Kalynt：Open-Core AI IDE，具备 Offline LLMs、P2P Collaboration 等更多功能

Source: Dev.to

我想要解决的问题

我喜欢 VS Code 和 Cursor。它们功能强大，但都假设相同的模型：将你的代码发送到云端进行 AI 分析。

作为一个关心隐私的人，这在多个层面上让我感觉不妥：

• 云依赖 – 你的 LLM 调用会被记录，可能被用于训练，始终可追溯。
• 单用户设计 – 两者都不是从一开始就为团队构建的。
• 服务器依赖 – “Live Share” 以及协作功能依赖中继服务器。

我想要不同的东西。于是我自己构建了它。

什么是 Kalynt？

Kalynt 是一个 IDE，其特点：

• AI 本地运行 – 通过 node-llama-cpp。无需互联网。
• 协作采用 P2P – 使用 CRDTs + WebRTC 实现实时同步，无需服务器。
• 透明 – 所有安全关键代码都是开源的（AGPL‑3.0）。
• 在低配硬件上运行 – 已在 8 GB 的 Lenovo 笔记本上构建并测试。

技术深度解析

本地 AI 与 AIME

大多数开发者想在本地运行 LLM，却认为“这需要高端 GPU 或云订阅”。
AIME（Artificial Intelligence Memory Engine）是我的答案。它是一个上下文管理层，即使在硬件受限的情况下也能让代理高效运行，方式包括：

• 智能上下文窗口
• 高效的 token 缓存
• 通过 node-llama-cpp 实现本地模型推理

结果： 你可以在“土豆机”上运行 Mistral 或 Llama，并完成真正的工作。

使用 CRDT 的 P2P 同步

没有服务器的协作很困难。大多数工具放弃了，转而围绕中心中继构建（如 Figma、Notion、VS Code Live Share）。

我选择了通过 yjs 实现的 CRDT（Conflict‑free Replicated Data Types）：

• 每一次更改都带有时间戳且顺序无关
• 对等方直接通过 WebRTC 同步
• 没有中心权威 = 不需要服务器
• 可选的端到端加密

架构模块

• @kalynt/crdt → 无冲突状态
• @kalynt/networking → WebRTC 信令 + 对等管理
• @kalynt/shared → 公共类型

开源核心以实现透明

核心（编辑器、同步、代码执行、文件系统隔离）100 % 使用 AGPL‑3.0。你可以审计每一个安全边界。

专有模块（高级代理、硬件优化）虽为闭源，但仍对用户可见：

• 完全本地运行
• 二进制中高度混淆
• 对核心 IDE 非必需

我的构建过程

• 时间线： 1 个月
• 硬件： 8 GB Lenovo 笔记本（未升级）
• 代码量： ~44 k 行 TypeScript
• 技术栈： Electron + React + Turbo monorepo + yjs + node-llama-cpp

流程

1. 设计架构（安全模型、P2P 连接、代理能力）
2. 使用 AI 模型（Claude、Gemini、GPT）帮助实现
3. 评审、测试并集成所有内容
4. 通过 SonarQube + Snyk 进行安全扫描

这就是现代单人开发的工作方式：人负责架构和判断，AI 负责实现的繁重工作。

我的收获

1. 发布胜过完美 – 我本可以再花一个月进行打磨，但发布 v1.0‑beta 获得了真实反馈，这比表面的完美更有价值。
2. 开源核心需要透明 – 如果你对某些部分进行闭源，需要非常明确地说明是什么以及原因。我在 SECURITY.md、OBFUSCATION.md 和 CONTRIBUTING.md 中记录了这些，以表明我没有隐藏任何不良意图。
3. WebRTC 功能强大但棘手 – 点对点同步真的很难。CRDT 解决了算法问题，但信令、NAT 穿透和节点发现才是耗费大量时间的地方。
4. 隐私优先是功能，而非勾选框 – 这不是“添加了加密支持”。而是“系统的设计使得集中存储是可选的，而非默认”。

试一试

• GitHub:
• 下载安装程序:
• 或从源码构建:

git clone https://github.com/Hermes-Lekkas/Kalynt.git
cd Kalynt
npm install
npm run dev