开源项目

2026 年 3 月，亚马逊宣布收购机器人初创公司 Fauna Robotics。这一举动在业界引起了广泛关注。Fauna Robotics 虽然年轻，但其理念清晰：让机器人在人类日常环境中变得有用、安全且令人愉悦。这一愿景直指当前机器人领域最艰巨的挑战之一——如何让机器在人们生活、学习和工作的空间中稳定运行。 对亚马逊而言，此次收购具有重要的战略意义。该公司在仓储自动化和大规模机器人部署方面已积累了十年以上的深厚经验，其运营网络中部署的机器人数量已超过百万。然而，亚马逊尚未完全攻克的下一个前沿领域，是能无缝融入家庭等人类中心环境的机器人。Fauna Robotics 恰好为亚马逊带来了专注此领域的年轻团队、一个人形机器人平台以及一套围绕快速真实世界部署的开发哲学。 本文将深入探讨 Fauna Robotics 的发展历程、核心产品、技术优势，并分析其技术和人才将如何为亚马逊带来决定性的竞争优势。 Fauna Robotics 简介 Fauna Robotics 是一家新兴的美国机器人公司，由前 Meta 和 Google 的工程师创立。在被亚马逊收购前，这家初创公司仅运营了约两年时间，却已迅速确立了明确的使命和产品战略。 自成立之初，Fauna 就致力于构建一个开发者友好且高度实用的机器人愿景。其目标是创造一个“机器人能像人一样在任何地方运作”的世界。公司专注于开发能够走出实验室，进入家庭、教室和其他普通人类空间的实用系统。 Fauna 强调，未来的机器人应兼具“实用性”（Usefulness）和“愉悦感”（Delightfulness）。这是一个独特而重要的组合： 实用性：指向机器人的可靠性、任务执行能力和可衡量的价值。 愉悦感：指向机器人的社会接受度、交互舒适度以及减少人机摩擦的工业设计。 在消费级和人形机器人领域，这种平衡至关重要。一个机器人即使技术再先进，如果无法让人们乐于接纳，也终将失败。此外，Fauna 强调其产品在美国本土设计和组装，这不仅体现了对产品质量和迭代速度的把控，也意在建立用户对工程质量和安全性的信任。 核心产品：Sprout 开发者平台 Fauna Robotics 认为，当前的机器人开发过程过于困难、碎片化和缓慢。开发团队常常需要花费大量时间重复构建基础模块，而无法专注于应用创新。传感器集成、运动控制、安全系统、自主导航、远程操作和软件集成等复杂环节，至今仍是许多开发者的巨大障碍。 针对这一痛点，Fauna 推出了核心产品 Sprout——一个旨在让机器人开发更现代化、更高效的开发者平台。公司将其描述为“我们希望早已存在的平台”，这表明该产品完全是从开发者的实际需求出发构建的。Fauna 的目标不只是制造一个机器人，而是提供一个完整的技术栈，帮助开发者以更低的门槛，将创意从原型快速转化为可部署的产品。 Fauna 的旗舰产品是 Sprout 创作者版 (Sprout Creator Edition)，一个儿童大小的人形机器人及配套开发平台。该机器人重约 27 公斤（59 磅），采用双足行走设计。它的尺寸既保证了技术上的挑战性，又适合在受控环境中进行测试、实验和交互。 Sprout 不仅仅是一个硬件躯体，而是一个完整的全栈系统，其关键特性包括： 开箱即用的自主能力：内置基础的移动、控制和社交行为模块。 面向开发者的软件栈：提供模块化软件、板载计算单元和核心 API。 以人为本的安全设计：采用轻质材料、柔软外壳、优化的防夹点设计，并集成了安全传感器和柔性电机控制。 柔性运动控制：运动系统设计旨在更安全、更灵活地应对真实世界的物理交互。 全身遥操作 (Whole-body teleoperation)：支持远程控制，便于进行机器人训练、测试、监督和混合自主操作。 这些特性表明，Fauna 的重点并非打造一个外形酷炫的未来派机器人，而是切实解决从机器人演示到实际部署过程中的核心瓶颈。安全性、模块化、板载计算、API 和遥操作，都是实现真实世界机器人的关键要素。 Fauna Robotics 的核心优势 Fauna Robotics 的成功并非偶然，其在多个方面展现出强大的竞争力，这也是吸引亚马逊的关键所在。 ...

在AI辅助编程日益普及的今天，如何高效地利用大型语言模型（LLM）成为开发者关注的焦点。oh-my-claudecode（简称OMC）正是为解决这一痛点而生。它是一个强大的多代理编排工具，专为Anthropic Claude Code设计，旨在提供零学习曲线、直观高效的开发体验，让你无需深入理解Claude Code的复杂性，即可轻松驾驭AI协同编程。 OMC的核心理念是简化AI代理的协作与管理，通过智能编排实现任务自动化、效率最大化，并优化资源使用。无论你是需要构建复杂的REST API，进行代码审查，还是设计用户界面，OMC都能提供一套流畅的解决方案。 快速上手 使用OMC极其简单，只需几个步骤即可开始你的AI辅助编程之旅。 安装 通过Claude Code插件市场安装： /plugin marketplace add https://github.com/Yeachan-Heo/oh-my-claudecode /plugin install oh-my-claudecode 设置 运行初始化设置： /setup /omc-setup 开始构建 直接用自然语言描述你的需求，OMC将自动完成： autopilot: build a REST API for managing tasks 就是这么简单！一切都将自动化进行。 不知如何开始？深度访谈来帮你！ 如果你对需求不明确，或者想更精细地掌控设计过程，可以使用 /deep-interview。它通过苏格拉底式提问，在代码编写前澄清你的思路，揭示潜在假设，并衡量需求清晰度，确保你精确了解要构建什么。 /deep-interview "我想要构建一个任务管理应用" 核心特性与优势 oh-my-claudecode之所以能脱颖而出，在于其提供了一系列旨在提升开发者体验和效率的强大功能。 零配置开箱即用：智能默认设置，无需繁琐配置即可立即使用。 团队优先编排：以“团队”为核心的多代理协作模式，是OMC的规范编排界面。 自然语言交互：无需记忆复杂命令，直接描述你的意图。 自动并行化：将复杂任务智能分配给专业代理并行处理。 持久化执行：任务会持续执行，直到通过验证并完全完成。 成本优化：智能模型路由，可节省 30-50% 的令牌使用成本。 经验学习：自动提取和重用解决问题的模式。 实时可见性：HUD状态栏实时显示后台运行情况。 编排模式：多场景应对 OMC提供了多种编排模式，以适应不同的开发需求和用例。 模式名称 模式特点 适用场景 团队 (Team) 规范的分阶段管道（计划 → 生产 → 执行 → 验证 → 修复），协同Claude代理执行共享任务列表。 多代理协同完成复杂任务，例如修复TypeScript错误、实现支付流程。 omc team (CLI) 通过tmux CLI工作者，在分离窗格中运行真实的Claude/Codex/Gemini进程。 需要特定模型CLI执行的任务，如代码审查（Codex）、UI/UX设计（Gemini），按需生成和销毁工作进程。 ccg 结合/ask codex + /ask gemini，由Claude进行综合。 涉及后端（Codex）和前端（Gemini）混合工作的项目，需要多模型协同建议。 Autopilot 单一主导代理的自主执行。 端到端功能开发，追求最小干预和自动化。 Ultrawork 最大并行度（非团队模式）。 爆发式并行修复/重构，不需要团队协作的场景。 Ralph 持久化模式，带有验证/修复循环。 必须完全完成且不允许静默部分完成的任务。 Pipeline 顺序、分阶段处理。 需要严格顺序的多步骤转换。 AI代理与模型路由 OMC内置了32个专业代理，涵盖架构、研究、设计、测试、数据科学等领域。它能智能路由模型，例如对简单任务使用Haiku，对复杂推理使用Opus，确保每次都将任务委托给最适合的代理。 ...

DeerFlow 是一个基于 LangGraph 构建的 AI 超级代理（Super Agent）后端系统。它集成了沙箱执行环境、持久化记忆以及可扩展的工具集，旨在让 AI 代理能够在一个隔离且持久的环境中执行复杂任务，例如执行代码、浏览网页、管理文件，甚至将任务委托给子代理并行处理。 架构概览 DeerFlow 的系统架构设计清晰，通过 Nginx 作为统一反向代理，将请求分发至后端的 LangGraph 服务和 FastAPI 网关。 graph TD subgraph 用户请求 A[Nginx 统一反向代理 :2026] end A -- "/api/langgraph/*" --> B[LangGraph 服务 :2024] A -- "/api/* (其他)" --> C[FastAPI 网关 :8001] A -- "/" --> D[前端应用] subgraph B direction LR B1[主代理 Lead Agent] B1 --> B2[中间件链] B1 --> B3[工具集] B1 --> B4[子代理] end subgraph C C1[模型管理] C2[MCP 服务] C3[技能管理] C4[记忆系统接口] C5[文件上传与产物] end 请求路由逻辑： ...

感谢你对DeerFlow项目的关注与贡献意愿！本文将详细指导你如何设置开发环境，并熟悉DeerFlow的开发工作流程。 一、开发环境设置 DeerFlow提供了两种开发环境选项，其中Docker方案因其一致性和便捷性而被强烈推荐。 1. Docker开发环境（推荐） Docker提供了一个一致、隔离的环境，所有依赖项（如Node.js、Python、Nginx）都已预配置，无需在本地机器上单独安装。 前置条件： Docker Desktop 或 Docker Engine pnpm (用于优化缓存) 设置步骤： 配置应用： 首先，复制示例配置文件并设置API密钥。 # 复制示例配置文件 cp config.example.yaml config.yaml # 设置你的API密钥，例如OpenAI API Key export OPENAI_API_KEY="your-key-here" # 或者直接编辑 config.yaml 文件 初始化Docker环境（首次运行）： 执行初始化命令，这将构建Docker镜像、安装前端和后端依赖，并配置pnpm缓存共享。 make docker-init 此命令将完成以下任务： 构建Docker镜像。 安装前端依赖 (使用 pnpm)。 安装后端依赖 (使用 uv)。 将 pnpm 缓存与宿主机共享，以加快后续构建速度。 启动开发服务： 启动所有开发服务，支持热重载。make docker-start 会读取 config.yaml，并仅在 provisioner/Kubernetes 沙盒模式下启动 provisioner 服务。 make docker-start 前端代码修改会自动重新加载。 后端代码修改会触发自动重启。 LangGraph 服务支持热重载。 访问应用： Web界面: ` API网关: ` LangGraph服务: ` 常用Docker命令： ...