中文 English

BitFun 基于一个面向长程任务、强调工程执行与 Token 经济性的 Code Agent 打造本地 AI 工作台。
它能理解复杂上下文、调用工具、等待结果、修正偏差,把长程任务持续推进到可交付状态;编码、调研、办公、文档、桌面操作和可扩展工作流,都在同一个本地桌面环境里展开。
核心目标:让 AI 从“Agent Loop 的迭代执行”进化成“可自主完成长期工作”的生产力系统。

下面的数据用于观察 BitFun Agent 的核心能力。统一使用 Deepseek-V4-Pro,分为完成效果、Token 经济和其他体验指标三个部分。
当前数据为每个 case 跑 1 次得到的 BitFun 初始评测结果。评测会受到任务抽样、模型版本、运行环境和单次执行偶然性的影响,存在一定波动;这组数据仅用于说明当前 Agent 已具备可用的基础竞争力,并不代表固定排名或最终上限。后续会持续优化并放出完整评测详情。
BitFun 在 SWE-Bench-Pro 和 SWE-Bench-Verified 上均领先 Open Code 与 Claude Code。SWE-Bench-Pro 关注复杂软件工程,SWE-Bench-Verified 关注人工验证的 GitHub issue 修复。
评测集说明:SWE-Bench-Pro / SWE-Bench-Verified
Agent 执行是否经济,需要综合评估端到端 Token 消耗、执行耗时和 KV Cache 复用。当前先展示同一轮 SWE-Bench-Pro 中的 KV Cache 观察:BitFun 的平均 KV Cache 命中率为 98.67%。后续完整评测会继续补充更完整的成本与耗时指标。
成本之外,Agent 体验还取决于它能否在超大工程里快速找回上下文。面对 Chromium 这类千万行级代码仓库,BitFun 通过 flashgrep 最高降低约 94.6% 搜索耗时,平均加速约 36.1x。
你可以把两类复杂工作交给 BitFun 推进:在真实仓库里完成编码交付,在资料和文件中完成办公交付。遇到需要浏览器、桌面软件、终端或远程环境的任务时,它可以进入真实工作现场;需要接入你的工具链时,也可以继续扩展 Agent 自定义、MCP、Skills 和 Mini App。
| 场景 | 目标交付 | 典型能力 |
|---|---|---|
| 编码 | 从真实仓库推进到可合并结果。 | Agentic、Plan、Debug、测试、Git、Deep Review、长程任务、Benchmark。 |
| 办公 | 从资料推进到可交付文档。 | Research、PPT、DOCX、XLSX、PDF、总结、写作、会议纪要、报告。 |

前往 Releases 下载最新桌面端安装包,安装后配置模型即可开始使用。
前置依赖:
pnpm install
pnpm run desktop:dev
更多开发说明见 CONTRIBUTING_CN.md。
BitFun 的扩展路径从轻到重连续展开:
| 层级 | 方式 | 适合场景 |
|---|---|---|
| L1 | Agent 自定义 | 定义角色、流程、约束和工具组合。 |
| L2 | MCP / Skills | 接入外部工具、专业能力和工作流。 |
| L3 | Mini App | 为任务生成专属界面、表单、面板或可视化。 |
| L4 | 源码级改造 | 修改工具、适配器、UI、Runtime 或产品形态。 |
你可以用 BitFun 的 Code Agent 来扩展 BitFun 本身。
欢迎 Star、Issue 和 PR。我们尤其关注:
请将 PR 直接提交至 main 分支。更多说明见 CONTRIBUTING_CN.md。
$ claude mcp add BitFun \
-- python -m otcore.mcp_server <graph>