跳到正文
Chimera
下载
中文

配方（Recipes）

一批真实、可直接运行的工作流，用内置工具端到端完成一些有用的事情。用 chimera workflow <file> -w <workspace> 运行其中任何一个。完整源码见 examples/ 目录。

完全本地运行，无需 API 密钥（Ollama）

在你自己的机器上、针对本地模型运行 Chimera——不需要密钥，任何数据都不会离开这台机器。安装 Ollama，拉取一个模型，然后把 Chimera 指向它：

ollama pull llama3.1                     # or qwen2.5, mistral, phi3, …
export CHIMERA_DEFAULT_MODEL=ollama_chat/llama3.1     # the `ollama_chat/` prefix = local, keyless
chimera agent "Summarise this file in 3 bullets" -w .

就这么简单——不需要 OPENROUTER_API_KEY，也不涉及云端。凭据检查会把 ollama/…（以及 ollama_chat/…）识别为本地运行时并直接放行。如果 Ollama 运行在别处，设置 CHIMERA_OLLAMA_BASE_URL=http://host:11434（默认是 http://127.0.0.1:11434）。

请使用 ollama_chat/ 而不是 ollama/：ollama/ 前缀走的是 Ollama 的 generate 端点，它无法调用工具。

每次调用 Ollama 模型都会请求 32,768 token 的上下文窗口（CHIMERA_OLLAMA_NUM_CTX）。 Ollama 自己的默认值通常是 4,096，更长的提示词会被截到大约窗口的一半，而且不报任何错误—— 光是 agent 的第一个请求（系统提示词、工具 schema、任务）就有约 20,500 个字符， 所以在默认值下模型根本看不到任务。KV 缓存随窗口一起增大：在小 GPU 上，大模型可能把部分层溢出到 CPU （ollama ps 会显示这种拆分），速度更慢，但仍能读完整个提示词；这时请调低这个数值。 0 表示什么都不发送，保留服务器的默认值。如果 Ollama 自己的提示词计数显示某个提示词仍被截断， 网关会记录一条点名该模型的 PROMPT TRUNCATED 警告。

本地模型体量更小，因此这属于适度区间（goldilocks）里偏弱 的一端——很适合 chimera solve（规划 + 验证或回滚能帮到一个较弱的模型），也适合追求离线隐私 的场景，但不太适合单轮就要求前沿水平推理的任务。你也可以混搭：本地模型作默认，遇到困难的调用 再走云端的 CHIMERA_FALLBACK_MODELS。

邮件分诊

读取你的收件箱，把邮件分类为 URGENT / PERSONAL / NEWSLETTER / COLD-SALES，并写出一份十秒钟 就能看完的摘要。整个过程只读——不删除、不移动、不发送任何邮件。

chimera workflow examples/email_triage/triage.yaml -w ./triage_workspace

需要 IMAP 凭据。设置方式及每日定时运行： examples/email_triage/README.md。

每日研究简报

输入一个主题，输出一份带 5 个要点、附来源的简报，外加一段 3 行的摘要（arxiv 总会用到；如果设 置了 Tavily 密钥则还会用到网页搜索）。

chimera workflow examples/research_brief/brief.yaml -w ./brief_workspace

仓库看门狗

运行某个仓库的测试套件，并写出一份健康报告，列出所有失败的测试。除了写报告之外全程只读。

chimera workflow examples/repo_watchdog/watch.yaml -w /path/to/your/repo

阅读文档（PDF、DOCX、XLSX……）

agent 开箱即用地能读取纯文本。要处理真正的文档——PDF、Word、PowerPoint、Excel、HTML、CSV、 EPUB——安装可选的 extra，它就会获得一个 read_document 工具，能把上述任意一种格式转换成 Markdown：

uv sync --extra documents      # or: pip install 'chimera-agent[documents]'

然后把一个任务指向某个文件："把 report.pdf 概括成 5 个要点。" 没有安装这个 extra 时， read_document 会返回一行安装提示，而不是直接失败。

浏览网页（导航、阅读并操作）

browser 工具是内置的——它驱动一个真实的 Chromium（因此它能看到普通的 http_get 看不到的、 由 JavaScript 渲染出来的页面）。Playwright 随 Chimera 一起提供；约 150MB 的 Chromium 二进制文件 会在你第一次使用浏览器工具时自动下载（这是 pip 无法替你完成的一次性步骤）。不需要任何额外 安装步骤：

# nothing to install — just use it. To turn the auto-download off and fetch it yourself:
#   CHIMERA_BROWSER_AUTO_INSTALL=0  +  playwright install chromium
# For clean Markdown out of read_text (instead of plain text), also add the documents extra:
uv sync --extra documents        # or: pip install 'chimera-agent[documents]'

browser 工具支持以下动作：

  • navigate / read —— 打开一个 URL，并把页面上可交互的元素列成 [ref] role: name （链接、按钮、输入框），这样 agent 就能按 ref 而不是按像素坐标去点击/输入。
  • read_text —— 页面渲染后的完整文本，用于阅读/研究一篇文章、文档或搜索结果。装了 documents extra 后会得到干净的 Markdown（通过 MarkItDown 保留标题、链接、列表结构）； 没装的话就是纯可见文本。可以传入一个可选的 url 参数，一步完成"打开 + 阅读"。
  • find —— 在渲染出的文本中搜索某个关键词，返回匹配到的行。
  • click / type / back —— 按 ref 操作页面。

CHIMERA_BROWSER_HEADLESS=false 会以有头（headful）模式运行 Chromium，便于调试。

页面内容不可信：每一条结果都会被数据围栏（data-fenced），并且该工具会给这次运行打上污点， 因此浏览网页时优先使用 solve --taint --guard，需要提取结构化字段时走隔离读取器 （quarantined reader），而不要直接对原始页面文本采取行动。没有 documents extra 时， read_text 依然能用——只是返回纯文本而不是 Markdown。

研究一个主题（搜索 + 阅读）

把网页搜索和浏览器的 read_text 结合起来，研究某个主题并得到一份附来源的简报——web_search （需要 TAVILY_API_KEY）负责找到相关页面，browser read_text 逐一阅读它们（包括 JS 重度依赖的网站），deliver 负责把简报写出来：

uv run chimera solve "Research 'on-device small language models 2026': web_search for sources, \
  open the top 3 with the browser and read_text each, then write a 5-bullet sourced brief to brief.md" \
  --taint --verify "test -s brief.md"

如果想要一个每一步都带可执行检查的现成版本，参见 examples/research_brief ——它开箱即用地使用 arxiv_search + web_search，而在装了 browser extra 之后，agent 还能 read_text 完整页面，而不只是停留在搜索结果摘要上。

抓取与安全的结构化提取

两个内置工具能把任意页面变成干净、可直接喂给 LLM 的数据——无需安装任何额外组件：

  • scrape —— 抓取一个 URL，返回干净的 Markdown + 元数据。它会走一条成本感知的级联 路径：先尝试普通的 HTTP GET，如果页面返回为空则升级为内置的 browser（JS 渲染），并且—— 仅当你设置了 FIRECRAWL_API_KEY 时——才会兜底回退到 Firecrawl 处理反爬严重的页面。 render=http|browser|firecrawl 可以强制指定某个后端；include_links 还会一并返回页面上的 链接。
  • extract —— 安全地把指定字段提取为经过校验的 JSON。给它一个 url（或 content） 和一份 fields 列表（例如 ["title", "price", "author"]），它就只会返回这些字段。关键在于， 它是通过 Chimera 的隔离读取器（quarantined reader）来读取页面的——这是一个没有工具权限、 输出会经过 schema 校验的模型——因此隐藏在页面里的指令无法劫持 agent。这正是 Firecrawl/ScrapeGraphAI 无法给你的安全保证：一个恶意页面最坏情况下也只能返回一个错误的值， 绝不可能变成一条新指令。大页面会被分块处理再合并，一旦所有字段都被填满就会提前停止以控制 成本。对于已知的页面模板，可以传入 selectors（字段 → CSS 选择器，例如 {"price": ".price", "link": "a.more::attr(href)"}），这些字段就会被确定性地提取——免费、 不经过 LLM——只有选择器没能填上的字段才会用到那个安全的 LLM。
uv run chimera agent "scrape https://news.ycombinator.com and summarize the top 5 stories"
uv run chimera agent "extract the fields title, price, availability from https://example.com/product --taint"

针对整个站点，还有两个动词可用：

  • map —— 低成本地列出一个站点的 URL（有 sitemap 时读取它，没有的话就扫描页面上的链接）。 可选的 search 关键词参数用于过滤结果。在爬取一个站点之前先用它来确定范围。
  • crawl —— 从一个种子 URL 出发追踪链接，返回每个页面清洗后的 Markdown。受 limit 和 max_depth 约束，默认只在同一域名内，并且遵守 robots.txt（服从 Disallow 和 Crawl-delay）。include/exclude 是 URL 的 glob 匹配模式。长时间的爬取是可续跑的： 待爬队列（frontier）会在每爬完一页后写入磁盘检查点，因此一次在第 N 页被中断的爬取，下次运行 会从第 N+1 页继续（默认 resume=true）。
uv run chimera agent "map https://docs.example.com then crawl the /guide section (max 20 pages) and summarize it"

所有内容都会被数据围栏并给这次运行打上污点（因为这些都是不可信的网页内容），因此 solve --taint --guard 是对其采取行动的安全方式。可选的 Firecrawl 兜底方案只有在内置引擎 无法抓取某个页面、且设置了密钥时才会被使用——Chimera 自己就能抓取绝大多数网页，不依赖外部 服务。

音频：语音转文字（转录）

Chimera 能把语音转成文字——是它图像生成和文本转语音工具的对称能力。它编排调用一个 Whisper 模型（而不是自己训练一个）：如果安装了 stt extra，transcribe_audio 工具会使用本地的 faster-whisper（离线/私密）；否则就使用托管的 OpenAI Whisper API（需要一个 OpenAI 密钥）：

uv sync --extra stt      # optional: local, offline transcription (heavier — downloads a model)
uv run chimera agent "transcribe meeting.m4a and give me 5 bullet-point action items"

关于能力边界的说明，秉持本项目一贯的诚实态度：Chimera 是一个 agent，而不是一个模型。它 可以调用语音转文字、图像生成、计算机视觉或经典机器学习——通过调用某个 API，或在其代码沙箱 中运行某个库——但它不会（也不应该）去重新实现 Whisper、Stable Diffusion、PyTorch 或 OpenCV。至于数据科学 / 机器学习，execute_code 沙箱本身就已经允许 agent 编写并运行针对 scikit-learn、pandas、OpenCV 等库的 Python 代码。编排调用能放大 agent 的能力；重新实现则只会 产出一份更慢的复制品。

下载视频或其音轨

download_media 工具能把一段视频（或仅其音轨）从 YouTube 及其他 1000 多个网站下载到工作区 中。它包装了 yt-dlp（持续维护，能应对 cipher/格式/年龄限制之类的频繁变动，而这些正是 pytube 这类单站点抓取工具容易失效的地方）。这是可选安装的；提取音轨还需要 PATH 中有 ffmpeg：

uv sync --extra media-dl
uv run chimera agent "download the audio of https://youtu.be/… then transcribe it and summarize"

和上面的 transcribe_audio 天然搭配：下载 → 转录 → 总结，一次运行全部完成。

数据分析 / 机器学习（data_analysis 技能）

Chimera 不会重新实现 scikit-learn——它会编写正确的 pandas/sklearn 代码，并在 execute_code 沙箱中运行它。data_analysis 技能正是这项能力的名字：给它一个任务和一份 数据集，它就会生成一段自成一体的脚本（加载 → 探索 → 建模 → 评估），随后由 agent 执行它。

uv sync --extra data     # pandas + scikit-learn for the generated code
uv run chimera agent "use the data_analysis skill: predict churn from customers.csv and report accuracy"

图像生成（云端托管或完全本地）

generate_image 默认使用 OpenAI 的图像 API。要实现离线 / 私密的部署方式，设置 CHIMERA_IMAGE_BACKEND=local 并安装（较重、依赖 GPU 的）imagegen-local extra——此后 Chimera 会通过 diffusers 在本地运行 FLUX.1-schnell（Apache-2.0 协议）。auto（默认值）只有在 没有 OpenAI 密钥时才会使用本地方式。

uv sync --extra imagegen-local     # pulls torch + diffusers; downloads multi-GB weights on first use
CHIMERA_IMAGE_BACKEND=local uv run chimera agent "generate an image of a fox in a snowy forest"

和上文一样诚实地划定范围：Chimera 在这里运行一个扩散模型，而不是训练一个。视频生成 （例如 CogVideo）是有意不内置的——那是一个重量级的、已训练好的模型，不适合让 agent 在其基础包里携带；真有需要时，去调用某个托管 API 即可。计算机视觉（OpenCV）不需要专门的 工具——agent 在代码沙箱里已经可以直接 import cv2。

图表与数据可视化

有两种互补的方式来制作图表——两者对自身的能力边界都很诚实（Chimera 是在使用绘图库，而不是 重新实现 matplotlib/plotly/bokeh）：

1. data_visualization 技能——编写图表代码，在沙箱中运行它。 覆盖一切场景（自定义/出版 级图表、3D、任何形式）：该技能会生成一段自成一体、使用 matplotlib/seaborn（静态 PNG/SVG）或 plotly（交互式 HTML）的脚本，并内置了无头后端设置（matplotlib.use("Agg")）以及保存到工作区 的规范。

uv sync --extra viz     # matplotlib + seaborn + plotly for the generated code
uv run chimera agent "use data_visualization: line chart of revenue.csv over time, save revenue.png"

2. render_chart 工具——一份安全、声明式的 Vega-Lite 规范。 一份 Vega-Lite 规范是惰性 的 JSON 数据，而不是代码：可检查、有明确 schema 形状、可重新渲染——对于 Vega-Lite 能覆盖的 标准图表（柱状图/折线图/散点图/直方图/热力图/分面图……）而言，这比直接执行生成出来的代码提供了 更强的治理保障。HTML 输出不需要任何额外组件（它会内嵌规范本身以及 Vega 的 CDN 链接）； PNG/SVG 输出则需要可选的 viz-vega extra（vl-convert-python）。

uv run chimera agent "build a Vega-Lite bar chart of {A:5,B:8,C:3} and render_chart it to chart.html"
uv sync --extra viz-vega   # optional: static PNG/SVG rendering (heavy — Rust+V8 binary)

诚实的能力边界：plotly 包装的是 plotly.js，bokeh 大约有一半是 TypeScript，matplotlib 的渲染 器是用 C++ 写的，而 seaborn 只是 matplotlib 上薄薄的一层封装——这些框架都应该被 agent 调用，而不是重写。代码沙箱本身已经能导入它们；这项技能只是给这个能力起了个名字，并处理好 无头模式下的各种坑。Vega-Lite 是个例外，因为它产出的制品是安全的声明式数据，值得为它单独做 一个工具。

把它们全部安排为定时任务

任何一份配方都可以放到 cron 上运行，并把结果送达到聊天工具：

chimera cron add "morning brief" "0 7 * * *" "Research X; write a 5-bullet brief."
chimera serve   # runs jobs; with a bot configured, delivers to Discord/Telegram/Slack

关于消息网关和 7×24 全天候部署，参见部署。

在 GitHub 上编辑本页