~/work/gnomaAktiv

gnoma

Agentischer Coding-Assistent fürs Terminal, in Go geschrieben. Ein Multi-Armed-Bandit-Router wählt pro Prompt das beste Modell — Cloud oder lokal — und zeigt seine Wahl bei jedem Zug. Erweiterbar über Hooks, Skills, MCP-Server und Plugins.

Solo-Engineer · Persönliches Projekt · 2025 - heute

Was es macht

Ein provider-agnostischer agentischer Coding-Assistent. gnoma leitet jeden Prompt über einen Multi-Armed-Bandit-Router an das beste verfügbare Modell — gewichtet nach Capability-Gates, deklarierten Stärken, Latenz und Kosten — und zeigt bei jedem Zug, welcher Arm warum gewählt wurde, keine Blackbox. Anthropic, OpenAI, Google, Mistral, Ollama und llama.cpp laufen nebeneinander, ein Tier-0-Kleinmodell klassifiziert Prompts und erledigt triviale lokal. Sicherheit ist eingebaut: jede ausgehende Nachricht und jedes Tool-Ergebnis durchläuft einen Secret-Scanner und eine Content-Boundary, Pfade werden TOCTOU-sicher kanonisiert, Unicode bereinigt, und gnoma selbst funkt nichts nach außen. Language-Server-Grounding über 14 LSP-Server, Vision end-to-end und ein einzelnes statisches Binary mit Multi-Arch-Container-Image.

Wie es gebaut ist

  • Du tippst in der TUI.
  • Der Agent-Loop nimmt den Prompt entgegen; eine Safety-Schicht prüft jede ausgehende Nachricht und jedes Tool-Ergebnis.
  • Der Bandit-Router wählt pro Prompt den besten Provider-Arm und zeigt seine Wahl.
  • Der Prompt geht an einen von sechs Providern oder wird lokal von einem kleinen Modell beantwortet.
  • Tools erweitern den Agenten über LSP, MCP-Server und Hooks.
gnoma · Request-Pfad

Nachweise

Provider-Backends
6

Anthropic, OpenAI, Google, Mistral, Ollama, llama.cpp

LSP-Integrationen
14

Language-Server-Grounding

Distribution
Statisches Binary

Zusätzlich ein Multi-Arch-Container-Image

Zugehörige Fallstudie

Die Projektseite beschreibt, was existiert. Die Fallstudie verfolgt die Entscheidungen, Rahmenbedingungen und Trade-offs dahinter.

Case Study

Highlights

  • Transparentes Modell-Routing Ein Multi-Armed-Bandit-Router wählt pro Prompt einen Arm anhand von Capability-Gates, deklarierten Stärken, Latenz und Kosten — und macht die Wahl bei jedem Zug sichtbar, statt sie zu verstecken.
  • Sicherheit an der Content-Boundary Ausgehende Nachrichten und Tool-Ergebnisse werden auf Secrets geprüft, Pfade TOCTOU-sicher kanonisiert, Unicode bereinigt, und gnoma sendet von sich aus nichts nach außen.