fx by Vercel Labs

fx 是由 Vercel Labs 开源推出的轻量级原生 AI 编程智能体，基于 Zig 语言编写，整个二进制文件仅 6.39 MiB。它以「极简即力量」为设计理念，将传统编程智能体的笨重终端界面压缩为一个接近 Unix Shell 使用体验的 CLI 工具。fx 定位为研究导向且可嵌入的编程 Agent 底座，适合嵌入到更大系统中作为核心引擎，也适合个人开发者直接在本地或云端使用。

核心功能

极小二进制体积：仅 6.39 MiB，下载安装近乎即时，可轻松嵌入 Agent 沙箱和资源受限环境。

微秒级冷启动：冷启动时间仅 10µs，且启动前不做任何多余 I/O，等待时间几乎为零。

模型无关架构：支持本地模型、API 网关、直连供应商（OpenAI、Anthropic 等），不绑定任何特定模型。

WASM 原生支持：通过 Zig 工具链生成优化的 fx.wasm 构建，体积进一步缩小，网络栈可插拔。

MCP / Skills / Plugins 扩展：遵循 Unix 哲学，小核心 + 可扩展组件，支持 MCP 服务器、自定义技能和插件。

Shell 风格交互界面：默认保留滚动历史，最小化输出，不依赖复杂 TUI 界面，回归终端原生体验。

极低内存占用：基准内存仅个位数 MB，一台机器可同时运行多个实例。

上下文高效：精简的系统提示词和工具集，节省 Token 消耗，优化首字响应时间（TTFT）。

技术实现

fx 基于 Zig 语言从零构建，选用 Zig 的核心考量在于其对内存的精确控制能力以及无运行时依赖的静态二进制输出。不同于大多数 AI 编程工具依赖 Electron/Tauri 等重型运行时，fx 的整个交付物就是一个独立可执行文件，天然适合容器化和 Serverless 部署场景。

在 Agent 架构层面，fx 扮演的是「编程 Harness」角色——它负责管理对话上下文、维护文件系统状态、调用外部工具，并将这些能力以标准化接口暴露给上层模型推理层。用户通过参数指定使用 Claude Code、Codex 还是 OpenCode 作为推理后端，Harness 层统一处理模型差异，确保工具调用格式的一致性。

fx 的扩展性通过「技能层」实现：用户可将自己的技能包（SKILL.md 格式）、MCP 服务器或自定义插件注入到 fx 进程中，fx 以 Unix 管道式设计哲学管理这些扩展——每个扩展职责单一，通过标准协议组合成复杂工作流。这种设计使其既可以作为个人开发者的日常编程助手，也可以作为自动化流水线中的代码生成引擎。