Новый инструмент SlopLobster запускает AI-агента для кода полностью локально, прямо на вашем компьютере. Без аккаунтов, без API-ключей, без облака. По сути, это опыт уровня Claude Code и Cursor, но с вашими правилами и вашими файлами.
Вся система собирается из одного HTML-файла, LM Studio и маленького Python-сервера. Разработчик обещает: открыли, подключили проект, дали задачу, и агент сам читает файлы, правит код, гоняет команды и проверяет результат.
Что реально изменилось для обычной работы с кодом
Главный сдвиг в том, что AI-помощник переехал в локальную среду. Это важно для тех, кто не хочет отправлять код в облачные сервисы. Особенно для агентств, продуктовых команд и фрилансеров с NDA.
SlopLobster умеет работать в цикле: получил задачу, открыл файлы, внес правки, запустил тест, исправил ошибки и вернулся с результатом. Такой подход называют iterative tool loop (циклическая работа с инструментами до готового результата).
- Редактирует код с видимыми diff (разница между версиями) после каждого изменения.
- Показывает поток ответов в реальном времени, а не одним большим блоком в конце.
- Проверяет синтаксис автоматически через py_compile и node -c.
- Может требовать подтверждение перед записью правок: Accept или Reject.
- Перезапускает проверку после фиксов, если тесты упали.
В интерфейсе есть правая панель с файлами, изменениями, терминалом и Git. Это ускоряет ревью: не надо прыгать между 5 окнами. Для длинных задач есть Plan mode (режим пошагового плана), где агент сначала предлагает шаги, а потом выполняет.
Зачем это сделали и что стоит за трендом
На рынке явный спрос на приватные AI-инструменты. Компании устали выбирать между скоростью и безопасностью. SlopLobster отвечает просто: модель локальная, команды локальные, данные локальные.
Архитектура тоже показательна. Сам SlopLobster это фронтенд без собственного backend (серверной части). Тяжелую работу делают LM Studio на порту 1234 и companion-сервер на порту 8765.
- LM Studio отвечает за LLM (большая языковая модель) и tool calling (вызов инструментов).
- Companion запускает shell-команды, web search (поиск в вебе), fetch URL (получение страниц), browser automation (автоматизация браузера).
- Браузер через File System Access API (доступ к файлам) дает агенту работать с выбранной папкой проекта.
Важно, что сервер по умолчанию слушает только 127.0.0.1. Это локальный адрес, без внешнего доступа. Для многих это сильный аргумент, когда речь о коммерческом коде и внутренних репозиториях.
Как применить прямо сейчас: 3 сценария за один вечер
Проект можно поднять без долгой настройки. Нужны Chrome или Edge, LM Studio и Python-скрипт companion. Никаких npm install и сборок.
1) Быстрый рефакторинг старого проекта
- Открываете папку проекта.
- Пишете задачу: вынести повторяющийся код и обновить импорты.
- Смотрите diff, подтверждаете правки и сразу прогоняете тесты.
2) Подготовка MVP для клиента
- Включаете Plan mode (режим пошагового плана).
- Получаете структуру задач: роуты, формы, валидация, деплой.
- Выполняете шаги по очереди и контролируете каждый коммит.
3) Технический ресерч без ручной рутины
- Агент ищет документацию через DuckDuckGo.
- Читает страницы и вытаскивает суть без мусора.
- При наличии Playwright автоматизирует браузерные проверки.
Есть и ограничения. Для стабильной работы нужна модель с хорошим tool-use training (обучение работе с инструментами) и желательно контекст от 32k токенов. Рекомендуют Qwen 3.5 или Gemma 4 в LM Studio.
Сколько это стоит и кому особенно зайдет
Сам SlopLobster распространяется как открытый проект на GitHub. Платить за облачный API не нужно, если модель крутится локально. Фактическая цена это ресурсы вашего компьютера и время на первичную настройку.
- Предприниматели: быстрее проверять гипотезы и править внутренние инструменты.
- Маркетологи с техбэкграундом: автоматизировать парсинг, отчеты и лендинги без внешних подрядов.
- Разработчики: ускорить рутину, сохранив контроль над кодом и Git-процессом.
Отдельный плюс в том, что даже без companion есть fallback (резервный режим) с базовыми командами. То есть редактирование файлов не ломается, даже если часть функций недоступна.
Самое интересное здесь не в еще одном AI-агенте. Важнее другое: рынок разворачивается от «дай доступ в облако» к «все работает у меня локально», и это может стать новым стандартом для рабочего AI.
Источник: GitHub SlopLobster.