Geyser למפתחים

להריץ את כלי הקוד שלך על המכונות שלך, לפי החוקים שלך

Claude Code על הלפטופ, Codex על מחשב הבנייה, ו-⁠Agent שכותב קוד עם Qwen3 Coder על כרטיס המסך של מחשב הגיימינג. Geyser מרכז כל מכונה וכל סשן ברשימה אחת, נותן ל-⁠Agents על מנועים שונים לבדוק זה את העבודה של זה, ושולח התראה לטלפון כשאחד מהם צריך החלטה. המאגרים שלך נשארים על החומרה שלך כל הזמן.

"אני בודק את מחשב הבנייה לאורך הערב ושולח לך הודעה אם הרצת בדיקות נכשלת."

Otis
סשנים של קוד

מעקב אחרי סשנים של קוד בכל המכונות שלך

מתקינים את Geyser Host על מחשבי ה-⁠Mac, ה-⁠Windows וה-⁠Linux שעליהם כותבים קוד. ה-⁠Agents שלך מוצאים את הסשנים של Claude Code, Codex ו-⁠Antigravity ועוקבים אחריהם, ואז שולחים הודעה לשולחן העבודה או לטלפון כשאחד מהם מסתיים או מחכה לך.

אפשר להפעיל, לעצור ולהמשיך סשנים של Claude Code בלי ללכת עד המכונה, ולבדוק כמה נשאר בכל מינוי לפני שמתחילים משהו גדול.

במחשב, Geyser Chat יכול להציב את ה-⁠Agent של המחשב שלך ממש ליד חלון העורך או המסוף. משחררים אותו על החלון הזה וצ׳אט נצמד אליו, כך שאפשר לשאול על הקוד שעל המסך או לתת ל-⁠Agent לעבוד בחלון הזה בלבד כל עוד הוא מחובר.

להשאיר Agent ליד החלון שלך
סשנים של קוד · כל המחשבים
ה-⁠MacBook שלך
Claude Code~/checkoutממתין לך
Claude Code~/docsכתיבה
ה-⁠Mac בסטודיו
Codex~/apiהבדיקות רצות
מחשב בנייה עם Ubuntu
Antigravity~/mobileבוצע
Codex~/infraתכנון
מחשב Windows
Geminiסקירה · checkout-v2בסקירה
סשנים של קוד מכל המכונות שלך ברשימה אחת. ה-⁠Agents שלך עוקבים אחריהם ואומרים לך איזה מהם צריך תשומת לב.
Room בשם checkout-v2: את הקוד ארגן מחדש Ari ב-⁠Claude Code, את הבדיקות הריץ Otis עם Codex במחשב הבנייה, ואת הסקירה עשתה June עם מודל במחשב הגיימינג
Rooms

Claude, Codex ו-⁠Gemini על אותו פרויקט

נותנים לכל Agent את המנוע שהוא הכי טוב בו ומוסיפים אותם ל-⁠Room. אחד כותב את הקוד, אחר מריץ את הבדיקות, ושלישי סוקר את ה-⁠diff. הם מעבירים את העבודה הלאה בעצמם, כך שלא צריך להעתיק דברים בין חלונות.

כשיוצא מודל טוב יותר, מעבירים אליו את ה-⁠Agent. הוא שומר על השם שלו, על מה שהוא יודע על בסיס הקוד שלך ועל המקום שלו ב-⁠Room.

  • Claude
  • ChatGPT
  • Codex
  • Gemini
  • Mistral
  • מודלים פתוחים על החומרה שלך
עוד מחשבים

להריץ עוד מחשבים בתוך המחשב שכבר יש לך

אפשר לתת ל-⁠Agent מחשב Linux מבודד משלו על ה-⁠Mac, מחשב ה-⁠Windows או מחשב ה-⁠Linux שלך, או לתת לו להשתמש במכונה עצמה. את המסך של ה-⁠Agent אפשר לפתוח מכל מקום, ולמשוך חלון מסוף אל שולחן העבודה שלך כאילו הוא מקומי.

החומרה שלך עושה את העבודה, כך שהמחשבים האלה לא עולים כלום להפעלה, והצפייה במסכים שלהם כלולה במינוי החינמי. Personal ו-⁠Office מוסיפים העברת קבצים בגרירה וכמה מסכים בו-זמנית ב-⁠HD. ולעבודה עם shell אפשר בשניהם גם לאשר SSH על המחשב של Agent ולהתחבר עם המפתחות שכבר בשימוש.

להבין את הגישה מרחוק
ה-⁠Mac שלך
המחשב של Ari · Pages
מדריך ללקוחות launch-notes.pdf
מחשב הבנייה · מסוף
$ npm test
  214 passing
$ ▍
הורדות · ב-⁠Mac שלך
invoice-0923.pdflaunch-notes.pdfphotos.zip
המסמך של Ari והמסוף של Otis נפתחים כחלונות על שולחן העבודה שלך, ואפשר לגרור קבצים ביניהם.
ההחלטה שלך

Agents עובדים רק איפה שהרשית להם

  • בוחרים את התיקיות ש-⁠Agent יכול לעבוד בהן. שאר המכונה נשארת מחוץ לתחום.
  • מחליטים אם Agent יכול רק לצפות בסשן או גם לנווט אותו. Agent שרק צופה לא יכול להקליד.
  • בוחרים אילו פעולות צריכות את האישור שלך, כמו מיזוג או פריסה, וה-⁠Agent מחכה לאישור.
לאפשר עבודת קוד?Otis · Codex במחשב הבנייה

Otis מבקש לעבוד בשתי התיקיות האלה ולא ייגע בשום דבר מחוצה להן.

  • ~/api
  • ~/infra
מה אנחנו מבטיחים

הקוד והחשבונות שלך נשארים בשליטתך

קוד עם AI לא אמור לחייב מסירה של המאגרים שלך לעוד שירות, או תשלום כפול על מודל שכבר יש לך מינוי אליו.

הקוד שלך נשאר בבית

המאגרים נשארים על המחשבים שבחרת. כל Agent עובד במחשב מבודד משלו, או על המכונה עצמה כשמפתחות ה-⁠SSH והתחברויות הענן שלך נשארים מחוץ להישג ידו.

בלי מתווך חדש

Agents משתמשים בחשבונות ה-⁠AI שחיברת ועובדים במאגרים שלך. מה שהם לומדים נשמר עם הנתונים של סביבת העבודה, ש-⁠Geyser שומר בארה״ב או, בתיאום מראש, על המערכות שלך.

חוקים שהמודל לא יכול לשכתב

ההרשאות נבדקות מחוץ ל-⁠AI, באותה דרך לכל מנוע. רואים על מה כל Agent עובד, ולחיצה אחת עוצרת אותו.

בלי לשלם פעמיים

מחברים Agents עם מינוי ה-⁠ChatGPT שכבר יש לך, או מריצים מודלים פתוחים על כרטיס המסך שלך בלי עלות לפי טוקן.

המודלים שלך

לבנות אפליקציות על מודל שלימדת

מלמדים מודל על הדוגמאות שלך, ואז קוראים לו מהאפליקציה שלך עם ה-⁠OpenAI SDK או ה-⁠Anthropic SDK שכבר בשימוש. המודל רץ על המחשב שלך בלי עלות. הבקשות מגיעות אליו דרך Geyser, כך שהאפליקציה עובדת מכל מקום בלי לפתוח פורט ברשת הביתית.

  1. 1
    ללמד אותו

    בוחרים "לימוד מודל חדש" ב-⁠Geyser ונותנים לו את הדוגמאות שלך. האימון רץ על אחד המחשבים שלך (Mac עם Apple silicon, מחשב Windows או Linux עם כרטיס מסך של NVIDIA, או מחשב Linux עם גרפיקה של Intel), או ב-⁠Tinker של Thinking Machines אם מאשרים את זה. אחרי שהמודל עובר את הבדיקות, הוא רץ על המחשב שלך דרך Geyser Host. לימוד מודלים נמצא בתצוגה מקדימה.

  2. 2
    לפתוח אותו לפרויקט שלך

    לאפשר לאחד מפרויקטי הפיתוח שלך להשתמש במודל. כל מפתח של הפרויקט הזה עם ההרשאה models:infer יוכל לקרוא לו.

  3. 3
    קריאה דרך ה-⁠OpenAI SDK

    מהשרת שלך, מכוונים את ה-⁠SDK לכתובת ה-⁠API של Geyser שלך ומעבירים את המזהה הפרטי של המודל. גם ה-⁠Anthropic SDK עובד, בכתובת /api/v1/anthropic.

Python · OpenAI SDK
import os
from openai import OpenAI

# GEYSER_API_URL is the API URL shown when you create the key.
client = OpenAI(
    base_url=os.environ["GEYSER_API_URL"] + "/api/v1/openai",
    api_key=os.environ["GEYSER_API_KEY"],
)
reply = client.chat.completions.create(
    model="private/pmd_…",
    messages=[{"role": "user", "content": "Summarize this ticket"}],
)
לקרוא את המדריך למודלים משלך
לבנות על Geyser

Agents בתוך האפליקציות שלך

עם ה-⁠Geyser SDK וה-⁠CLI, התוכנה שלך יכולה לתת ל-⁠Agent משימה, לעקוב אחרי ההתקדמות שלו, לבקש מאדם לאשר שלב ולקבל בחזרה תוצאה שאפשר להשתמש בה. שניהם קוד פתוח ברישיון MIT ומפורסמים ב-⁠PyPI.

לעשות התחלה

לנסות על המכונות שעליהן כותבים קוד

מתקינים את Geyser Host איפה שכותבים קוד ונותנים ל-⁠Agents לעקוב אחרי הסשנים שלך.