软件安全LLM技术博客
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Terse Systems 本页并不是传统意义上的开发者工具官网，而是作者围绕 LLM Agent 的技术博客与个人项目记录。核心项目 recipellm 已公开在 GitHub，可通过 Docker Compose 和基础模型 API Key 运行，目标是构建一个“厨师 Agent”：搜索食谱、导入 Mealie、添加烹饪备注、生成购物清单，并逐步实现餐食规划和主动提醒。
正文重点展示了 Letta 与 Mealie 的集成。Mealie 被描述为开源食谱管理器，带 Swagger API，支持从 URL 创建食谱、查询食谱、按 slug 获取内容、更新标签和分类、添加 notes、读取 meal plans。Letta 负责有状态 Agent 与函数调用，作者认为其 ADE 中直接粘贴 Python 并调试函数的体验较好。方案还可接入 Tavily 做网页搜索，使用 ntfy 推送烹饪提醒，并用 Prefect workflow 探索非固定周期通知。
正文没有提供 Terse Systems 或 recipellm 的商业定价。实际成本来自第三方模型和 API，例如 Gemini、Claude、ChatGPT、Tavily 等。部署方面，自托管信息较明确：项目可用 Docker Compose 运行，作者本地使用 Proxmox、Tailscale，并接入 ntfy 到 iPhone。对重视本地控制和可组合工具链的开发者较友好。
优点是内容非常实战，覆盖函数调用、模型提供商兼容性、上下文窗口、429 限流、本地模型能力不足等真实问题。作者明确指出 Letta 的 OpenAI proxy endpoints 并非官方推荐，直接使用模型提供商更可靠。缺点是它不是成熟产品文档，缺少完整安装指南、权限模型、稳定性承诺和服务支持信息；自动 meal planning 和主动对话也仍在探索阶段。
它适合熟悉 Docker、API Key、LLM tool calling 和自托管服务的开发者，用作 Agent 集成参考或个人自动化样板。不太适合希望开箱即用、低代码配置的普通用户。中国访问情况正文未说明；但方案依赖 GitHub、部分海外模型 API、Tavily 等服务，国内使用时网络连通性、支付和 API 可用性需要自行验证。可替代方向包括 LangChain、LlamaIndex、Dify、Flowise、n8n 及各模型厂商原生工具调用方案。
本测评基于公开资料整理,不构成购买建议,请以 tersesystems.com 官网实际信息为准。
涵盖LLM、日志、安全等技术文章。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。