AI Agent平臺：異步協作與本地化部署的開源個人AI助手

AI Agent平臺 是一個開源個人 AI 助手，專注解決真實協作場景中的痛點：時區錯位、敏感數據不出內網、以及開發者需要可控的集成路徑。它不依賴云端大模型 API，核心邏輯可全量運行在本地，任務調度和狀態同步通過輕量級消息隊列實現。

異步協作：按需觸發，不卡流程

團隊成員不在同一時間在線？會議排期總湊不齊？AI Agent平臺 把協作從“實時對齊”轉向“狀態對齊”。

它不強制所有人同時在線，而是把任務、上下文和預期結果固化為可序列化的單元，交由本地服務異步流轉。典型工作流：

• 用戶 A 提交一個「分析上周銷售日志并生成摘要」任務，附帶原始日志文件和提示模板
• AI Agent平臺 將任務寫入本地 SQLite 任務隊列，標記為 pending
• 用戶 B 在自己方便的時間拉取該任務，執行后提交結果（文本、圖表或代碼片段）
• 系統自動更新任務狀態為 completed，通知 A 查看，并將輸出存檔到本地知識庫

關鍵設計點：

• 任務自帶上下文快照（含當前系統時間、用戶角色、關聯文件哈希），避免“我改了但你沒看到最新版”
• 所有狀態變更通過本地 SQLite WAL 模式記錄，支持斷電恢復
• Git 集成僅用于同步提示詞模板和工作流定義（.claw/ 目錄），不托管原始業務數據

沒有中心化服務器協調，也沒有長連接保活——靠本地文件鎖 + 輕量輪詢完成協作閉環。

本地化部署：數據不動，模型可選

AI Agent平臺 默認不聯網。所有數據落盤在用戶指定目錄（如 ~/.ai-agent/data），數據庫、日志、緩存、模型權重全部隔離在本地文件系統中。

你可以選擇：

• 完全離線：用 llama.cpp 加載 GGUF 格式量化模型，CPU 推理（實測 M2 Ultra 上 3B 模型響應 < 800ms）
• 混合模式：調用本地 Ollama 或 LM Studio 的 HTTP 接口，仍不經過公網
• 企業網關：對接內部 vLLM 集群，AI Agent平臺 僅作任務編排層

實際效果：

• 醫療機構用它處理脫敏后的患者隨訪記錄，原始 CSV 文件從不離開內網服務器
• 金融團隊在無外網的開發機上跑合規檢查腳本，提示詞經法務審核后固化為 Git tag
• 網絡不穩定時，任務隊列持續接收新條目，網絡恢復后自動重試失敗步驟

Windows/macOS/Linux 均提供單二進制分發包，無 Python 環境依賴，安裝即用。

開發者友好性：少抽象，多控制

AI Agent平臺 的代碼結構直接映射到使用場景：

├── cmd/          # CLI 入口（ai-agent start / ai-agent task submit）
├── core/         # 任務調度器、狀態機、本地存儲引擎
├── adapters/     # Ollama / llama.cpp / vLLM 的適配層（各 100 行以內）
├── web/          # 基于 HTMX 的極簡前端（無 JS 框架，純 HTML + SSE）
└── examples/     # 可直接運行的 workflow.yaml（含郵件自動歸檔、周報生成等）

API 設計克制：

• POST /v1/tasks 提交任務（JSON body，字段直白：prompt, files, assignee）
• GET /v1/tasks?status=completed 拉取結果（返回純文本或 base64 編碼附件）
• 所有端點默認走 http://localhost:8080，無需鑒權（由操作系統進程隔離保障安全）

社區貢獻集中在具體問題：

• 新增一個 git diff 解析器，讓任務能自動提取 PR 中的變更文件列表
• 為 Windows 添加服務注冊腳本（ai-agent install-service）
• 修復 Outlook .msg 文件解析的編碼異常

沒有“平臺抽象層”，沒有自定義 DSL——所有擴展都落在標準工具鏈上。

Windows 環境快速配置指南

1. 下載
   訪問 https://ai-agent.io/downloads，下載 ai-agent-v0.8.2-windows-amd64.exe（或 arm64）

2. 安裝

   • 雙擊運行，選擇安裝路徑（例如 C:\Program Files\AI Agent平臺）
   • 勾選「添加到 PATH」（推薦）

3. 初始化

   # 啟動服務（首次運行會創建 ~/.ai-agent 目錄）
   ai-agent start
   
   # 提交第一個測試任務
   ai-agent task submit --prompt "列出當前目錄下所有 .txt 文件名" --cwd .

4. 訪問界面
   瀏覽器打開 http://localhost:8080

   • 左側導航欄查看任務隊列
   • 點擊任務 ID 查看完整輸入/輸出/執行日志
   • 設置頁可切換本地模型路徑（如 C:\models\phi-3-mini.Q4_K_M.gguf）
5. 驗證離線能力
   斷開網絡，重復步驟 3 —— 任務仍能提交、執行、返回結果。所有操作發生在本地進程內。

下一步：從運行到改造

• 想替換默認模型？修改 ~/.ai-agent/config.yaml 中的 model_path，指向你的 GGUF 文件
• 需要對接內部系統？用 ai-agent task submit --webhook http://intranet/api/v1/hooks 觸發回調
• 做自動化辦公？復制 examples/email-archive.workflow.yaml，把 imap_server 改成公司郵箱地址

AI Agent平臺 不是黑盒助手，而是一套可拆解、可替換、可審計的協作原語。它的價值不在“多聰明”，而在“多可靠”——當網絡中斷、政策收緊、或你需要知道每一行輸出從哪來時，它依然在你機器里安靜運行。