我们习惯的模式是"人在编辑器里写代码，AI 在旁边辅助"。但 anvil.el 这个项目提出了一个反过来的思路：让 AI 直接操作编辑器，让编辑器成为 AI 的工具。

这不是换个说法而已。传统的 AI 编码流程里，agent 要改一个文件，必须先把整个文件读进来，定位要改的地方，修改，再把整个文件写回去。如果文件很大，每一次读和写都在浪费 token——agent 的上下文窗口被大量无关内容占满，钱也花在了搬运无用数据上。

anvil.el 的做法是：Emacs 作为 MCP（Model Context Protocol，模型上下文协议）服务器运行，AI agent 通过 MCP 协议直接调用 Emacs 的能力。想改哪一行就只传那一行的变更。想读某个 org 标题下的内容就只返回那个子树。Emacs 几十年积累的编辑能力——org-mode、dired、magit、calc——全部变成了 AI 可以调用的工具，v0.4.0 已经有 198 个以上这样的工具了。

anvil.el 的作者 zawatton 在日本经营一家一人电气工程公司，大约维护 40 个客户的设备。他的日常工作依赖 Windows 上的 Excel 做巡检报告，用 Emacs 的 org-mode 做笔记和日程管理。

他使用 Claude 辅助工作的过程经历了三个阶段：

阶段一：Claude Desktop。 Anthropic 的桌面应用能直接操作本地文件和浏览器，帮他把文档整理、报告起草、记账这些工作自动化了。但很快他就撞上了月费 200 美元（MAX 套餐）的使用上限。

阶段二：Claude Code。 他转到命令行版的 Claude Code，shell 和 git 集成更流畅了。但问题出在文件编辑上——他开始把巡检数据从 Excel 迁移到 org 文件，因为 AI 处理纯文本比处理 Excel 高效得多。然而 Claude Code 编辑大 org 文件（约 1.2 MB）时，内容频繁丢失，token 消耗也跟着暴涨。原因很简单：Claude Code 每次编辑都要读整个文件再写回去，对于 Emacs 用户来说习以为常的大文件，在 AI 的读写模式下效率极低。

阶段三：造 Anvil。 他的想法是：既然 Emacs 处理大 org 文件这么熟练（按行编辑、按标题导航），为什么不让 Claude 直接用 Emacs 的能力来编辑？于是他把 Emacs 做成了 MCP 服务器，AI 通过协议调用 Emacs 的编辑命令，而不是自己笨拙地读写整个文件。

理解 Anvil 的关键在于"按区域操作"这个设计原则。

传统模式下，agent 想在一个 1.2 MB 的 org 文件里替换一个字符串，流程是：读取 1.2 MB 内容 → 找到目标 → 修改 → 把修改后的 1.2 MB 写回去。往返一次，光搬运数据就消耗几万个 token。

Anvil 提供的是精准操作工具：

• anvil-file-replace-string:只传要查找的字符串和替换内容，Emacs 在本地完成替换，不传文件内容
• anvil-org-read-headline:只读某个标题下的子树，哪怕整个文件有 13000 行
• anvil-file-insert-at-line:在指定行号插入内容，只传新增的那几行
• anvil-file-batch:把对同一个文件的多次编辑合并成一次调用，一次性完成

实际效果如何？作者在真实项目（一个 16000+ 行 TypeScript 的游戏移植项目 newDTW）中测量了几个典型场景：

每次重构会话累计节省 15000-25000 个 token。这些 token 省下来之后，agent 可以把上下文窗口用在真正的推理上，而不是反复搬运文件内容。

Worker 异步调度： 慢操作（大型 tangle、全项目扫描、字节编译）不会阻塞 agent 的主连接。Anvil 把这些任务分发给后台的 worker Emacs 进程。实测中， org-babel-tangle 在主线程跑要 30 秒，用 worker 派发只要 2 秒——快了 15 倍，而且 agent 的主会话不会被卡住。

Manifest 配置文件控制工具暴露数量： Anvil 提供了不同的配置文件来控制向 agent 暴露多少工具。全量模式暴露 198+ 个工具（约 20400 token 的描述），精简模式（ultra）只暴露 17 个核心工具（约 2740 token）。在多 agent 并行的场景下，200 个子会话用全量配置光工具列表就消耗 400 万 token，用 ultra 只需 55 万——工具列表本身就省了 87%。

不只是 org-mode： 虽然 Anvil 的起源是 org 文件编辑问题，但它的工具覆盖了文件批量操作、JSON 编辑、git 操作、Elisp 求值、进程管理、剪贴板读写、Excel/PDF 处理等等。v0.4.0 还加入了基于 tree-sitter 的 Python、TypeScript、JavaScript 结构化编辑——agent 可以在 AST 层面做重构，而不是靠正则匹配。

多 agent 编排： anvil-orchestrator 能把一个 prompt 同时发给多个 AI CLI（Claude、Codex、Gemini、Ollama），收集结果后做共识判定，甚至可以让一个 meta-LLM 来评审。作者实测：三个不同 provider 的 consensus 调用（claude + codex + ollama）比单独跑三个 Claude 又快又便宜——因为 codex 和 ollama 没有按 token 计费。

了解了设计思路之后，实际用起来并不复杂。以下是从零开始的三个步骤。

安装： 非 Emacs 用户可以用一行脚本自动安装（会自动安装 Emacs、clone 仓库、启动守护进程、注册 MCP 服务）：

# Linux / macOS
curl -fsSL https://raw.githubusercontent.com/zawatton/anvil.el/master/install.sh | bash

Emacs 用户可以用包管理器安装，比如 straight.el：

(straight-use-package
 '(anvil :type git :host github :repo "zawatton/anvil.el"
         :branch "v0.4.1"))

配置并启动： Anvil 的模块分默认和可选两类。默认模块在 anvil-enable 时自动加载，可选模块需要手动指定：

(require 'anvil)

;; 默认加载的模块（不改就不用设，这些是默认值）
(setq anvil-modules
      '(worker eval org file host git proc fs emacs text clipboard data net))

;; 按需开启可选模块
(setq anvil-optional-modules
      '(xlsx     ;; Excel 读写（需要 Python + openpyxl）
        pdf      ;; PDF 文本提取（需要 Python + pymupdf）
        ide      ;; xref、diagnostics、imenu、tree-sitter（需要 project.el）
        browser  ;; 网页抓取（需要 agent-browser CLI）
        http     ;; HTTP GET/HEAD + ETag 缓存（需要 Emacs 29+）
        orchestrator  ;; 多 agent 并行编排（需要 AI CLIs + Emacs 29+）
        cron     ;; 定时任务（配合 orchestrator 可做夜间自动重构）
        elisp    ;; Agentic Elisp 开发工具
        ))

(anvil-enable)         ;; 注册所有模块的 MCP 工具
(anvil-server-start)   ;; 启动 MCP 服务器

默认模块覆盖了日常场景：worker（后台任务派发）、eval（Elisp 求值）、org（org 操作）、file（文件操作）、git（git 查询）、host（系统信息）等。不需要的功能直接从列表里去掉就行，比如你不用 git 就可以把 git 删掉，Anvil 就不会注册相关的 MCP 工具。

Spacemacs 配置： 如果你用 Spacemacs，可以把 Anvil 放到某个 layer 里管理。比如在 my-misc layer 的 packages.el 中：

;; packages.el
(setq my-misc-packages
  '(
    ;; ... 其他包 ...
    (anvil :location (recipe :fetcher github :repo "zawatton/anvil.el"
                             :branch "v0.4.1"))
    ;; ...
    ))

(defun my-misc/init-anvil ()
  (use-package anvil
    :config
    (setq anvil-optional-modules '(ide http))
    (server-start)              ;; Anvil 需要 emacsclient 连接
    (anvil-enable)
    (anvil-server-start)))

有一个坑需要注意：Spacemacs 用 recipe 方式安装包时，编译后的 .el 文件和 .sh 脚本可能不在同一个目录，导致 M-x anvil-server-install 报"Cannot find anvil-stdio.sh"。解决办法是手动复制桥接脚本：

# 从 clone 下来的仓库中复制（或从 GitHub 下载）
cp /path/to/anvil.el/anvil-stdio.sh ~/.emacs.d/anvil-stdio.sh
chmod +x ~/.emacs.d/anvil-stdio.sh

连接 Claude Code： Anvil 通过一个 shell 脚本（~anvil-stdio.sh~）作为 MCP 桥接。先在 Emacs 里运行 M-x anvil-server-install 安装桥接脚本，然后在终端注册两个 MCP 服务：

claude mcp add -s user -t stdio anvil -- \
  ~/.emacs.d/anvil-stdio.sh \
  --server-id=anvil \
  --init-function=anvil-enable \
  --stop-function=anvil-disable

claude mcp add -s user -t stdio anvil-emacs-eval -- \
  ~/.emacs.d/anvil-stdio.sh \
  --server-id=emacs-eval

为什么是两个？因为 Anvil 内部用两个 server-id 分别管理不同类别的工具（ anvil 管 eval/IDE， emacs-eval 管文件/org/buffer/worker）。注册两个入口就能让 Claude Code 看到全部 198+ 个工具。

之后正常使用 Claude Code 就行——Claude 会自动在需要时调用 Anvil 的工具，不需要手动触发。

使用示例： 假设你有一个 3000 行的 =todo.org=，想用 Claude Code 把某个标题下的所有 TODO 项标记为 DONE，并移到归档位置。

没有 Anvil 时，Claude Code 的流程是：先用 Read 工具读取整个 3000 行文件（消耗几千 token），找到目标标题，修改状态，再用 Edit 工具写回去（又几千 token）。如果想同时移动子树到另一个位置，还要再来一轮读写。

有了 Anvil，Claude Code 的对话会变成这样：

你：把 todo.org 里"Q1 任务"下面的 TODO 项全部标记为 DONE，然后 refiling 到"归档"标题下。

Claude：我来处理。
[调用 anvil-org-read-headline]  ;; 只读"Q1 任务"子树，约 80 行，而不是整个 3000 行
[调用 anvil-file-batch]         ;; 一次性把所有 TODO → DONE + 执行 refiling
完成。"Q1 任务"下 12 个 TODO 项已全部标记为 DONE 并 refiling 到"归档"标题下。

整个过程只传了目标子树的内容和变更指令，没有读写整个文件。传统方式可能消耗 6000-8000 token（读 + 写各一轮），Anvil 方式大约 500-800 token——省了将近 90%。

再比如批量重命名。没有 Anvil 时，Claude Code 要先 grep 找到所有包含旧名字的文件，然后逐个 Read、Edit、写回，几十个文件就是几十轮往返。有了 Anvil，一条 anvil-file-replace-string 或 emacs-eval 调用就能在 Emacs 侧一次性完成——作者实测在 7 个仓库 39 个文件里把 zawatton21 改为 =zawatton=，只花了一次往返。

但更重要的启示不在于这个工具本身，而在于它揭示的优化方向：AI agent 的效率瓶颈往往不是模型能力，而是它和编辑器之间的交互方式。每次读写整个文件是在浪费 token，按区域操作才能把上下文窗口留给真正重要的事。

这个思路不依赖 Emacs——任何编辑器只要能提供类似的精准操作接口，都能实现同样的效果。只是 Emacs 作为 Lisp 机器，天然具备无限可扩展性，所以率先把这个想法做出来了。