编程 Peri 深度拆解：一个 14MB 的 Rust 编程智能体如何「复刻」Claude Code——从 ACP 协议到 99% AI 生成代码的工程哲学

2026-08-03 18:12:06 +0800 CST views 10

Peri 深度拆解：一个 14MB 的 Rust 编程智能体如何「复刻」Claude Code——从 ACP 协议到 99% AI 生成代码的工程哲学

当 Claude Code 统治了 AI 编程工具的叙事，一个中国开发者用 Rust 从零重写了整个 Agent 核心，编译产物只有 14MB，内存占用 50MB，却能无缝兼容 Claude Code 的全部生态——Skills、Hooks、MCP、插件。这不是一个「平替」，这是一个关于「极简工程哲学」的完整实验。

一、背景：为什么我们需要另一个编程 Agent？

2026 年的 AI 编程工具赛道，已经卷到了令人窒息的程度。

Claude Code 凭借终端原生的 Agentic IDE 定义了「沉浸式 Vibe Coding」的范式，但它的硬伤同样明显：绑定 Anthropic 模型、Node.js 运行时开销大、无法在 CI/CD 管道中无头运行、对国产模型的支持几乎为零。

与此同时，开发者社区中弥漫着一种声音：我们想要的是 Agent 的能力，而不是 Agent 的锁定。

正是在这个缝隙中，Peri（全名 Perihelion）出现了。它由开发者 KonghaYao 用 Rust 从零构建，核心理念极其清晰：

一个二进制文件，14MB，macOS / Linux / Windows 三平台通吃
任何 LLM，Anthropic、DeepSeek、GLM、Qwen，甚至本地模型，随时切换
100% 兼容 Claude Code 的生态，Skills、Hooks、MCP、插件直接迁移
ACP 协议驱动，同一个 Agent 核心可以服务终端、IDE、CI/CD 三种前端

更令人震撼的是：Peri 的代码 99% 由 AI 生成，主要由 DeepSeek 和 GLM-5.2 驱动。这是一个 AI 造 AI、Agent 造 Agent 的闭环实验。

二、核心架构：一个 Agent，三套前端

2.1 ACP 协议：Agent 世界的 LSP

Peri 的架构核心是 Agent Client Protocol（ACP）——一个标准化 Agent 与编辑器/IDE 之间通信的开放协议，类似于 LSP（Language Server Protocol）对语言服务的标准化。

ACP 解决了一个长期存在的痛点：每个 Agent 都要为每个 IDE 写一套集成代码，每个 IDE 也要为每个 Agent 写适配层。ACP 通过 JSON-RPC over stdio（本地）或 HTTP/WebSocket（远程）定义了统一的通信契约，让 Agent 和 IDE 可以独立演进。

graph TD
    TUI["peri-tui<br/>终端 (ratatui-kit)"]
    IDE["Zed / JetBrains<br/>IDE (ACP client)"]
    STDIO["Stdio<br/>Headless / CI / Cloud"]
    
    TUI -->|MpscTransport| ACP
    IDE -->|ACP Stdio| ACP
    STDIO -->|ACP Stdio| ACP
    
    ACP["peri-acp — ACP Server<br/>session · executor · prompt · commands"]
    
    ACP --> AGENT["peri-agent<br/>ReAct loop · LLM adapter · tools · SQLite storage"]
    ACP --> MW["peri-middlewares<br/>20 中间件: FS · HITL · SubAgent · Skills · MCP"]
    
    AGENT -.->|telemetry| LF["langfuse-client"]
    MW -.->|渲染| WIDGETS["peri-widgets<br/>Markdown · code blocks · tables"]

一个核心，三套前端，这意味着：

终端用户通过 peri-tui（基于 ratatui-kit 的 React 风格 TUI）获得交互体验
IDE 用户（Zed 已支持，更多 IDE 接入中）通过 ACP 客户端无缝连接
无头场景（CI/CD、云部署）通过 Stdio 传输直接驱动 Agent

改一次 Agent 逻辑，所有前端同时受益。这就是协议标准化的力量。

2.2 Crate 拓扑：Rust Workspace 的分层哲学

Peri 的代码库被拆分为 15+ 个 Rust crate，每个 crate 职责单一：

peri-tui → peri-acp → peri-agent
                        ├── peri-middlewares
                        ├── peri-widgets
                        ├── peri-lsp
                        ├── langfuse-client
                        ├── peri-web-pty
                        └── peri-workflow

peri-tui：终端 UI 层，基于 ratatui-kit（一个由同一作者开发的 React 风格终端组件框架），支持组件、Hooks、状态原子、路由、element! 宏
peri-acp：ACP 协议实现，管理会话（session）、提示词（prompt）、事件链（event）、能力协商（caps）、Langfuse 集成
peri-agent：Agent 核心，实现 ReAct 循环（Reasoning + Acting）、LLM 适配器、工具执行、SQLite 状态存储、自动 Compact（上下文压缩）
peri-middlewares：20 个中间件，包括文件系统操作（FS）、人机交互（HITL）、子代理（SubAgent）、Skills 加载、MCP 集成、Hooks、自动 Compact、Goal 跟踪、Workflow 编排
peri-workflow：多 Agent 流水线引擎，支持 Pipeline、并行、顺序三种模式
peri-web-pty：浏览器终端，一条命令即可启动，基于 xterm.js + split panes

这种分层确保了每个模块可以独立测试、独立演进，同时通过 ACP 协议保持松耦合。

三、七大子代理：从「单兵作战」到「团队协作」

Peri 最具野心的设计之一是其 7 个子代理系统，每个子代理都有专门的职责：

子代理	职责	典型场景
coder	核心编码	编写、修改、重构代码
explorer	代码探索	理解大型代码库、查找依赖
plan	规划拆解	将复杂任务分解为子任务
code-reviewer	代码审查	审查代码质量、发现潜在问题
web-researcher	网络调研	搜索文档、查阅 API、查找最佳实践
verification	验证测试	运行测试、检查编译、验证变更
general-purpose	通用任务	处理不属于以上类别的任务

关键在于 Fork 模式：当主 Agent 需要深入探索某个子问题时，Fork 会克隆当前上下文到子代理，子代理在后台独立运行，完成后将结果合并回主流程。这就像一个团队中，leader 把任务分配给专家，专家独立完成后提交报告。

// 伪代码：Fork 模式的工作流
let forked_context = agent.fork(current_context.clone());
tokio::spawn(async move {
    let result = coder_agent.run(forked_context, subtask).await;
    main_agent.merge_result(result).await;
});

3.1 Ultracode Workflow：动态工作流引擎

除了子代理，Peri 还引入了 Ultracode Workflow 概念——将一个任务拆分为 N 个代理，合并结果。工作流模式包括：

Pipeline（流水线）：A → B → C，前一个代理的输出是后一个的输入
Parallel（并行）：同时运行多个代理，最后合并结果
Sequential（顺序）：按序执行，但每个代理有独立的上下文窗口

一条命令即可触发整个工作流，无需手动编排。

3.2 Goal Tracking：跨回合的目标持久化

Peri 的另一个独特设计是 Goal Tracking。传统的 Agent 每次对话都是独立的，而 Peri 允许你声明一个「目标」，Agent 会在多个回合中持续推进，直到目标达成。

> peri --goal "重构 auth 模块，支持 OAuth2 + JWT 双模式"

Agent 会自动拆解目标、规划子任务、执行代码变更、运行测试、验证结果，全程无需人工干预。这本质上是把 Agent 从「问答助手」升级为「自主执行者」。

四、性能工程：Rust 的极致压缩

4.1 为什么选 Rust？

Peri 选择 Rust 不是跟风，而是基于三个精确的工程决策：

二进制体积：14MB vs Claude Code 的 Node.js 运行时（数百 MB）。在 CI/CD 管道中，这意味着下载时间从分钟级降到秒级
内存占用：~50MB RSS vs Node.js Agent 的 200-500MB。在边缘计算场景中，这个差距是决定性的
冷启动：Rust 二进制几乎瞬时启动，不需要加载 JavaScript 引擎、解析模块、初始化 V8

4.2 95-99% 缓存命中率

Peri 的缓存策略极其激进：

Frozen System Prompt：系统提示词在首次计算后被「冻结」，后续回合直接复用，不重新计算
Deferred Tool Search：12 个核心工具始终可见，其余工具按需加载。这大幅减少了每次 API 调用的 token 消耗
Auto Compact：长时间会话自动压缩上下文。在 70% 预算时触发微压缩，85% 时触发全量压缩

Token 消耗 = System Prompt（冻结，0 额外计算） 
           + 工具定义（12 核心 + N 按需）
           + 历史上下文（自动 Compact 保持精简）
           + 当前用户输入

4.3 SQLite 存储引擎

Peri 使用 SQLite 作为状态存储，而非文件系统。这带来了：

事务性：Agent 的每一步操作都可以回滚
FTS5 全文搜索：支持对历史对话进行语义搜索
跨会话持久化：Goal、上下文、工具调用记录都持久化到数据库

五、99% AI 生成：Agent 造 Agent 的闭环

Peri 的代码仓库中有一个引人注目的事实：99% 的代码由 AI 生成，主要由 DeepSeek 和 GLM-5.2 驱动。

这不是营销噱头，而是一个完整的工程闭环：

你发现...	Agent 触发的闭环
Bug 或技术债务	auto-issue-fixer → systematic-debugging → writing-plans → subagent-driven-development → auto-issue-fixer（归档）→ 更新 CLAUDE.md
需要新功能	grill-me → writing-plans → subagent-driven-development
代码质量下降	slop-cleaner → improve-codebase-architecture → writing-plans → subagent-driven-development

每个修复过程中发现的非显而易见的约束，都会被写回 CLAUDE.md 作为 TRAP——一个 Agent 在后续迭代中必须遵守的硬规则。仓库中的数十个 TRAP 不是人类写的，而是在每个 Bug 现场由 Agent 提取的。

这就是质量如何在没有人类代码审查的情况下复合增长。

<!-- CLAUDE.md 中的 TRAP 示例 -->
## TRAP: ACP 序列化边界
修改 ACP 边界、frozen prompt、事件链、工具可见性或序列化前，
必须先读 `docs/standards/architecture-contracts.md`。
根文件不复制规则正文——信息以契约测试为准。

六、生态兼容：零迁移的平滑过渡

6.1 Claude Code 配置直接复用

Peri 的兼容性不是「部分兼容」，而是「指过去就能用」：

# 你的 Claude Code 配置
~/.claude/
├── settings.json      # 直接复用
├── hooks/             # 直接复用
└── skills/            # 直接复用

# Peri 读取同一套配置
peri  # 启动后自动识别

Skills、Hooks、MCP 配置、插件——全部零迁移。

6.2 多模型支持

Peri 支持主流 LLM 提供商，且支持在会话中动态切换：

提供商	模型	适用场景
Anthropic	Claude Sonnet/Opus	复杂推理、长上下文
DeepSeek	DeepSeek-V3	中文场景、性价比
智谱	GLM-5.2	国产生态、API 友好
阿里云	Qwen	多模态、中文理解
本地模型	通过 Ollama 等	隐私敏感、离线场景

6.3 多渠道接入

Peri 不仅是终端工具，还支持多渠道消息接入：

终端 TUI：主战场，Streaming Markdown 渲染
Web Terminal：peri web 一条命令启动浏览器终端
WeChat / Slack / 飞书：回复在消息线程中，终端保持同步
LSP 集成：代码智能感知开箱即用
Langfuse：每次 Agent 交互的完整追踪

七、实战：从安装到深度使用

7.1 快速安装

# macOS / Linux
curl -fsSL https://raw.githubusercontent.com/konghayao/peri/main/scripts/install.sh | bash

# Windows PowerShell
irm https://raw.githubusercontent.com/konghayao/peri/main/scripts/install.ps1 | iex

# 启动
peri

首次启动会引导配置模型和 API Key，无需手动编辑配置文件。

7.2 Skill 管理

# 安装 Skill
agm install <skill-name>

# Peri 支持所有 Claude Code 格式的 Skill
# 一个 lockfile 确保可复现性

7.3 Workflow 示例

# 启动一个 Goal 驱动的多代理工作流
peri --goal "为项目添加完整的 CI/CD 管道，包含 lint、test、build、deploy 四个阶段"

# Agent 会自动：
# 1. 探索项目结构（explorer）
# 2. 规划 CI/CD 流程（plan）
# 3. 编写配置文件（coder）
# 4. 审查配置（code-reviewer）
# 5. 验证运行（verification）
# 6. 合并结果（general-purpose）

八、与竞品的定位差异

维度	Claude Code	Cursor	Windsurf	Peri
语言	Node.js/TypeScript	Electron	Electron	Rust
二进制体积	~200MB+	~150MB	~150MB	14MB
内存占用	200-500MB	300-600MB	200-400MB	~50MB
模型绑定	Anthropic only	多模型	多模型	Any LLM
协议	专有	专有	专有	ACP 开放协议
子代理	单代理	无	无	7 子代理 + Fork
AI 生成比例	低	低	低	99%
无头运行	可以	不可以	不可以	原生支持

九、技术哲学：极简主义的胜利

Peri 的工程哲学可以总结为一句话：用最少的资源，做最多的事。

这种极简主义体现在三个层面：

9.1 二进制层面

14MB 的二进制意味着什么？在 Docker 容器中，Peri 可以作为 sidecar 注入，几乎不增加镜像体积。在边缘设备上，它可以在资源受限的环境中运行。在 CI/CD 管道中，下载和启动几乎是瞬时的。

9.2 Token 层面

95-99% 的缓存命中率意味着：你为 Agent 付费的每一分钱，都在真正执行任务，而不是在重复计算已经冻结的系统提示词。Deferred Tool Search 进一步确保了只有必要的工具定义被发送给 LLM。

9.3 工程层面

99% 的 AI 生成代码意味着：开发速度不再受限于人类程序员的输入速度。Agent 在发现 Bug 时自动修复、自动归档、自动更新规则——这是一种全新的软件工程范式。

十、总结与展望

Peri 不是一个「Claude Code 的克隆」，而是一个关于「Agent 应该如何存在」的完整回答。

它回答了三个核心问题：

Agent 应该多快？ → Rust 二进制，14MB，50MB 内存，瞬时启动
Agent 应该多开放？ → ACP 开放协议，任何 LLM，零锁定
Agent 应该多智能？ → 7 子代理 + Fork + Goal Tracking + 动态工作流

更重要的是，它证明了一件事：AI 可以自己造 AI。99% 的代码由 AI 生成，质量通过 TRAP 机制在每次迭代中复合增长。这不是未来——这已经在发生。

对于开发者而言，Peri 提供了一个前所未有的选择：一个真正属于社区、属于开源、属于「任何人」的编程 Agent。

参考链接：

GitHub: https://github.com/KonghaYao/peri
ACP 协议: https://agentclientprotocol.com
ratatui-kit: https://github.com/KonghaYao/ratatui-kit
Langfuse: https://langfuse.com