认识 Swival：AI 编程助手，跟你的模型合作，不添乱

AI 当编程搭档，听着很爽。但现实呢？API 费用蹭蹭涨，上下文窗口小得慌，还得死绑某个平台。

Swival 完全不一样。

它不逼你换生态。直接用你的基础设施、你的模型、你的限制。本地跑小 LLM？还是 API 调企业级大模型？Swival 都行，随你玩。

为什么开发者爱它

AI 会写代码是老黄历了。关键是：在你机器上、你的限制下，能稳稳写出来。

大多数工具假设你有无限上下文和顶级 GPU。Swival 专为现实设计：上下文超紧、本地硬件一般、模型得精心调才能出好活。

举例。新手开发者 MacBook Air 16GB RAM 跑 llama.cpp。独立创业用 Open Router 避锁死。安全团队要加密所有密钥再出门。Swival 全搞定，不用改你工作流。

实用功能，一看就懂

上下文管理，聪明不臃肿

别人一股脑塞提示词，上下文瞬间爆。Swival 用渐进压缩，聊天干净利落。跨会话记状态，不用每次重复喂 10k token 历史。

模型你挑，随便换

自动发现 LM Studio 或 llama.cpp 本地模型。还无缝接：

• HuggingFace
• OpenRouter
• Google Gemini
• ChatGPT（用你现有订阅的 OAuth）
• AWS Bedrock
• 任何 OpenAI 兼容服务器（Ollama、vLLM 等）

不怕涨价或断供。换模型？改个命令行参数，秒切。

安全默认开

加 --encrypt-secrets，密钥、凭证、敏感数据出门前加密。模型只见假引用。响应回来本地解密，工具照常跑。安全团队的最爱。

真学习，不忘本

用 BM25 检索，拉旧会话相关上下文。/learn 教它，它跨聊记住。不胀当前提示。像有个助手，慢慢懂你代码库。

审查循环 + 基准测试

内置 LLM 当裁判的审查循环。JSON 报告记时长、工具用量、上下文事件。比比不同模型、设置，在真任务上测。Qwen 3 Coder 和 GLM-5 哪个快？一键跑，数据全有。

安全审计，靠谱不瞎报

/audit 扫代码库，找真 bug。聪明在：隔离代理在独立工作树复现。问题不重现，不进报告。假阳性少，附真实补丁。

几分钟上手

超简单。以 LM Studio 为例：

# 1. 装 Swival
uv tool install swival

# 2. 跑任务
swival "简化 src/api.py 的错误处理"

就这。不折腾配置，不玩环境变量（除非你想调）。

本地 llama.cpp？指过去：

swival --provider llamacpp "重构这个认证模块"

HuggingFace 模型？导 token 指定：

export HF_TOKEN=hf_...
swival --provider huggingface --model zai-org/GLM-5.1 "加错误处理"

想多轮聊？空跑 swival，互动模式，全程记对话。

不止单模型

不止 CLI。Python 里直接 embed：

import swival

answer = swival.run(
    "哪些文件管认证？",
    provider="openrouter",
    model="z-ai/glm-5",
)

复杂多轮？Session 类控状态和迭代。

还有 A2A 服务器模式。swival --serve，变 HTTP 端点。其他代理可呼。建代理网络，编排复杂任务超方便。

超易扩展

小巧、可 hack、无框架。纯 Python，看懂改动易。加自定义技能用 SKILL.md，接 MCP 服务器，拼代理。全开源代码，随你折腾。

基准测试神器

自带 Calibra 工具。比模型、设置、技能、MCP 服务器。在真编码任务上测。找最佳性价比 combo，宝。

总结

AI 编程代理已是标配。但不用锁死、泄私、不现实硬件。Swival 证明：能做有用代理，还尊重你限制、信你判断、适配你生态。

独狼省钱？创业护数据？团队要灵活？Swival 进工具箱吧。免费开源，即插即用。试不试？不试亏大。