此项目为个人玩具，目前你不应该期望能将其用于稳定的生产
vva 是终端与浏览器中的 AI 编程助手：用自然语言描述任务，模型在你的项目里读写文件、执行命令、联网查资料，直到完成。
多数编程助手把所有模型压成同一个 Chat Completions 接口，缓存、思考签名、原生搜索等能力随之丢失。vva 为每家供应商实现原生协议：
- OpenAI Responses：
previous_response_id服务端链式续接，只上传增量上下文； - Anthropic Messages：Prompt Caching 断点与 Thinking 签名完整回传，长会话持续命中缓存；
- Google Gemini：原生 Google Search Grounding，回答附带精确到片段的引用来源。
结果是更低的 token 成本、更快的响应，以及模型能力不打折扣。
- 三种界面：全屏终端界面、浏览器界面（含文件浏览与 IDE 布局）、单次命令行执行，共享同一套会话；
- 会话持久化：按项目自动保存，随时恢复、回退或分叉；
- 用量透明：实时显示 token、缓存命中与费用；
- 多模态：
@引用工作区文件，图片与 PDF 作为原生附件发送； - 可扩展：支持
AGENTS.md指令、Agent Skills、自定义 subagent； - 联网兜底：模型无原生搜索时可接入 Brave / Tavily / Gemini / DeepSeek / 智谱搜索与网页抓取；
- 常驻 IM agent：
vva agent接入 QQ，自动路由会话、沉淀长期记忆、执行定时任务。
一键安装或更新到最新 release：
# Linux x86_64 / arm64、macOS Apple Silicon（arm64）、Android arm64（Termux）
curl -fsSL https://raw.githubusercontent.com/jerrita/vva/master/scripts/install.sh | bash# Windows x64
irm https://raw.githubusercontent.com/jerrita/vva/master/scripts/install.ps1 | iex已安装时，安装脚本比较本地与最新版本，已是最新则跳过下载。也可直接执行：
vva version # 查看当前版本
vva update # 更新到最新 release（安装到当前可执行文件所在目录）从源码构建需要 Rust 1.85+；构建期需要 Node.js 与 npm（Web 前端打包进二进制，运行时无需 Node）。
cargo install --git https://github.com/jerrita/vva在 Termux 中安装依赖后，运行上方的一键安装命令：
pkg install bash curl tar coreutils ca-certificates安装脚本选择 android-arm64 产物，默认安装到 $PREFIX/bin，可通过 VVA_INSTALL_DIR 修改。主目录读取 $HOME，未设置时使用 /data/data/com.termux/files/home；全局配置位于该目录下的 .vva/config.jsonc，会话与技能等数据也保存在 .vva 下。
在 Termux 中从源码构建时，先安装 rust clang make nodejs-lts，再执行上方的 cargo install 命令。
已有官方 API Key 时，设置环境变量即可直接使用：
export OPENAI_API_KEY=...
vva # 默认模型 openai/gpt-5.6-terra
export ANTHROPIC_API_KEY=... # 或 GEMINI_API_KEY
vva run --model anthropic/claude-sonnet-4-5 # 以 供应商/模型 指定使用其他供应商或兼容端点时，写一份 ~/.vva/config.jsonc：
自定义供应商、推理档位、费率、联网搜索等配置见 配置参考；配置文件声明 "$schema" 指向 schema.json 可获得编辑器补全。
也可以把下面的 prompt 交给其他 coding agent，由它辅助完成配置：
帮我配置 vva（https://github.com/jerrita/vva）。
先阅读配置参考与 schema：
- https://raw.githubusercontent.com/jerrita/vva/master/docs/config-reference.md
- https://raw.githubusercontent.com/jerrita/vva/master/schema.json
然后询问我要使用的供应商、端点、模型与是否需要联网搜索，据此生成 ~/.vva/config.jsonc：
- 文件开头声明 "$schema" 指向上面的 schema.json；
- API Key 以 "${ENV_VAR}" 引用，密钥写入 ~/.vva/env（KEY=VALUE 格式），不写进配置文件；
- 写入后运行 `vva run "hello"` 验证，报错时按配置参考修正。
vva # 终端界面
vva run "梳理 src/harness 的调用链" # 单次执行，结果流式输出
vva web # 浏览器界面，http://127.0.0.1:3000
vva agent # 常驻 IM agent终端界面中输入 /help 查看命令，/model 切换模型，/sessions 恢复历史会话。
{ "settings": { "default": "zai/glm-5.3" }, "providers": { "zai": { "type": "glm-coding-plan", // 智谱预设：只需密钥，端点与模型自动补全 "api_key": "${ZAI_API_KEY}" } } }