先说最抓人的点：一个 Python 文件，只用标准库，不装 pip、不装 Node、不要本地数据库，就想把自己塞进你家的 OpenWrt 路由器、群晖 NAS、Termux 手机，甚至一张 1.44MB 软盘 里跑起来。这不是 chatbot，这是一个自称能「自我扩展 / 自我修复 / 自我进化」的 AI 智能体壳子。听起来很中二？但看完 README 你会发现，它的思路确实和市面上那堆 AI CLI 都不太一样，属于那种「Star 数还很小，但值得先收藏观望」的极客型仓库。
它一句话是什么
Prism32 是 MegaDyne Systems 出的一个单文件、纯标准库的终端 AI 智能体框架，主打「跨任意年代硬件都能跑」，并且能在运行时自己生成插件、召唤子智能体、吸收系统里其它 AI CLI 的能力。
为什么值得看
市面上 AI CLI 已经不少了（Claude Code、Aider、Codex CLI、Goose、Cursor Agent 都有），但 Prism32 挑了一条非常反潮流的路：
- 零依赖：没有 Node.js、没有浏览器、没有 pip 包、没有本地数据库，运行状态就落在
~/.prism32/ 下的小文件里。 - 跑得野：从 PC / macOS / BSD / Windows / Android Termux 一路覆盖到 OpenWrt 路由器、ChromeOS Crostini、NAS，甚至提供了
make_floppy.py 打软盘镜像的脚本。 - 能兼容 OpenAI 协议的任意 API：本地 llama.cpp、Jetson 上的 CUDA 模型、OpenRouter 的云端模型都能接。
对喜欢在老机器、SBC、路由器上折腾 AI 的人来说，这种「一个 py 文件走天下」的形态就已经赢了一半。
最有意思的 3 个功能
1. /extend：让 AI 现场给自己写插件
README 里最骚的能力。你说一句 /extend temp add a command that ingests MQTT telemetry from this Zigbee network，Prism32 会让当前配置的模型生成一个纯标准库 Python 插件，自己做语法检查，加载进当前会话，然后立刻在下一条指令里调用这个新命令。临时插件退出即销毁，永久插件下次启动自动加载。等于把「功能缺口」变成运行时可补的东西。
2. Quantum Context + 子智能体调度
/delegate 同步派活、/spawn 后台开线程，多个子智能体可以跑在不同模型/供应商下（比如主会话用强模型分析、子任务丢给 Groq 免费快模型扫端口），大家共享一个线程安全的键值存储当「公用大脑」。主 Agent 的 system prompt 会中途重建，把子 Agent 的最新结果注入回来。
3. Harness Absorption：吞并你机器上的其它 AI CLI
它会检测系统里已经装的 OpenCode、Codex CLI、Claude Code、Aider、Gemini CLI、Goose、Cursor Agent，把它们的可用性写入自己的上下文，然后可以把任务再委派给带这些工具的「超级子 Agent」。相当于让 Prism32 当所有 AI CLI 的总调度。
动手实践：安装 / 快速开始
Unix / Linux / macOS / BSD / Termux 的标准玩法：
git clone https://github.com/MegaDyneSystems/prism32.git cd prism32 bash install.sh prism32
预期：脚本跑完后终端里能直接输入 prism32 进交互。
不想装系统级？免 root：
git clone https://github.com/MegaDyneSystems/prism32.git && cd prism32 && bash install.sh -y && ~/.local/bin/prism32
啥都不装、就想试一下：
python3 prism32.py --setup-runtime python3 prism32.py
接 OpenRouter 的例子（README 原样）：
python3 prism32.py --api https://openrouter.ai/api/v1 --api-key sk-or-v1-... --model deepseek/deepseek-v4-flash
进去以后先跑这几条最实用的：
/help 查看全部命令 /provider list 列出供应商 /provider key KEY 设置 API key /model 浏览 / 选模型 /goal <task> 进入自主多步任务模式 /extend <goal> 让 AI 现场写插件补能力
踩坑提醒：
- 这是个 v6.8 的早期项目，Star 只有 28，README 里的能力描述相当激进（「self-repairing」「no guardrails」这类词请自己评估风险），建议先在虚拟机 / 容器 / 一次性 SBC 里跑，不要一上来就丢生产机。
- 「Active task mode」会让 AI 直接执行 shell 命令块（fenced
execute block），启用前务必想清楚它能碰到你哪些文件。 - 想在软盘 / U 盘上玩，用仓库里的
make_floppy.py 打镜像，再用 floppy-install.sh 写盘。
可以怎么玩 / 怎么用
结合 README 里的说法，几个能立刻上手的场景：
- 老 SBC / 路由器上塞一个终端 AI 助手：OpenWrt 那个脚本还支持
sh install.sh /mnt/usb，装到 U 盘上不占路由器闪存。 - 本地模型 + 云模型混跑：主会话挂在本地 llama.cpp，子智能体丢 OpenRouter 上的便宜模型扫任务，省 token 也省钱。
- 服务器体检：README 给的示例提示词
/goal audit this server for disk pressure, failed services, open ports, and risky logs; report only 就是一个只读排查的模板，很适合拿来跑一遍新买的 VPS。 - 让它调外设：README 声称「Linux 设备树上的一切都是它的外设」——USB 串口、GPIO、I2C、SPI、CAN、SDR、摄像头、麦克风、继电器、3D 打印机串口都点名了。真实效果就要你自己上手验证，别只看官方描述。
适合谁
- 喜欢折腾老机器 / 路由器 / NAS / Termux 的极客；
- 想找一个 stdlib-only、能塞进极小环境的 AI CLI 底座的开发者；
- 已经装了一堆 Claude Code / Aider / Codex CLI，想要一个总调度统一喊话的重度 AI CLI 用户；
- 对「AI 自己写插件、自己扩展」这条路线感兴趣，愿意在虚拟机里冒险试新玩意的人。
不适合：想要成熟稳定生产级工具的人；不看代码就敢让 AI 跑 shell 的人。
读者互动
聊两个话题，欢迎来评论区：
- 你会更想把这种「自扩展 AI 智能体」跑在哪台设备上——软路由、NAS、树莓派，还是那台吃灰的老笔记本？
- 你现在的 AI CLI 工作流是什么样的？纯 Claude Code？还是本地模型 + 云模型混搭？点赞多的话，下一期我做一期主流 AI CLI 横评。
觉得有用就点个关注吧，下一期聊一个把 AI 硬塞进 2 块钱级别芯片里的骚项目，别错过。
长按 / 扫码关注，硬件 + AI 的新玩具第一时间推给你。
GitHub 地址
https://github.com/Meg
发现更多好玩的开源项目
专注 Arduino、开源硬件、端侧 AI 和值得收藏的开发者工具。
长按二维码关注「Arduino」
10个月宝宝每天需要喝多少奶粉？