Model 组合可以混合使用。 2. 状态连续性：Workspace、Memory（记忆）、Skills（技能）和 Tools 在不同 Harness 间保持连续。用户可以在一个任务中规划由 A Agent 执行，再由 B Agent 并行审查。 3. 设备互联：支持驱动浏览器、电脑和手机，并能从 IM 工具和日程表中获取上下文。 4. 灵活的身份与计费：支持 Cindy Cloud Account、自带 API Key 或本地模型。对于已付费的 Claude Code/Codex Coding Plan，可直接授权复用，避免重复计费。

作者

项目由 makecindy 组织维护。README 和 Metadata 中未提供该组织的详细背景或核心成员信息，仅表明其为一个专注于构建开源 AI Agent 客户端的团队。鉴于项目近期（2026年中）获得较高关注，推测其背后可能有成熟的工程团队支持。

社区反应

截至数据抓取时，项目拥有 4,854 Stars 和 663 Forks，显示出较高的社区关注度。然而，Open Issues 高达 1,915 个，这是一个值得警惕的信号。高 Issue 数量可能源于： - 项目处于快速迭代期，Bug 反馈集中； - “Skip Sign-In”等本地模式功能尚不成熟，导致大量配置类问题； - 社区对跨平台兼容性（特别是 Linux/Android）的讨论热烈。主语言为 TypeScript，生态符合现代前端/AI 客户端标准。MVP 阶段外部深度评测较少，主要依赖官方文档和 Issue 追踪。

怎么上手

环境要求： - Node.js 22.x (v18/v20 不支持) - pnpm 10.x (暂不支持 v11+) - Git LFS

最小复现步骤：

git clone https://github.com/makecindy/cindy.git
cd cindy
git lfs pull
pnpm install
# 启动桌面端（需配置 region，如 cn 或 global）
pnpm restart:desktop:remote --region=global

注意： 默认连接 Cindy 官方云服务。若需本地离线开发，需在登录界面选择 “Skip Sign-In”，但此时将失去 Server-backed 能力（如云同步、SkillHub）。Linux 用户需参考 docs/linux.md 进行额外配置。

争议与局限

后端闭源：README 明确指出，Backend Service（核心编排逻辑、记忆存储等）在独立仓库中，不包含在此 Monorepo 内。这意味着用户无法完全自托管 Cindy 的核心智能层，仅能修改客户端 UI/交互逻辑。这与“Open Source AI Agent”的宣传存在一定张力。
依赖官方服务：即使使用本地模型，客户端默认仍连接 Cindy 云端进行认证和心跳检测。完全断网或私有化部署支持有限（需自行剥离 TapDB 等遥测代码）。
成熟度风险：1900+ Issues 暗示稳定性尚待验证，特别是跨设备同步和多 Harness 切换的边界情况。
推断：由于缺乏本地独立运行的完整后端，其“隐私”承诺依赖于对 Cindy Cloud 的信任，尽管 README 声称不上传聊天内容。