Eigent Release Notes v0.0.87: Privacy Refactor, GPT-5.4 & Multi-Modal Improvements
Ein klarerer Privacy-Flow, neue Modellunterstützung und umfassende Quality-of-Life-Verbesserungen

Eigent Open Source Cowork Release Notes: Privacy-Refactoring, GPT-5.4 & Multi-Modal-Verbesserungen 🚀
Dieses Release konzentriert sich darauf, die Benutzererfahrung zu bereinigen und Eigent im Modell-Ökosystem auf dem neuesten Stand zu halten. Von einem optimierten Privacy-Flow über eine neue Modelloption bis hin zu wichtigen Toolkit-Updates dreht sich bei v0.0.87 alles um Feinschliff und Zuverlässigkeit.
Wie immer stammen diese Verbesserungen aus der Community. Lassen Sie uns eintauchen.
🔐 Vereinfachter Privacy-Consent-Flow
Dies ist eine der wirkungsvollsten UX-Änderungen in diesem Zyklus.
Ein großes Dankeschön an @eureka928 sowie für die Reviews von @a7m-1st und @Wendong-Fan für das vollständige Refactoring der Privacy-Consent-Erfahrung.
Zuvor wurden Nutzer in der Chat-Oberfläche mit einer Privacy-Einstellungsseite mit vier Toggles konfrontiert — eine Unterbrechung, die den Kern-Workflow unnötig erschwerte. In v0.0.87 wurde dieser gesamte Ablauf durch einen einzelnen, optionalen Telemetrie-Schalter „Help Improve Eigent“ ersetzt.
Was sich geändert hat:
- Consent-Gating zur Laufzeit entfernt aus den Komponenten ChatBox und InputBox
- Die Privacy-Seite mit mehreren Toggles ersetzt durch einen einzelnen optionalen Schalter
- Das Feld
help_improvehinzugefügt zum Backend-ModellUserPrivacySettings - Eine wiederverwendbare Radix-UI-Checkbox-Komponente erstellt für einheitliche Formularsteuerelemente
- Die Internationalisierung aktualisiert für alle 11 unterstützten Lokalisierungen
- Nicht verwendete Komponenten bereinigt — die alte Dialog-/Privacy-Komponente ist entfernt
Das Ergebnis? Ein reibungsloseres Onboarding und eine Chat-Oberfläche, die sich auf das Wesentliche konzentriert — Arbeit mit Ihren Agents erledigen.
🔗 PR: https://github.com/eigent-ai/eigent/pull/1239
🤖 GPT-5.4-Modellunterstützung
Die Modellflexibilität wächst weiter.
Dank @fengju0213 unterstützt Eigent jetzt GPT-5.4 als verfügbare Modelloption und hält die Plattform damit auf dem neuesten Stand der aktuellen OpenAI-Modelle.
Durch dieses PR erhalten Sie jetzt:
- GPT-5.4 im Modellselektor
- Zugriff auf verbesserte Reasoning- und Instruction-Following-Fähigkeiten
- Volle Kompatibilität über alle Agent-Typen hinweg
Ganz gleich, ob Sie komplexe mehrstufige Workflows aufbauen oder einfache Q&A-Agents betreiben — Zugriff auf die neuesten Modelle bedeutet, dass Sie immer das beste Werkzeug für die jeweilige Aufgabe wählen können.
🔗 PR: https://github.com/eigent-ai/eigent/pull/1465
🧠 Aktualisiertes Multi-Modal-Agent-Toolkit
Ein wichtiger architektonischer Fix für alle, die auf Vision-Funktionen angewiesen sind.
Vielen Dank an @Wendong-Fan für den Ersatz des veralteten ImageAnalysisToolkit durch das neuere ScreenshotToolkit.
Was verbessert wurde:
- Bildanalyse-Aufgaben nutzen jetzt korrekt das vom Nutzer konfigurierte Modell
- Kein stilles Zurückfallen mehr auf ein fest kodiertes Standardmodell
- Ihre Modellauswahl wird bei allen Aufgabentypen berücksichtigt, einschließlich Screenshot-Erfassung und Bildanalyse
Das ist eine bedeutende Änderung — sie stellt sicher, dass das von Ihnen gewählte Modell auch tatsächlich die Arbeit übernimmt, und zwar in jedem Workflow, einschließlich Multi-Modal-Workflows.
🔗 PR: https://github.com/eigent-ai/eigent/pull/1464
📊 Bessere Anzeige der Erfolgsrate für Trigger
Kleines Detail. Großer Gewinn an Klarheit.
Ein Lob an @Desel72 sowie für die Reviews von @Zephyroam und @bytecii, für die Korrektur der Darstellung von Trigger-Erfolgsraten.
Wenn ein Trigger auf seine erste Ausführung wartet, zeigte die Erfolgsrate bisher irreführend „0 %“ an. Jetzt wird stattdessen „–“ angezeigt, bis echte Ausführungsdaten verfügbar sind.
Was sich geändert hat:
- Erfolgsrate zeigt für nicht ausgeführte Trigger „–“ statt „0 %“
- Schwellwert-Konstanten in einen gemeinsamen Bereich ausgelagert für saubereren Code
- Ehrlichere und genauere Statusmeldungen
Kein Rätselraten mehr, ob Ihr Trigger wirklich fehlgeschlagen ist oder einfach noch nicht ausgeführt wurde.
🔗 PR: https://github.com/eigent-ai/eigent/pull/1424
⚡ Schnellerer Start im Dev-Modus
Ein weiterer Gewinn für die Developer Experience.
Vielen Dank an @4pmtong für die Optimierung des Entwicklungs-Startablaufs, zusammengeführt von @Wendong-Fan.
Zuvor lud und installierte die App bei jedem Start uv, wenn sich Versionen geändert hatten oder das Verzeichnis .eigent/bin nicht initialisiert war. Im Dev-Modus sucht Eigent jetzt zuerst auf Ihrem PATH nach einem systemweit installierten uv, vermeidet redundante Downloads und nutzt vorhandene Caches.
Was verbessert wurde:
- Durchsucht den System-PATH nach
uv, bevor auf.eigent/binzurückgegriffen wird - Verwendet plattformgerechte Befehle:
where.exe(Windows) undwhich(macOS/Linux) - Ersetzt
execSyncdurchexecFileSync, um Shell-Injection-Schwachstellen zu verhindern - Nur für den Dev-Modus — Produktions-Builds bleiben unbeeinflusst
Schnellere Iterationszyklen für alle, die zu Eigent beitragen.
🔗 PR: https://github.com/eigent-ai/eigent/pull/1448
📦 Versionstracking des NPM-Wrappers
Ein frustrierender Upgrade-Bug, beseitigt.
Danke an @4pmtong, freigegeben von @bytecii, für die Behebung eines Versionsverwaltungsproblems bei npm-Wrappers.
Wenn Nutzer Eigent aktualisierten (z. B. von 0.0.85 auf 0.0.86), zeigten Wrapper-Skripte weiterhin auf die alte Python-Virtual-Environment. Dadurch verwiesen Wrapper nach einem Upgrade auf veraltete Abhängigkeiten.
Was behoben wurde:
- Wrapper speichern jetzt den tatsächlichen
pythonPathstatt eines statischen Markers - Automatische Erkennung, wenn sich der Pfad bei Upgrades ändert
- Wrapper-Skripte werden automatisch neu erstellt — keine manuelle Bereinigung erforderlich
Upgrades funktionieren jetzt einfach.
🔗 PR: https://github.com/eigent-ai/eigent/pull/1458
🐛 Fehlerbehebungen
Dieses Release enthält außerdem mehrere gezielte Bugfixes zur Verbesserung der Stabilität:
-
Privacy-Bug für
help_improvebehoben — Ein UI-Validierungsproblem, verursacht durch ein unerwartetes Backend-Feld, wurde behoben; mit einem nachgelagerten Patch auf der Serverseite. (#1455 — @a7m-1st) -
Trigger-bedingte UI-Probleme behoben — Der Header-Abstand unter Windows wurde korrigiert, das Scrollen im Datei-Viewer wiederhergestellt und unnötige Ausführungseinstellungen aus den Konfigurationen von Zeitplan-Triggern ausgeblendet. (#1453 — @a7m-1st)
-
Scrollen für HTML & PDF behoben — Scrollprobleme beim Anzeigen von HTML- und PDF-Inhalten im Datei-Viewer wurden behoben. (#1470 — @4pmtong)
-
Fehlende Abhängigkeit
react-checkboxhinzugefügt — Ein fehlendes Paket wurde behoben, das für die aktualisierte Privacy-Einstellungs-UI erforderlich war. (#1467 — @4pmtong) -
README-Tippfehler behoben — Kleine Dokumentationsbereinigung. (#1461 — @layla)
❤️ Die Community setzt die Messlatte weiter höher
Dieser Sprint lieferte:
- Einen optimierten Privacy-Consent-Flow
- GPT-5.4-Modellunterstützung
- Ein aktualisiertes Multi-Modal-Agent-Toolkit
- Bessere Statusmeldungen für Trigger
- Einen schnelleren Start im Dev-Modus
- Zuverlässige npm-Wrapper-Upgrades
Jede einzelne dieser Verbesserungen stammt von Mitwirkenden, denen es wichtig genug war, das zu verbessern, was sie selbst nutzen.
Das ist die Stärke von Open Source — und die Stärke von Open Source Cowork.
Wenn Sie schon darüber nachdenken, zu Modellen, UX, Agents, Tooling oder Cowork-Workflows beizutragen, ist jetzt der richtige Moment.
Lassen Sie uns weiter bauen.
Recent Posts

Qwen3.8-Max: Alibabas 2,4T-Open-Weight-Modell für Coding
Qwen3.8-Max ist Alibabas Open-Weight-Modell mit 2,4T Parametern für Coding und agentische Arbeit. Hier finden Sie Spezifikationen, Preise, bestätigte Fakten und offene Fragen.

Thinking Machines Inkling-Small: Ein 276B-Modell, das seinen größeren Bruder übertrifft
Thinking Machines Labs Inkling-Small ist ein 276B Open-Weights-MoE, das Inkling bei einem Viertel der Größe entspricht. Spezifikationen, Benchmarks, Preise und warum das wichtig ist.

Alternative zu Augment Code
Vergleichen Sie Augment-Code-Alternativen für große Codebasen nach aktuellen Preisen, gemeinsamer Nutzung, Kontextqualität, Quellzugriff, Self-Hosting, Sicherheit und Teameignung.