Goose：Block 开源、Linux 基金会托管——本地 AI 编程代理的终极答案

如果 Claude Code 是云端 AI 编程的标杆，那 Goose 就是本地化部署的王者——而且完全免费。

前言：AI 编程工具的「订阅疲劳」

2026 年，AI 编程助手已成为开发者的标配。但一个问题越来越突出：订阅费。

• Claude Pro：$20/月，每 5 小时重置一次使用限制
• Cursor Pro：$20/月，需要云端 API
• GitHub Copilot：$10-19/月，代码上传云端

对于个人开发者、小团队、以及有数据安全要求的企业来说，这不仅是成本问题，更是隐私问题——代码需要上传到云端，被模型训练。

于是，一个由 Block（原 Square）公司开发、现已捐献给 Linux 基金会的开源项目，成为越来越多开发者的选择：Goose。

什么是 Goose

Goose 是一个开源的、可扩展的 AI 编程代理。它的核心定位是：

不仅仅提供代码建议，而是自主执行完整的开发任务。

传统的 AI 编程助手（如 Copilot）只能补全代码片段，而 Goose 可以：

• 自主构建整个项目
• 编写和执行代码
• 调试故障
• 编排工作流
• 与外部 API 交互

更重要的是：它完全运行在你的本地机器上。无需订阅费，不依赖云端，没有使用限制。

从 Block 到 Linux 基金会：一个开源项目的「成人礼」

Goose 最初由 Block 公司（原 Square，Twitter 创始人 Jack Dorsey 的金融科技公司）开发。2026 年 4 月，Block 将 Goose 捐献给 Linux Foundation 旗下的 Agentic AI Foundation (AAIF)，成为该基金会的旗舰项目。

这意味着：

1. 中立性：不再受单一公司控制，由开源社区治理
2. 长期维护：Linux 基金会背书，项目不会突然停更
3. 生态开放：任何人都可以贡献扩展和工具

GitHub 仓库也已从 block/goose 迁移到 aaif-goose/goose，标志着项目正式进入「公共基础设施」阶段。

v1.32.0：2026 年 5 月的最新进化

2026 年 5 月 6 日，Goose 发布了 v1.32.0 版本。这是一个重大更新，包含 40+ 项改进。

核心新功能

1. Exa AI 搜索工具

Goose 现在可以联网搜索技术文档、API 参考和代码示例，不再局限于本地知识。

# 示例：让 Goose 搜索最新的 React 19 文档
goose> 帮我搜索 React 19 的 use() hook 用法，并写一个示例代码

2. 桌面通知

任务完成时自动发送系统通知。对于长时间运行的任务（如代码重构、测试生成），你可以切换到其他工作，不用一直盯着终端。

3. @agent mention 支持

在聊天中可以 @agent 提及特定的 Agent，实现多 Agent 协作。

goose> @code-review-agent 帮我审查 src/auth.rs 的安全性
goose> @test-agent 为 src/auth.rs 生成单元测试

4. /skills 命令

查看和管理 Goose 的技能包。Goose 内置了多种技能：

goose> /skills
Available skills:
  - code_review: 代码审查
  - test_generation: 测试生成
  - documentation: 文档编写
  - refactoring: 重构建议
  - security_audit: 安全审计

5. 自动压缩上下文（Auto-Compaction）

长对话会自动压缩上下文，避免超出模型的上下文窗口限制。这是 v1.32.0 最实用的功能之一。

6. 语音听写（Voice Dictation）

在 goose2 桌面应用中，支持语音输入。通过 direct-ACP 模式实现，延迟极低。

7. /edit 命令

即时编辑 prompt，无需重新输入。

goose> /edit
# 打开编辑器，修改上一条 prompt
# 保存后自动重新执行

其他重要更新

• Kimi Code Provider：支持 Moonshot AI 的 Kimi Code，OAuth 设备流认证
• Novita AI Provider：支持 Novita AI 作为声明式 provider
• Cash App 扩展：内置 Cash App 相关工具
• Unix Domain Socket 传输：StreamableHttp MCP 支持本地 socket 通信

技术架构：Rust + MCP + 工具调用

Goose 的技术架构设计非常优雅，核心是三层分离：

1. 核心层（Core）

用 Rust 编写，负责：

• LLM API 调用（OpenAI、Ollama、Novita AI、Kimi Code 等）
• 工具调用编排
• 上下文管理
• 会话持久化

Rust 的选择保证了性能和内存安全。Goose 可以轻松处理数小时的对话，不会内存泄漏。

2. MCP 协议层

Goose 原生支持 MCP（Model Context Protocol），这是 Anthropic 推出的 AI 工具调用标准协议。

MCP 的核心思想：

用户请求 → LLM 决策 → MCP Client 解析 → MCP Server 执行 → 返回结果

通过 MCP，Goose 可以连接任何遵循标准的服务器：

• 文件系统操作
• 数据库查询
• API 调用
• Git 操作
• 自定义工具

3. 扩展层（Extensions）

Goose 的扩展系统非常灵活。你可以用 Python、TypeScript、Rust 编写扩展：

# 示例：一个简单的 Python MCP 服务器
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("my-tools")

@mcp.tool()
def query_database(sql: str) -> dict:
    """执行 SQL 查询"""
    return {"result": [...]}

if __name__ == "__main__":
    mcp.run()

然后在 Goose 中注册：

goose extension add ./my_tools_server.py

与 Ollama 集成：完全本地化 LLM

Goose 最强大的特性之一是与 Ollama 无缝集成。这意味着你可以使用完全本地的 LLM，数据处理不出域。

安装 Ollama

# macOS/Linux
curl -fsSL https://ollama.com/install.sh | sh

# 拉取支持工具调用的模型
ollama pull qwen2.5:7b-instruct

# 启动服务
OLLAMA_CONTEXT_LENGTH=32768 ollama serve

配置 Goose 使用 Ollama

# 设置环境变量
export GOOSE_PROVIDER=ollama
export GOOSE_MODEL=qwen2.5:7b-instruct
export OLLAMA_HOST=http://localhost:11434

# 启动 Goose
goose

Tool Shim 技术

对于不原生支持工具调用的模型，Goose 提供了 Tool Shim 技术，通过 Jinja 模板增强模型能力。推荐优先使用支持工具调用的模型：Qwen2.5、Llama3.2、Mistral-Nemo。

安装与快速上手

CLI 安装

# macOS/Linux
curl -fsSL https://github.com/aaif-goose/goose/releases/latest/download/goose-installer.sh | sh

# 或通过 Cargo
cargo install goose-ai

# Windows (通过 WSL)
wsl curl -fsSL https://github.com/aaif-goose/goose/releases/latest/download/goose-installer.sh | sh

桌面应用

从 GitHub Releases 下载 goose2 桌面应用：

• macOS: Goose-x.x.x.dmg
• Windows: Goose-Setup-x.x.x.exe
• Linux: Goose-x.x.x.AppImage

首次配置

# 设置默认 Provider
goose config set provider openai  # 或 ollama, novita, kimi-code

# 设置模型
goose config set model gpt-4.1  # 或 qwen2.5:7b-instruct

# 测试
goose
goose> 你好，介绍一下你自己

实战案例

案例 1：代码迁移

将一个 Ruby 项目迁移到 Kotlin：

goose> 帮我把 ./legacy_ruby 项目从 Ruby 迁移到 Kotlin，保持 API 兼容

# Goose 会：
# 1. 分析 Ruby 代码结构
# 2. 生成 Kotlin 等价代码
# 3. 调整依赖和配置
# 4. 运行测试验证

案例 2：生成单元测试

goose> 为 src/auth.rs 生成完整的单元测试，覆盖所有公开函数

# Goose 会：
# 1. 分析函数签名和逻辑
# 2. 生成测试用例
# 3. 处理边界情况
# 4. 运行测试确保通过

案例 3：构建 API

goose> 帮我构建一个 RESTful API，包含用户认证和 CRUD 操作，使用 Axum 框架

# Goose 会：
# 1. 创建项目结构
# 2. 编写路由和处理器
# 3. 实现认证中间件
# 4. 生成 OpenAPI 文档

案例 4：性能优化

goose> 分析 src/worker.rs 的性能瓶颈，并优化关键路径

# Goose 会：
# 1. 识别热点函数
# 2. 建议优化策略
# 3. 实施优化
# 4. 运行基准测试对比

与 Claude Code 对比

结论：

• 需要最强模型能力 → Claude Code
• 需要隐私、免费、无限制 → Goose
• 最佳实践：Goose + Ollama（日常）+ Claude Code（复杂任务）

适用场景

1. 个人开发者

• 无需订阅费
• 本地运行，无网络依赖
• 支持 MacBook / iPad / 树莓派

2. 企业团队

• 代码不离开内网
• 可私有部署
• 可定制扩展

3. 安全敏感行业

• 金融、医疗、政务
• 数据不出域
• 审计合规

4. AI 研究者

• 开源可研究
• 可自定义模型
• 可贡献扩展

性能优化建议

1. 模型选择

# 快速响应（适合日常编码）
goose config set model qwen2.5:3b-instruct

# 平衡性能和质量
goose config set model qwen2.5:7b-instruct

# 最佳质量（需要更多内存）
goose config set model llama4:8b

2. 上下文管理

# 设置上下文长度
export OLLAMA_CONTEXT_LENGTH=65536

# 启用自动压缩（v1.32.0+）
goose config set auto_compaction true

3. 缓存优化

Goose 会自动缓存 LLM 响应、工具调用结果、项目索引。缓存位置：~/.cache/goose/

常见问题

Q: Goose 支持哪些 LLM？

A: 支持任何 OpenAI 兼容 API：

• OpenAI（GPT-4.1, o3, o4-mini）
• Ollama（Llama4, Qwen2.5, Mistral）
• Novita AI
• Kimi Code
• Databricks
• 自定义端点

Q: Goose 需要多少内存？

A: 取决于模型：

• 3B 模型：4GB RAM
• 7B 模型：8GB RAM
• 8B 模型：16GB RAM（推荐）

Q: Goose 支持 Windows 吗？

A: CLI 通过 WSL 支持。桌面应用原生支持 Windows。

Q: 如何贡献扩展？

A: Fork aaif-goose/goose，编写扩展，提交 PR。扩展可以是 MCP 服务器、技能包、Provider 集成。

结语

Goose 的出现，标志着 AI 编程工具从「订阅服务」向「开源基础设施」的转变。

它不是要替代 Claude Code 或 Cursor——它们各有优势。Goose 的价值在于：给开发者一个选择。一个不需要订阅、不需要云端、完全掌控在自己手中的选择。

2026 年 5 月，v1.32.0 的发布让 Goose 更加成熟。如果你还没有尝试过本地 AI 编程代理，现在就是最好的时机。

下一步：

# 安装 Goose
curl -fsSL https://github.com/aaif-goose/goose/releases/latest/download/goose-installer.sh | sh

# 安装 Ollama（可选，但推荐）
curl -fsSL https://ollama.com/install.sh | sh
ollama pull qwen2.5:7b-instruct

# 配置并启动
export GOOSE_PROVIDER=ollama
export GOOSE_MODEL=qwen2.5:7b-instruct
goose

# 开始你的第一次对话
goose> 你好，帮我创建一个 Rust 项目，实现一个简单的 HTTP 服务器

GitHub: https://github.com/aaif-goose/goose
文档: https://docs.goose.ai
最新版本: v1.32.0（2026-05-06）