Freebuff：把免费 AI 编程智能体装进终端、桌面、浏览器和 GitHub

Freebuff 是什么

Freebuff 是 CodebuffAI 推出的开源免费 AI 编程智能体，口号非常直白——“The free coding agent”。它的核心卖点是：不需要订阅、不需要充值积分、也不需要自备 API Key，就能用上 DeepSeek V4 Pro、GPT-5.6 Luna、MiniMax M3 等一排主流模型来写代码。支撑这一切的商业模式是文字广告，而不是用户付费。

项目用 TypeScript 编写，基于 Bun 构建的 monorepo，Apache 2.0 协议开源。截至 2026 年 8 月，star 数约 1 万，fork 超过 1100，且迭代极为活跃——发布记录显示版本已推进到 v1.0.420-beta 系列，几乎每天都有新构建。

对于长期被"AI 编程工具月费"支配的开发者来说，这个项目值得认真看一眼：它既是工具，也是"免费 AI 服务如何可持续"这个命题的一次工程实践。

五种产品形态：一个内核，多端覆盖

Freebuff 不只是一个 CLI 工具，而是一个产品矩阵，覆盖了开发者的几乎所有工作场景：

其中最轻量的入口是 CLI，两条命令就能跑起来：

npm install -g freebuff
cd ~/my-project
freebuff

之后直接用自然语言描述你要做什么，Freebuff 会自动定位相关文件、做出修改、并运行项目适用的检查。

值得一提的是 Desktop 版还有一个进阶能力：它可以接管本地已安装的 Claude Code 和 Codex，让你继续用自己已有的 provider 账号——Freebuff 自带的免费模型目录与这些"连接模型"是并存的两套体系，互不干扰。

多智能体架构：不是"一个模型一个提示词"

Freebuff 底层构建于开源多智能体框架 Codebuff 之上（SDK 为 @codebuff/sdk）。它没有采用"把所有任务塞给同一个模型"的做法，而是按任务类型分派给专职 agent：

• 代码库上下文 agent：在动手改代码之前，先用文件查找类 agent 摸清项目结构，定位真正相关的文件；
• 实现与审查 agent：可以拆分工作、并行修改、执行命令、检查结果；
• 研究与浏览器 agent：能查文档、在真实浏览器里测试应用。

模型层面也有类似的分工逻辑。主选择器里是 DeepSeek V4 Pro（默认深度推理）、GPT-5.6 Luna（带原生图像理解的深度推理）、MiniMax M3（快速响应）等；而 Gemini 3.1 Flash Lite 这类轻量模型则被安排去做文件查找、资料检索等专项任务，不占用主选择器入口。GLM 5.2 则通过"赚取会话"的方式解锁，而非默认开放。

这种"模型目录 + 专职 agent"的组合，本质上是把 token 预算花在刀刃上——重活给强模型，杂活给快模型，也是免费服务能撑住成本的关键之一。

免费模式的边界：你需要知道的事

免费不等于无条件。Freebuff 的访问分层设计值得注意：

• 完整访问：受支持地区的用户可用全部模型；
• 受限访问：其他地区（含 VPN 用户）默认用 MiMo 2.5，每天 3 个一小时会话，可通过完成任务最多升到 7 个；
• 数据使用：部分模型会在界面明确标注"提交内容可能用于 AI 训练"，提示词和消息可能被分析用于广告个性化——仓库上传和连接的仓库不会给广告商。

换句话说，免费的代价是"看广告 + 部分数据可能被用于训练/广告分析"。对涉及敏感代码的商业项目，这个条款需要谨慎评估；对个人学习、开源贡献、快速原型，这个取舍大多数人是可以接受的。

工程实现一览

对想读源码或贡献代码的人，仓库结构信息量不小：

• 技术栈：TypeScript monorepo，Bun 作为运行时和包管理器；
• 目录划分：agents/（智能体定义）、cli/（命令行）、sdk/（SDK）、packages/（共享包）、evals/（评测）、docs/（文档）等，模块边界清晰；
• 本地开发：需要 Docker 和配置好的 .env.local，bun install && bun up 启动服务，bun start-cli 单独跑 CLI。

有意思的是仓库根目录放了 AGENTS.md——这个文件是给 AI 编程智能体看的项目说明，Freebuff 自己就是 AI agent 工具，用 AGENTS.md 指导 agent 参与自家开发，算是"吃自己的狗粮"。

谁该用、谁该等等

适合尝试的人：

• 不想为 AI 编程工具付月费的个人开发者；
• 想在终端里快速挂一个免费 agent 处理日常改码任务的极简主义者；
• 研究多智能体编排、想在 Codebuff 框架上做二次开发的人。

需要观望的人：

• 对代码隐私和训练条款敏感的团队——先读完 Privacy Policy 再说；
• 需要企业级 SLA 保障的生产环境——beta 版本号（v1.0.420-beta）说明它仍在快速迭代期。

小结

Freebuff 用"广告养模型"的思路，把一排旗舰模型的编程能力做成了零门槛工具，多端形态覆盖了从终端到云端的完整链路。它的多智能体架构基于开源的 Codebuff 框架，本身就是很好的学习素材。当然，免费的边界在于数据条款和地区限制——用之前想清楚自己拿它写什么代码，比什么都重要。

项目地址：CodebuffAI/freebuff，官网 freebuff.com。