AgentBridge

AgentBridge（代号“AGENT”）——承诺取代人类完成办公室工作的 AI 个人助手

为你的工作注入 Agent 能力！一款可自动处理任务和工作、同时不牺牲隐私的 AI 个人助手。 我们很高兴将这款强大的工具交到你手中，帮助你实现业务自动化、降低人力成本，并为你提供办公自动化行业最先进的 AI 技术。

AgentBridge 是一款可自托管的服务，在单个进程中通过两个主要接口运行自己的 AI Agent：全屏聊天终端（TUI）和采用标准 OpenAI 协议的 HTTP API，因此任何兼容 OpenAI 的客户端都能驱动相同的 Agent。

你可以在终端中聊天，同时让脚本、机器人和应用在同一端口上使用相同的 Agent： 同一进程、相同对话，无需桥接，也无需同步。

明确说明一下兼容性的范围：AgentBridge 在外部兼容 OpenAI 标准，但内部并非如此。对于任何 OpenAI 客户端来说，它都是标准的 OpenAI 服务——SDK、机器人和脚本通过普通的 POST /v1/chat/completions 与其通信，并访问相同的 Agent。它并非运行在标准 Agent 系统之上：Agent 核心是我们自己的引擎（AIOrchestrator/AgentHarness），其标志性概念是，Agent 的能力以编译后的 .NET 程序集形式提供，这些程序集作为插件从 Tools/ 文件夹加载，并在进程内驱动——没有解释器、没有远程工具服务，也没有连接 Agent 与其操作的标准 Agent 粘合层。这就是下文所述的通用工具系统，也是让本产品脱颖而出的架构差异。

这是面向新一代人工智能的首个 Agent Harness 系统，带来了重大创新，树立了行业竞争的新标杆。系统将 Agent 功能封装在精心设计的沙箱中，防止企业因 AI 未得到妥善控制而遭受损失，同时又能让企业放心地将实际业务任务交给 AI，并享有极高的隐私和保密性。

AgentBridge 与你熟悉的 Harness 不同，因为它的设计目标是让即使没有技术技能的人也能使用，例如你的奶奶，而且不会带来损害风险：文件操作可通过版本管理撤销，Agent 被限制在由内置防护机制划定的空间内，并且不提供代码 Agent 功能，正是为了防止代码被创建或执行。它还可以与我们的云平台一同提供，该平台会将文件区域实时同步到位于你公司内部的私有加密云。简而言之，任何雇主都可以向员工提供这款产品，帮助他们处理办公室工作并提高业务流程效率。使用传统 Harness 时，一条措辞不当的提示词就可能毁掉文档、清空工作磁盘或造成其他损害；而我们的重点恰恰是打造一款适用于办公场景的安全工具。

团队为何选择这种架构 AgentBridge 基于 AIOrchestrator 库模式构建：一个运行时、一个 Agent 核心，以及贯穿终端和 API 的统一操作流程。与传统的多服务器 MCP 部署相比，这能带来更快的执行速度、更低的集成开销和更强的控制力。阅读白皮书：为何 AIOrchestrator 库模式优于传统 MCP 部署。

安装与下载

下载适用于你的操作系统的版本按钮会检测你的平台，并开始下载对应的压缩包 （约 460 MB，独立运行——无需安装 .NET，包含 Kokoro TTS 语音）。 更喜欢使用终端？只需一行命令：

平台	一行安装命令
Windows（PowerShell）	irm https://graphenelab.it/AgentBridge/install.ps1 | iex
Linux / macOS	curl -fsSL https://graphenelab.it/AgentBridge/install.sh | bash

这些一行命令会将适用于你平台的最新版本下载到 ~/.agentbridge （Windows 上为 %LOCALAPPDATA%\AgentBridge），并显示启动方法。直接下载链接：

Linux 桌面应用（Flatpak）

AgentBridge 以 Flatpak 桌面应用的形式面向 Linux 发布——包含引擎和捆绑的 Giraffe AI 网页客户端，可在独立窗口（WebKitGTK）中运行，并在启动器中显示应用图标。每次发布都会自动构建（x86_64 和 aarch64）：

# one time: add the Flathub remote (shared runtime)
flatpak remote-add --user --if-not-exists flathub https://dl.flathub.org/repo/flathub.flatpakrepo
# install the latest desktop bundle (x86_64; use the -aarch64 asset on ARM64)
flatpak install --user -y \
  https://github.com/Graphene-Lab/AgentBridge-Linux/releases/latest/download/agentbridge-linux-x86_64.flatpak

启动器中的条目：AgentBridge（桌面聊天窗口，引擎自动以无头模式启动）和 AgentBridge (Terminal)（经典 TUI）。版本会自动发布到 Graphene-Lab/AgentBridge-Linux （提供 x86_64 和 ARM64 双架构安装包）。Flathub 商店上架申请正在审核中。

AgentBridge 基于 AIOffice Agent 编排器 （AIOrchestrator）构建，让 Agent 能服务于各种场景：

• 在终端中使用——现代聊天界面（Terminal.Gui），支持流式回复、/ 命令面板、文件附件、语音听写以及进程内神经网络文本转语音。
• 任何兼容 OpenAI 的客户端——SDK、机器人和脚本都可以直接通过 POST /v1/chat/completions 与同一批 Agent 通信。无需插件、无需自定义 SDK，也不会受到厂商锁定。

OfficeManager——看着你的 AI 团队工作（也可以催一催偷懒的成员）

每个 Agent 都会化身为 16 位像素风办公室中的小人，让你能亲眼看到 AI 团队在做什么，而不必阅读日志：他们从门口走进来，在办公桌前坐下并开始工作——正在使用的工具会以气泡的形式显示在他们头顶（网页搜索、文件查找、文档等）。在聊天中与 Agent 对话，可以给它分配新任务或询问进展；完成工作后，它会起身从门口离开。随时都有一名四处走动、当前“无事可做”的员工可供调用：给它分配任务，它便会立即成为一名全新的 Agent。它非常适合同时留意多个 Agent，也能帮你发现谁看起来工作特别卖力……其实只是在装模作样。😉

演示集锦

视觉展示——有新演示制作完成后会添加到这里。

终端 UI——Agent 流式回复、支持实时筛选的 / 命令面板，以及显示服务器、模型、会话和上下文窗口状态的状态栏：

Agent 生成的 PowerPoint 风格演示文稿——描述你需要的演示文稿，Agent 就会为你设计幻灯片：

Agent 生成的详细 PDF 市场与财务分析报告——请求市场分析、财务分析或任何类型的报告，Agent 就会使用专有的“AI Exoskeleton”增强人工智能算法，生成准确的 PDF 文档，并引用 Deloitte、KPMG、E&Y 等权威来源：

通过简单提示词生成的真实办公文档——请求开具发票或起草雇佣合同，附上数据，Agent 就会使用官方模板生成可直接用于办公的完整文档。这两份文档都是 Agent 在真实场景中端到端生成的（材料检查 → DOCX）：

这是一份 Word 格式的劳动合同，由 Agent 根据一个简单请求完全生成。AI Agent 不受限制；它可以创建任何类型的文档、记住文档风格并在今后沿用，也可以根据需要修改文档，以便进行自定义或添加新内容。

Agent 根据一条简单提示词按需创建的 Excel 电子表格（数据表＋图表，单张 A4 页面）——用户用英文要求创建一个工作簿，Agent 使用 SpreadsheetTool 构建工作簿（数据、样式、图表、A4 页面设置），并交付最终文件：

WebTool——Agent 在网络上的双手——WebTool 是一款工具，可让 Agent 直接在真实且可见的浏览器中执行复杂任务：浏览、登录、填写表单、点击、发布、研究。在社交网络上发布内容只是众多可能用途中的一种。下面的动画展示了一个从头到尾实际执行的示例：Agent 打开 LinkedIn，使用已保存的凭据登录，并发布一则帖子，宣布 AgentBridge 现已依据 AGPL v3.0 完全开源——每个步骤都经过确定性验证（打开撰写框 → 回读文本 → 确认帖子已发布到个人主页）。

由 Agent 生成的播客节目——只需提出任意主题的播客需求，Agent 就会完成整个制作流程：研究（新闻／事件类主题采用近期国际新闻，常青主题采用通用资料）、设计三幕式叙事、撰写约 30 分钟的脚本、使用进程内的 Kokoro TTS 录制旁白，并完成剪辑——加入欢迎开场、短音效、柔和且自动降低音量的背景音、主持人告别语和收尾音效——最终生成可直接发布的 MP3 和对应的 RSS feed（兼容 iTunes），保存在 /podcast/ 下。示例节目（英文，由 Agent 端到端生成）：

参数化 3D CAD——Agent 在 FreeCAD 中设计真实的机械零件——借助 FreeCADTool 插件，Agent 可驱动实时运行的 FreeCAD 实例，构建参数化 3D 模型：基本几何体、带草图的 PartDesign 实体、拉伸／凹槽／旋转／回转切除、线性／极坐标／镜像阵列、圆角／倒角、布尔融合／切割／求交、真实渐开线齿轮和螺旋齿轮（FCGear），以及标准 CAD 格式（STEP、STL、3MF、OBJ、IGES）的导入／导出。动画展示了一个涡轮叶轮——带有旋转生成的轮毂、顶盖、安装法兰、外罩、中心孔和螺栓分布圆的 12 叶片转子——它被构建为单个实体，并通过旋转 FreeCAD 摄像机进行渲染。工具会自动完成自身设置：在后台自动启动无头 FreeCAD，并自动安装齿轮附加组件，同时通过桌面通知以你的语言告知当前进度。

Agent Bridge：办公工作的 AI 助手

Agent Bridge 是一款工具，可让你连接到自己偏好的 AI，将其转变为你的私人助手：一位不知疲倦的工作者，能够处理各种办公任务，例如起草复杂文档、处理电子表格、收发电子邮件以及执行互联网相关活动，同时全面了解公司的知识库，包括客户、文档、产品以及存档中的所有内容。

Agent Bridge 将自己定位为面向企业或寻求 AI 解决方案的个人用户的企业级 AI 自动化平台。它运行在你自己的硬件上——笔记本电脑、迷你 PC 或专用 AI 设备——读取的知识库是磁盘上的普通文件夹，而非上传到云端：你存储在其中的所有内容都会成为 AI 理解的一部分，让它能够像不知疲倦的员工一样处理办公事务。该产品定位于企业领域，能够索引和管理数 TB 的数据，同时确保你的文件不会离开本机；它还能生成细致程度和精准度无与伦比的 PDF 文档。

我们的 Agentic AI 专为安装在迷你 PC 和专用 AI 硬件等独立设备上而设计，能够有效地将这些设备转变为真正自主的 Agent。事实上，Agentic 系统并非只需按命令执行任务，而是旨在完全自主地追求复杂目标，其关键特性远不止运行单条指令。首先，它具备规划和推理能力：遇到“安排一次东京之旅”这样的请求时，系统不会只做出反应，而是会将目标拆解为一系列合乎逻辑的子目标，例如预订航班、选择酒店和制定连贯的行程。随后，系统会通过主动使用外部工具来执行规划：Agent 能够调用 API、执行代码、搜索互联网，并与数据库或其他应用交互，从而独立收集信息并采取行动。为管理这种复杂性，系统会对已执行的操作和已收集的信息保持结构化的短期和长期记忆，从而能够在过程中调整计划。它的运行依托持续的执行和反馈循环：先执行操作，再观察结果——例如搜索航班时遇到错误——评估结果是否正在推动其接近最终目标，并据此调整下一步。这个行动、观察和调整的循环会持续进行，直至完全实现目标。我们的硬件支持策略面向多种设备，首先是高性能处理器，例如 Xiaomi AI Cube、16 核 AMD Ryzen AI Max+ 395、12 核 AMD Ryzen AI 9 HX 370、NVIDIA GB10 Grace Blackwell Superchip、14 核 Arm 架构的 NVIDIA Jetson T5000 和 20 核 NVIDIA RTX Spark。对于入门级产品，我们也支持基于 ARM 的技术，具体包括 Rockchip RK3588、Rockchip RK3576、Qualcomm Snapdragon 865、Qualcomm Snapdragon X2 Elite、MediaTek Genio 420 和 MediaTek Genio 360 芯片组。

创新功能

• 专有确定性记忆——Agent 永不遗忘 专有的确定性记忆让 Agent 永久记住它处理过的事物、事实、人物和文档：每次对话都会留下痕迹，每个新请求都会立即唤回精确相关的上下文。市面上没有其他系统能做到这一点：传统 Agent 试图通过模型本身重新推演上下文来“记忆”，而我们的记忆则通过确定性检索实现——不会浪费任何推理轮次来回忆，工作流更快，Agent 也始终清醒，并能立足于它处理过的一切。这一原创专有算法为 AgentBridge 独有，凭借高度创新的技术让其跻身 Agent 领域前列。 它由五种互补机制构成——确定性 NameOrKey 记忆、带流式索引的文档归档、技能记忆、调度器记忆，以及上下文窗口中的聊天记录。流式索引经过硬件优化：其向量由 8-byte（64-bit）元素构成——这是 x64 和 arm64 芯片的原生块大小——并以单一线性流读取，无需处理语义树或图关联。系统根据提示词确定性地选择上下文，并将其预先整理好后交给模型，无需消耗 token，也无需调用 LLM 来回忆。这让 AgentBridge 能够在普通家用电脑上处理 TB 级数据，无需 GPU 或专用索引模型；同时，由于它以无须信任的方式提供服务、确保数据永不离开你的设备，因此成为真正的隐私优先系统，在企业领域没有真正可比的产品。 关于该系统在测量中的表现，包括可复现的企业级检索基准测试、忠实遵循架构的 LongMemEval-S 运行结果，以及与已发布系统的诚实比较，详见 Memory Benchmark；可运行的测试工具位于 benchmark/。

• 通过 SIP Protocol 提供全天候 AI 助手 系统提供完全集成的 AI Agent，可随时通过基于 SIP 的电话接入。它是一位专属私人助手，能够进行自然的语音交互、立即执行任务，并始终保持在线。与可能分心或无法联系的人类秘书不同，这位助手始终专注、可靠，并会精准履行分配给它的职责。

• 全面集成 Telegram——在你的通讯应用上使用 Agent AgentBridge 以用户账号（WTelegramClient、MTProto）连接 Telegram，表现得就像任何其他聊天客户端：发送私信——文本或文件均可——Agent 就会在同一聊天中回复，包括它生成的文档。支持双向附件，可通过 TUI 引导完成首次登录（输入验证码）；可选的允许列表可限制哪些人能与 Agent 对话；配置保存在 telegram.json 中（可通过 TUI、手动编辑或引导式设置脚本修改）。详见 docs/telegram.md。

  

• AI‑Exoskeleton 技术，提升模型性能 我们专有的 AI‑Exoskeleton 框架显著增强 AI 模型的能力，同时减少复杂文档处理中的偏差。正如外骨骼能让人举起远超自然极限的重量，AI‑Exoskeleton 也能让较小的模型在特定办公工作流中胜过前沿级系统。它能增强分析的一致性，提高业务报告和技术文档的准确性，并以出色的可靠性生成可直接使用的 PDF 输出。这项技术将人工智能转变为真正增强型的专业工具，能够承担通常需要专业人类团队才能完成的认知工作负荷。

• 真正的应用级沙箱 — Agent 无法在工具之外执行操作 每个 Agent 都在虚拟工作区路径中运行，该路径构成真正的沙箱：这是一个有限的操作边界，任何工具方法都无法越界。Agent 只能通过工具方法与外界交互——没有 shell、没有 OS API、没有直接网络访问，也无法访问工具未明确开放的文件系统内容——因此，边界由代码从结构上强制执行，而不是依赖可能被精心构造的输入绕过的提示词指令。其他系统要么只信任提示词（可被注入攻击绕过），要么需要普通用户无法设置的昂贵 OS 级沙箱（chroot、Docker、VM）。这里的沙箱属于应用级且无需基础设施，却绝对可靠：在边界内功能强大，在边界外无害。

• 符合 GDPR 要求的匿名化 — 为外部服务提供商从设计上保护隐私 强大的匿名化服务会在任何请求到达外部大模型提供商（Copilot、Gemini、ChatGPT、DeepSeek 等）之前保护个人数据——姓名、密钥和敏感标识符——并在回复中无缝还原。这项功能只需一个开关即可启用，不会给 Agent 交互带来可感知的延迟，对用户完全透明：Agent 保持完整能力，同时机器绝不会泄露应当保密的信息。这使该平台非常适合欧洲市场，因为在那里，符合 GDPR 要求是硬性规定。

• 通用工具系统（UTS）— 原生运行的工具，而非脚本 我们的通用工具系统通过已编译的 .NET 程序集插件赋予 AI 能力，Agent 可直接调用这些插件——无需 Python、Node、解释器，也无需安装框架栈。确定性智能（UISupportGeneric）会读取已编译的代码，并即时、准确地构建工具接口，不会产生幻觉；随后由生成式 AI 选择并调用合适的工具。由此带来的是更快速、响应更灵敏的 AI：工具以原生机器码运行——现代 .NET 编译器的性能可媲美经过手工调优的 C/C++——并在进程内调用，零开销；Agent 与其操作之间没有解释器、HTTP 或序列化过程。机器运行轻快，响应更迅速，最繁重的任务也能更快完成——这一切都在原生应用级沙箱中进行（由结构构成、任何工具方法都无法越过的操作边界），无需 chroot、Docker 或 VM。工具具有通用性——同一个 AnyCPU 二进制文件可在 Windows、Linux、macOS 和 iOS 上运行；只需将文件夹放入 Tools/ 即可安装，并支持热添加：新插件出现 30 秒后即可实时激活，无需重启。最终用户指南：通用工具系统（UTS）。

• 原生 MCP 互操作性 — 一个 Agent，标准化控制 AgentBridge 现在通过原生 MCP 接口开放其自主运行时，因此无需外部适配层，即可通过标准 MCP 客户端控制同一个生产级 Agent。这意味着终端聊天、兼容 OpenAI 的集成和 MCP 生态系统之间，共用一个编排器、一套记忆流和一个操作边界。实际上，团队可以将 AgentBridge 用作高能力的 Agent 核心，同时保留协议级兼容性并降低集成复杂性。

• 自主任务调度——让你的 Agent 持续自主工作 AgentBridge 不只是按指令行事：它可以提前规划工作，并根据业务的实际需求自主持续工作。告诉它哪些事情重要，它就会记住截止日期、判断何时该采取行动，并按预设频率处理周期性任务——日复一日，无需任何人反复提醒。即使你不在，报告、检查、跟进和计划活动也都会按时进行：Agent 会安排工作、自动执行并记录结果。它是真正始终在线的同事，而不是等待指令的工具。

• ERP 集成——让 Agent 负责公司的核心业务 AgentBridge 通过 ErpTool 插件连接到 AI ERP，这是一款免费的开源 ERP。安装并启用后，Agent 就能端到端处理公司的实际日常运营：创建报价单、将其转为订单、交付、开具发票并记录收款；或处理完整的采购周期——提出申请、创建采购订单、接收货物、核对供应商账单与订单及收货记录，并付款；还可以处理库存调拨、预留、循环盘点，以及按客户统计销售额、应收账款账龄等报告。Agent 通过受 JWT 保护的 API，以普通 ERP 用户的身份工作，因此所有公司规则和权限仍然适用——它绝不会直接写入数据库。结合上面的调度功能，日常业务即可自动运行：“每天早上，为昨天交付的货物开具发票，并告诉我哪些款项已逾期。” 这让 Agent 从聊天和文档助手转变为驱动企业实际业务系统的数字办公室员工。安装方法：安装 AI ERP 生态系统。

• 开箱即用的文本转语音——无需设置、驱动程序或账户 每个压缩包都包含 Kokoro 神经 TTS 引擎、语音和模型，因此 Agent 无需任何配置即可立即开口说话——无论是在终端、通过 API 还是在电话中。播客工具也开箱即用，使用同一引擎。GPU 也会自动启用：在配备 NVIDIA CUDA 兼容 GPU 的机器上，引擎无需手动设置即可使用 GPU；其他情况下则直接使用 CPU 运行。引擎目录采用可扩展设计——未来的引擎会出现在 /ttsengine 中。详情请参阅文本转语音指南。

为什么本项目不信任云端

2013 年 6 月，The Guardian 和 The Washington Post 发布了爱德华·斯诺登从美国国家安全局带出的文件。斯诺登曾是该机构的合同工。他于 2013 年 5 月携带这些材料离开美国前往香港，他发布的文件揭示了一个全球监控系统，该系统从大型互联网公司的服务器收集通信内容。这两家报纸的报道均荣获 2014 年普利策公共服务奖：这些并非阴谋论，而是经新闻报道证实的事实，普利策奖评审委员会认为这些报道配得上该领域的最高奖项（PRISM、Edward Snowden）。

这则报道的核心项目是 PRISM（美国国家安全局代号 US-984XN），于 2007 年启动，其法律依据后来被整合进 2008 年《FISA 修正案》第 702 条。泄露的演示文稿列出了参与该项目的公司及其加入年份：Microsoft（2007 年）、Yahoo（2008 年）、Google（2009 年）、Facebook（现为 Meta）（2009 年）、Paltalk（2009 年）、YouTube（2010 年）、AOL（2011 年）、Skype（2011 年）、Apple（2012 年）。收集的内容来自这些公司自己的服务器：电子邮件、聊天（语音和视频）、存储的数据和文件、VoIP、文件传输、视频会议和社交网络详情。在意大利，这起丑闻被称为 Datagate。

第 702 条并非只实施一次：它于 2012 年延期，2018 年重新授权，并于 2024 年再次获得重新授权（FISA Amendments Act）。无论这项法规在任何一天处于何种状态，使数据收集成为可能的条件始终未变——数据存放在别人的服务器上，而服务器所有者可以读取数据、交出数据，或被命令交出数据。

对于 AI 助手来说，这并非假设。云端助手会将对话保存在服务提供商的服务器上，而且已有记录显示这些对话会被警方获取：2025 年，佛罗里达州一名 13 岁少年因询问 ChatGPT 如何杀害朋友而被捕（People、Gizmodo）；2026 年 8 月，OpenAI 就一名曾向 ChatGPT 描述谋杀计划的男子向 FBI 发出警报（USA Today）；2026 年 10 月，Anthropic 因一名 Claude 用户发出威胁而向警方举报该用户（Tom's Hardware）。对话记录能否保密，取决于服务提供商的政策及其所在国家的法律，而绝不取决于用户。

AgentBridge 的设计恰恰基于相反的条件。 Agent、工具、文档和记忆都在你的设备上运行：无需账户，也不会在云端存储你的档案副本，更不会在服务器上留下我们——或任何其他人——可以被要求提供的对话记录。只有在你选择使用云端模型时，才会联系该模型；GDPR 匿名化层会在请求离开电脑前移除姓名和标识符。“无需信任”是字面意义上的：你不必相信服务提供商的承诺，因为数据根本不在那里，无法被收集。情报活动和工业间谍活动都始于他人持有的数据副本；这种架构消除了这个副本。

与 AgentBridge 的创新方法相比，传统 Agentic AI 构建上下文的成本

处理大量企业数据，使其可供 AI Agent 使用，是一个涉及成本、效率和知识质量的问题。不断扩大的上下文窗口并不能解决这个问题：它们允许在单次请求中处理更多信息，却无法消除读取、处理和重复传输数据所产生的成本。对于 TB 级语料库，持续向模型传输大量信息在经济上可能难以为继。

问题在准备阶段就已显现：必须提取、清理、去重、结构化并为异构文档建立索引。嵌入、存储、索引和知识更新需要额外的计算与基础设施资源，并且大量依赖 GPU 和昂贵的云基础设施。AgentBridge 的第一个优势就在于此：专有算法能够以极低的计算开销，快速且确定性地创建用于上下文检索的向量，无需使用 AI 或云服务。同样的优势也适用于第二阶段——检索：当 Agent 需要正确的上下文内容时，检索同样以确定性方式完成，无需额外迭代，也无需调用生成式模型。

RAG 等传统检索架构减少了每次请求都传输整个语料库的需求，但它们会带来筛选和相关性问题，并迫使 Agent 进行多次迭代，以检索用于构建上下文的内容，进而增加 Token 成本，并因迭代延迟而降低响应速度。AgentBridge 摆脱了这种模式：它采用非 RAG 检索架构，基于专用向量进行流式读取，在提示词到达 Agent 之前就以确定性方式提取上下文，无需进行 AI 计算，也无需调用 LLM 模型。因此，Agent 无需承担上下文检索任务，接收到的上下文也已准备就绪。

通过这种方式，AgentBridge 解决了如何构建和维护语义丰富、可靠且及时更新的企业上下文这一问题，无需在云端持续重新处理海量数据，同时大幅降低成本并全面保护隐私。Agentic AI 的可持续性不仅取决于模型的能力，更重要的是取决于准备、组织和提供知识的架构效率。我们已发布基准测试，以坦诚的方式展示其有效性；不过，遵循“Trustless”原则，我们鼓励独立研究人员亲自测试我们创新技术的性能和有效性。

您的文档区域：公司的大脑和记忆

您可以把文档区域想象成公司的大脑。它只是磁盘上的一个普通文件夹——没什么特别的，只是一个存放现有文件的地方。无论您放入什么，AI 都能读取、记住并使用：合同、发票、客户文件、产品说明书、电子邮件、电子表格、技术图纸……一切皆可。无论数据量有多大、文件有多大，都没有关系：存储得越多，AI 就越聪明，因为它会依据您自己的真实文档作答，而不是凭空猜测。您无需向聊天中上传任何内容——只需照常使用文件夹，AI 就能直接访问其中的内容。

如何配置文档区域

1. 打开 AgentBridge 并输入 /setup（菜单 Settings → Main settings）。
2. 在 General 标签页中，将 Documents path 设置为存放文档的文件夹。默认路径是你的个人 Documents 文件夹，你可以随时更改。
3. 按下 Save。AgentBridge 会在后台开始读取该区域：大型档案的首次索引需要几分钟，但你可以在此期间继续工作。
4. 从现在起，你可以向 AI 询问任何与文档有关的问题——它会搜索整个区域，并根据你的数据作答。如果你要改用其他文件夹，只需再次更改路径：AgentBridge 会自动重新索引新区域。

如何配置大模型提供商和 API 密钥

1. 打开 AgentBridge 并输入 /setup（菜单 Settings → Main settings）。
2. 在 LLM & Providers 标签页中，选择当前使用的提供商；使用 Add… / Edit… 创建或编辑提供商。提供商对话框中包含 API key 字段（屏幕上会以掩码显示）——所有云端提供商（DeepSeek、Z.ai、Gemini、Anthropic 等）都需要填写密钥；本地提供商（Ollama、ExLlamaV2，以及运行在 localhost/127.0.0.1 上的桥接服务）则留空。
3. 按下 Save。密钥按提供商存储在可执行文件旁边的 providers.json 中（这是唯一真实来源，且不会在更新时被覆盖），你也可以直接编辑该文件。手册（§3 — 配置 JSON 文件）详细说明了每个字段。

AgentBridge 是什么——又不是什么

AgentBridge 并非传统意义上的 harness：它的理念与其他产品不同，截至本文撰写时，还没有真正的同类产品。它不是编码 Agent，其沙箱甚至不允许编写代码。其他产品提供 vibe coding——由 AI 根据提示词生成解决方案；我们则刻意不提供这种解决方案，因为 vibe coding 不能替代传统软件工程，而且它通常的实现方式存在专家们熟知的问题。利用 vibe coding 构建自动化公司流程的应用，是 IT 专家的工作；这不是 AgentBridge 的用途。

企业主既不能、也不应让员工根据提示词编写代码。他应该为员工提供自动化公司的工具，而 AgentBridge 就是这样的工具：自动化功能已经准备就绪。它是专为办公室工作设计的 Agent，安全性融入设计之中，即使交给没有技术技能的人使用，也不会造成任何损害。

它提供的最简单自动化方式是：准备好构成公司背景信息的文档，并将它们放入 Agent 可以读取的文件夹，然后逐一描述每位假想员工需要完成的工作——在什么时间执行，以及按什么频率重复。Agent 会规划工作，并使用为办公室工作设计的工具，按要求在指定时间完成工作。特殊情况可以通过专门编写的插件来处理，但这并非通常情况，因为 AgentBridge 已经内置了标准办公室工作所需的所有工具——包括对其支持的管理系统（ERP）进行自动化操作的工具。

某位员工每天早上特定时间负责的工作，可以交由一个通过自然语言指令配置的 Agent 完成，并向它提供该员工掌握的相同信息：当外部有人提出请求时，它会作出回应；只要背景材料中包含合适的公司信息，它就能随时提供帮助。

我们之所以发布与其他系统的比较，是因为公众对此有需求，而不是因为这些系统与我们属于同类产品。AgentBridge 无需折腾爱好者、极客或程序员即可使用，企业主可以放心信任它，并将其交给公司内负责自动化的人员——同时借助运行在公司自有基础设施中的本地 AI 模型组合，不必将公司的机密交给第三方。

与主要替代产品的比较

AgentBridge 属于个人 AI Agent 助手类别。下表是与该领域最接近的替代方案进行的诚实、逐项功能对比。

方面	AgentBridge	OpenHuman	Claude Cowork	OpenClaw	Hermes Agent
一句话定位	可自托管的 AI 个人助手，旨在取代人类处理办公室工作——聊天终端和兼容 OpenAI 的服务集于一个进程	个人 AI 超级智能——桌面“AI 工作站”	将 Claude Code 带入非技术知识工作领域的 AI 同事	“数字员工”——从聊天到执行的自主 Agent	内置学习循环的自我进化 Agent
开发者 / 支持方	Andrea Bruno (Graphene‑Lab)	tinyhumansai 团队	Anthropic	Peter Steinberger	Nous Research
开源 / 许可证	✅ 开源（AGPL v3.0）——核心和插件工具引擎完全开源	✅ 开源（GNU）	❌ 专有	✅ 开源（MIT）	✅ 开源（MIT）
目标用户	希望在自己的硬件上自动化实际办公室工作的企业和专业人士；注重隐私的个人	希望获得开箱即用体验和数据自主权的知识工作者	需要处理复杂文件任务的付费 Claude 用户（Mac/Windows）	追求灵活性和控制力的开发者与技术爱好者	希望拥有能够长期自我改进助手的开发者和技术用户
安装难易度	低——一个独立压缩包（无需安装 .NET）或一行安装命令；运行可执行文件即可开始聊天	低（以 UI 为先）——图形桌面应用，一键 OAuth	中——需要 Claude 桌面应用	高（以 CLI 为先）——终端、API 密钥、手动配置	高（以 CLI 为先）——通过命令行安装和配置
主要差异化优势	确定性记忆（永不遗忘，召回零浪费）+ 由代码而非提示词强制执行的结构化沙箱；单个进程 = TUI + OpenAI API + MCP	主动预加载；Memory Tree（分层 KG）；TokenJuice 压缩（最多节省 80% 成本）	云端持久会话（关闭设备后任务仍会继续）；子 Agent 协作	强大的执行能力（文件、代码、浏览器）；20 多个消息渠道	闭环学习（创建 / 改进技能）；跨会话 FTS5 记忆
记忆系统	专有确定性记忆——将人物、事实、文档、风格和会话编入索引并存放到你自己的文件夹；精确上下文检索，无需模型重新阐述	Memory Tree——本地 SQLite + 兼容 Obsidian 的 Markdown 资料库	Projects——持久化、相互隔离的工作空间	分层记忆（瞬时、短期、长期、程序性）	由 Agent 筛选整理的记忆，配合定期提醒和跨会话回忆
工具 / 集成	DocumentTool（Word）、SpreadsheetTool（Excel）、PresentationTool、PDF 报告、播客、WebTool、EMailTool（自有 SMTP/IMAP）、FileTool、GitTool、TaskSchedulerTool、MapTool、FreeCADTool（参数化 3D CAD）；MCP 连接器 + 任意 OpenAI 客户端	118+ 个第三方服务（一键连接）；内置网页搜索、代码工具	本地文件操作（读取 / 编辑 / 创建）；电子表格和演示文稿	基于插件的技能；内置沙箱	多渠道消息（Telegram、Discord 等）；类似 cron 的定时任务
平台支持	自托管：Windows x64、Linux x64/ARM64、macOS（Intel / Apple Silicon）；迷你 PC 和边缘级设备（RK3588 → Ryzen AI Max+ 395）	桌面端：macOS、Linux、Windows	桌面端：macOS、Windows；Web、移动端（iOS/Android）、Chrome 侧边栏	自托管（本地或私有服务）	$5 VPS、GPU 集群、无服务器
定价模式	免费且完全开源（AGPL v3.0）——无订阅，BYOK/BYOM	免费增值——免费 OSS + 可选统一订阅（自动路由）	订阅制——包含在 Claude Pro（$20/月）和 Max（$100–200/月）中	完全免费——开源，BYOK	完全免费——开源，BYOK
安全 / 隐私	本地优先且无需信任——文件、记忆和 Agent 都在你的设备上运行；配合本地模型可完全离线；调用任何云端模型前均可进行符合 GDPR 要求的匿名化；结构化沙箱	本地优先——数据在本地加密，可完全离线运行	文件夹级授权；商业托管服务	本地优先——所有数据都在你的设备上，可离线运行	自托管——完全掌控数据
执行位置（信任模型）	在你的设备上——Agent 循环、工具、文件和记忆均在本地运行；只有在你选择使用云端模型时才会发起云端模型调用（已匿名化）；供应商云端无法访问你的数据	混合模式——应用和数据在你的设备上，但推理默认使用路由云端模型；一键切换隐私模式可强制在设备端运行（Ollama、LM Studio、MLX）	Anthropic 云端——桌面 Agent 访问获授权的本地文件夹；Web/移动端任务在 Anthropic 云端执行（或通过你的 Bedrock/Vertex/Foundry）；受权限控制，并非无需信任	在你的设备上——本地 Gateway，状态数据存储在你的设备上；可使用托管或本地模型提供商；沙箱为可选项	在你的基础设施上——本地、Docker、SSH、无服务器；使用自带密钥或本地 Ollama，全面保护隐私
端到端办公交付物	输入普通提示词即可内置生成——发票和合同（DOCX）、带图表的电子表格（XLSX）、详细的 PDF 市场 / 财务报告、幻灯片、播客（MP3 + RSS feed）	将文档和电子邮件导入记忆；未声称具备原生的成品文档生成功能	在你授权的文件夹中创建和编辑真实的 Word、Excel、PowerPoint、PDF 文件——不会基于你自己的档案生成模板化商务文档	文件读写和 shell；办公文档制作并非内置核心功能	并非内置核心功能——提供通用文件 / shell / 自动化技能
无头控制 / API	✅ 在 localhost 上提供原生 POST /v1/chat/completions——任何 OpenAI SDK、脚本或机器人都能驱动同一组 Agent；内置原生 MCP 连接器	桌面应用；未记录本地 OpenAI 兼容服务	托管产品——未向消费者提供本地 OpenAI 兼容端点	CLI、本地 Gateway 和聊天渠道；未记录 OpenAI 兼容服务	CLI/终端 + 远程后端；未记录 OpenAI 兼容端点

为什么选择 AGPL v3.0？ 这是经过深思熟虑的选择。宽松许可证（MIT/Apache）允许任何人拿走社区的成果，将其封闭，并将其作为专有软件或专有服务运行。AGPL v3.0 禁止这种圈占：任何衍生作品——包括通过网络提供的作品（第 13 条）——都必须保持开源。没人愿意为一个可能被别人拿到别处封闭起来的项目做贡献。AGPL 让这个社区的成果始终属于这个社区，同时仍授予四项自由（使用、研究、修改、分享），并为商业活动留下充分空间——只要代码保持开源。

你可以用它做什么

• 在终端中与 AI Agent 聊天 — 支持流式回复、通过 @ 附加文件、 提示词历史记录和会话，并在带命令面板的全屏界面中使用。
• 多语言界面 — 支持时，终端界面会使用系统语言 （英语、意大利语、法语、西班牙语、德语、俄语），否则回退到英语； 编排器的系统消息也会本地化（参见 docs/TUI.md）。
• 按一个键即可打开 Web GUI — /web（菜单 Web → GUI）会在浏览器中启动 Giraffe AI Web 客户端，并自动连接到此服务（客户端首次运行时会从最新的 GitHub 版本安装到可执行文件旁， 并保持最新）。
• 将 Agent 公开为本地 OpenAI 服务 — 将任意 OpenAI 客户端指向 http://localhost:5290/v1，即可在无需修改的情况下驱动 Agent（参见 手册）。
• 通过原生 MCP 连接器公开 Agent — 使用标准 MCP 客户端，并与终端和 OpenAI API 流程使用相同的运行时（技术设置说明见 手册）。
• 随时切换大模型 — 支持 DeepSeek、Z.ai、Gemini、Ollama、ExLlamaV2 等，并配备 上下文窗口保护机制，在内容超限时拒绝请求并说明原因。
• 按提供商设置 Agent 交互模式 — 每个提供商都可以通过 JSON 工具调用 API（API） 或应用程序命令行（CLI）驱动 Agent 工具，也可以设为 Default（小型模型使用 CLI， 大型模型使用 API）。可在提供商对话框的 Settings → Main settings 下设置；当前模式会显示在状态页面上，并由 GET /v1/models 以 interaction_mode 报告。
• 通过界面配置模型和提供商 — /setup（别名 /modelsetup，菜单 Settings → Main settings）可添加、编辑或移除提供商，选择新聊天使用的持久化 默认提供商，设置各提供商的 API 密钥、SMTP/IMAP 和文档路径——无需编辑 JSON。
• 在终端中使用语音 — 通过服务端麦克风口述（Windows；发布包内含语音识别组件）， 并通过 Kokoro 神经 TTS 听取回复，可在界面中使用，也可通过 API 使用。
• SIP 电话 — 服务端变为电话终端：支持通过 DTMF PIN 自动接听 （3 次尝试，锁定 24 小时）、拨出电话，并通过 RTP 与 Agent 进行完整语音对话 （whisper STT + Kokoro TTS）。参见 docs/sip.md。
• Telegram 聊天 — 通过私聊与 Agent 消息交互，双向发送附件，支持允许列表访问控制， 并通过 TUI 引导首次登录（WTelegramClient 用户机器人）。 参见 docs/telegram.md。
• 上传并附加文件 — 文档和图像会在服务端转换为 Markdown， 并以 file_ids 附加到聊天请求中。
• 带工具的 Agent — 提供 Web、搜索、研究、文档、电子表格、办公、电子邮件和多文件工具集； 可通过 /tools（别名 /agent）或 API 的 model 字段为每次聊天选择合适的工具 （也可通过附加的 tools 字段组合任意自定义工具）。
• 随处使用同一段对话 — 来自终端的消息会经过所有客户端使用的同一个端点，因此你可以在 TUI 中聊天的同时，让脚本通过同一端口驱动 Agent，两者可同时运行。
• 地图工具 — 该工具为探索周边地区提供了多功能解决方案，让专业人士和个人都能轻松获取详尽的地理信息。对企业而言，它是重要的战略伙伴，可帮助识别任意地理区域内的特定商业活动，并通过绘制某个地区的竞争对手和服务分布图来支持市场分析。销售团队可借此开发新的商业联系人，企业物流则可优化配送或技术上门服务的路线规划。对于个人用户，该工具可作为日常向导，帮助查找附近的餐厅、药店、ATM、公园、博物馆和旅游景点，轻松找到必需服务和休闲场所。平台支持多种搜索方式：按类别搜索可快速查找某类所有场所，按名称搜索则可通过输入地址或商家名称查找特定地点。高级搜索提供精确筛选条件，例如查找特定菜系的餐厅、设有无障碍设施的场所，或全天 24 小时营业的商家。路线计算功能则进一步完善体验，可提供详细的驾车路线、距离和行程时间，并适用于驾车、骑行或步行等不同出行方式。该搜索引擎覆盖全球所有国家，既是制定战略商业决策的强大可靠工具，也能帮助人们寻找附近的好餐厅或必需服务。

快速开始

运行上方的一行安装命令，或者从 Releases 页面下载适用于你平台的压缩包，解压后运行 agent.exe / agent。 无需安装 .NET；每个压缩包都已包含 Kokoro TTS 语音和模型，因此首次运行即可使用文本转语音，无需进行任何配置。

curl http://localhost:5290/health   # {"status":"healthy","timestamp":"..."}

完整的分步指南——涵盖安装、JSON 配置、终端 UI，以及客户端如何连接到 localhost——请参阅**用户手册**。

将 AgentBridge 用作 MCP 服务

AgentBridge 本身就是一个 Model Context Protocol 服务：运行 Agent 的同一进程会在 POST http://localhost:5290/mcp 提供 MCP 服务（JSON-RPC 2.0、initialize / tools/list / tools/call）。任何 MCP 主机都可以通过单个工具 agent_run 驱动本地 AgentBridge。无需额外安装：照常启动 AgentBridge，端点就已开始监听。

主机	连接方式
VS Code / GitHub Copilot	添加 http://localhost:5290/mcp 作为 HTTP MCP 服务——在命令面板中选择 MCP: Add Server → HTTP，或将现成的 examples/vscode-mcp.json 复制到 .vscode/mcp.json
Claude Desktop	从最新版本安装 agentbridge-mcp.mcpb 扩展（Settings → Extensions → Advanced settings → Install extension）。这是一个小型 Node.js 桥接程序，通过 stdio 暴露本地端点，需要 Node.js 18+
任何仅支持 stdio 的 MCP 客户端	自行运行同一个软件包：使用 AGENTBRIDGE_URL=http://localhost:5290/mcp 运行 node <bundle>/index.js
任何支持 HTTP 的 MCP 客户端	将其指向 http://localhost:5290/mcp
Docker	docker run -d -p 127.0.0.1:5290:5290 -v agentbridge-data:/app/PersistentData ghcr.io/graphene-lab/agentbridge:latest——该镜像包含与 Linux 压缩包相同的目录树（参见 docs/MCP.md）

agent_run 必须接收 prompt，还可选接收 model、llm_provider、 max_iterations 和 session_id：每次调用执行一次自主运行，并使用 Agent 已启用的所有工具。即使客户端断开连接，Agent 也会继续工作。

AgentBridge 已列入官方 MCP 注册表，条目为 io.github.Graphene-Lab/agentbridge，提供两种安装方式：agentbridge-mcp.mcpb stdio 软件包和 ghcr.io/graphene-lab/agentbridge 容器镜像，两者都会随每次发布更新。协议参考、各主机的设置说明和故障排除步骤请参阅 docs/MCP.md。如果你是初次接触？指南 从你正在使用的 AI 应用中使用 AgentBridge 会用浅显的语言说明如何连接，以及在客户端能开始实际工作之前，必须在 AgentBridge 中配置哪些内容（模型和文档区域）。

计划中的工作：确定性调度器控制台

Agent 可以使用内置的 TaskScheduler 工具安排一次性或重复任务。计划以 JSON 格式保存，重启后仍会保留，每次运行都是一次普通的 Agent 聊天。这样，即使没有人启动每项任务，办公室工作也能持续进行。

终端 UI 为这些计划提供了一个确定性控制台。输入 /taskscheduler，即可显示一张表格，列出 id、任务、下次运行时间、重复规则、状态和指令。该命令不会发送给模型，因此结果始终相同。

所有以 / 开头的输入都是命令，由主机处理。未知命令会返回一条“未知命令”提示，而不是聊天回复。

命令	效果
/taskscheduler 或 /taskscheduler list	显示已安排任务的表格
/taskscheduler suspend <id|name>	暂停任务；保留定义和运行历史
/taskscheduler reactivate <id|name>	恢复已暂停的任务
/taskscheduler remove <id|name>	移除任务，但保留其运行日志
/taskscheduler delete <id|name>	移除任务及其运行日志
/taskscheduler update <id|name> <instruction>	替换任务执行的指令
/taskscheduler changeplanning <id|name> [time=HH:mm] [days=Mon,Wed] [interval=hours|none] [repeat=true|false] [start=yyyy-MM-dd] [end=yyyy-MM-dd] [dayofmonth=N] [dayofyear=N]	更改重复规则；只更改传入的键

id 是第一列中的数字，因此无需输入很长的任务名称。也可以使用名称；名称包含空格时需加引号。

文档

本 README 仅为开篇介绍。 它概述了产品理念和主要功能。完整文档位于仓库中，涵盖架构、配置、所有命令和端点、基准测试方法及其结果。在评判或评估项目之前，请先阅读这些文档——摘要无法展示各部分如何协同，也无法说明相关主张是如何衡量的。

文档	读者 / 内容
用户手册	从这里开始。 安装、配置 JSON 文件、使用终端 UI、连接客户端
AgentBridge 的工作原理	通俗易懂的基础介绍：什么是 AI Agent、它有哪些工具以及如何启用这些工具、文档区域、附件
文本转语音	两种 TTS 引擎、各机器支持的功能、平台先决条件（Windows/Linux/macOS）及故障排除
终端 UI 参考	所有命令、快捷键和鼠标操作
HTTP API 参考	所有端点：聊天、会话、切换 LLM、TTS、语音、文件、MCP 连接器
MCP 服务	在 VS Code/Copilot、Claude Desktop 或任何 MCP 客户端中使用 AgentBridge：端点、agent_run、注册表条目、故障排除
SIP 电话服务	通过电话接入 Agent：配置、PIN/允许列表安全机制、NAT/中继、STT 部署
Telegram 聊天	将 Agent 连接到 Telegram：配置、首次登录、允许列表、附件
架构与运维	（开发者文档——不随发行版提供） 启动模式、配置键、构建与发布、项目布局
发行版与 NuGet 流水线	（开发者文档——不随发行版提供） 更新和发行版的工作方式
完整架构图	（仓库内容） 整个系统的 Mermaid 组件图——每个节点都标明对应的源文件

上述用户指南（docs/）会随每个发行版压缩包与可执行文件一同发布；开发者指南（docs-dev/）则仅保留在仓库中。

支持

我们通过本仓库 GitHub issues 提供每周 7 天、每天 24 小时的工单支持。我们的团队会立即响应：解决问题、提供建议，并提供高水平的专业支持。

Agent 也可以代劳：请它报告故障或请求新功能，它就会自行创建 issue，并预先填写好描述，确保发现问题的人与负责解决问题的团队之间不会遗漏任何信息。通过这种方式创建的每个 issue 都会立即调查。有关报告方式以及如何关闭该功能，请参阅Agent 报告。

工作原理

AIOrchestrator 是一个 .NET 库，无法独立运行。AgentBridge 托管该库，并将其聊天流程作为标准 Web API 对外提供。一个进程。你的机器。你的 Agent。

为什么选择 .NET。 .NET 是开源的，采用 MIT 许可证，在 github.com/dotnet/runtime 上以开放方式开发；同一份代码可在 Windows、Linux 和 macOS 上运行。它也是一个多语言平台：C#、F#、Visual Basic .NET 以及 许多其他语言都会编译为相同的程序集格式（通用中间语言），因此一种语言编写的 工具可以与另一种语言编写的工具一起加载和运行。

坦率地说，.NET 不是——而且可能永远不会是——深度学习研究或模型训练的主要语言。 在这些领域，Python 凭借 PyTorch 和 TensorFlow 等库占据压倒性优势。但在应用 AI 和将模型投入生产方面，情况有所不同：.NET 一直在构建一个成熟且可信的生态系统，而这 正是本项目所涵盖的工作。

flowchart LR
    subgraph Clients["You — however you prefer"]
        A["Terminal UI<br/>(/tools)"]
        B["Any OpenAI client<br/>(SDKs, bots, scripts)"]
        C["Web GUI"]
    end
    subgraph Server["AgentBridge — one process on your machine"]
        API["OpenAI-compatible API"]
        AGENT["Your agents<br/>AgentHarness + tools"]
    end
    subgraph Models["Your models"]
        LOCAL["Local<br/>Ollama · ExLlamaV2<br/>DeepSeekBridge"]
        CLOUD["Cloud<br/>DeepSeek · Z.ai<br/>Gemini · Anthropic"]
    end
    A --> API
    B --> API
    C --> API
    API --> AGENT
    AGENT --> LOCAL
    AGENT --> CLOUD

由 Agent 完成工作——在本地运行，一切由你掌控：

sequenceDiagram
    autonumber
    participant U as You (TUI / client)
    participant A as Agent (on your machine)
    participant T as Tools (web · search · docs · sheets · email)
    participant M as LLM (local or cloud)
    U->>A: "Analyse the market, draft the report"
    loop Agent loop — plan, act, verify
        A->>M: next step?
        M-->>A: call the web tool
        A->>T: gather the data
        T-->>A: sources found
        A->>M: reason over the result
    end
    A-->>U: PDF report ready

你的数据归你所有。 Agent 在你的机器上运行于应用级沙箱中； 只有模型调用会离开沙箱，而且仅在你选择云服务提供商时才会发生。使用本地模型时， 数据完全不会离开。

专为你拥有的一台机器打造，而非云集群。 大多数 Agent 框架都是为数据中心设计的： 它们会并行运行多个 Agent，每个 Agent 使用自己的 API 连接，并按 token 计费。AgentBridge 则面向相反的场景——在你现有的电脑上运行私人助手（办公 PC、迷你 PC，或类似 本项目测试所用的 Ryzen AI Max+ 395 配置）， 而且通常使用本地模型。这个目标决定了两项设计选择。它们是针对这一目标做出的坦诚取舍， 并非放之四海而皆准的结论：

• 一次只运行一个 Agent——不并行分发。 本地模型只有一套权重和一个 KV 缓存。 并行分支会共享它们，因此并不会真正同时运行：它们会互相挤掉缓存，导致延迟远高于 按顺序逐步完成相同工作。并行 Agent 还会让 token 使用量增加数倍，因为每个 分支都会重新发送共享上下文——而这正是我们最稀缺的资源。复杂工作会交由 按顺序运行的子 Agent，并使用独立的上下文。
• 每轮对话只保留少量工具。 工具列表属于提示词前缀的一部分，而前缀会由模型缓存（使用本地 模型时，还会重新读入 VRAM）。因此，前台 Agent 仅保留系统工具——文件、git、 定时任务、网页、电子邮件——以便立即处理简单请求；插件工具（Word、Excel、PowerPoint、PDF、CAD、 播客、地图等）则通过子 Agent 提供给模型，仅在复杂工作需要时使用。 在完整的 9 个插件集合上进行测量后，每轮发送的工具列表从 146,330 个字符降至 32,122 个字符（−78 %），同时仍可完整使用所有插件工具。

如果你在按请求计费的云集群上运行，并行设计可能是更好的选择——我们并不否认这一点。 但对于运行在你自有硬件上的私人助手，让一个模型始终忙碌并保持提示词前缀精简，才能让它真正实用。

完整组件图。 上面的简化视图只是系统的一部分。完整架构图——包含每个模块、对应的源文件，以及模块之间 实际存在的连接（终端 UI、HTTP API、OfficeManager Web 办公套件、Telegram 和 SIP 桥接、共享会话存储、插件加载器、更新服务以及 AIOrchestrator 引擎）——请参阅架构图。

AgentBridge 背后的故事

AgentBridge 由 Andrea Bruno 创建。他是一位 AI 领域的先驱，研究涵盖人工智能的多个领域，从 20 世纪 90 年代的机器学习实验，到开发在互联网上运行的自动化系统。

他的早期成果之一是一款实验性国际象棋引擎，它旨在从对局中学习，而非完全依赖暴力搜索（First AI Implementation）。他的研究还探讨了现代大模型背后理念与算法的历史发展（Who Invented LLM）。

2019 年，意大利电视节目 Report 也报道了他在大规模在线自动化方面的经验。随后，Open 对此进行了报道。当时，如今的 AI Agent 生态尚未成为主流。

近年来，他还参与了其他开源 AI Agent 框架的开发，包括 Qwen Code 和 Codewhale。这些贡献涉及 Agent 执行、并发控制和决策机制等实际问题，体现了他持续提升 AI 系统效率与可控性的努力。

他还是一种不同的 Agentic AI 理念的提出者：这种技术是确定性的，而非生成式的。它不会将代码写入文件，而是在运行时工作，并接管开发者通常会完成的大部分工作。该项目名为 UISupportBlazor，其底层引擎已合并到 AgentBridge，以扩展其 Agent 的能力。

AgentBridge 致力于开发一种 AI 自动化框架，将大模型的灵活性与确定性软件组件相结合，同时秉持 无须信任 的理念。这种做法与我们代码库中的其他开源项目一脉相承，涉及云技术、非对称密码学、后量子密码学以及 非托管 加密货币钱包。

其基本原则很简单：只要在技术上可以进行独立验证，用户就不应无条件信任开发者、服务提供商或黑盒 AI 系统。数字主权意味着，用户应保有对软件、数据、模型和计算资源的实质控制权，而非完全依赖外部平台。

我们也将这一理念应用于 AgentBridge，发布可复现且可供独立审查的基准测试。本代码库中的数据反映了我们自己的测量结果，但我们鼓励所有人自行测试、检查实现并质疑我们的结论。性能取决于硬件、配置和工作负载，而独立验证是确定系统实际能力的最佳方式。

毕竟，人人都会说自己的产品是世界上最好的。我们相信，代码、证据和可独立复现的结果自会说明一切。

不要盲目相信我们的说法。检查代码、复现基准测试，并自行判断。

我们的团队

任何审阅此项目的人都可能会质疑它没有团队，认为这会削弱它的可信度。这种判断是错误的：它源于一种偏见，而这种偏见承袭自数百万个仓库中反复出现的一种模式。这种模式如此普遍，以至于已成为事实上的标准。将这一标准应用于一个旨在取代人类工作的项目时，它本身就自相矛盾——一个承诺取代人类的项目，却只能由大型人类组织来构建，这无异于否认自身目标的可行性，也就否认了自身的有效性。

由数百名贡献者共同构建此类项目，不仅会让它与其目标格格不入、令人难以置信，也会使它变得脆弱：每项个人贡献都可能成为 bug 的来源，无论是无意还是故意造成的，而且没有任何一位贡献者能够全面了解其他所有人在做什么。AgentBridge 则以其倡导的方式构建——由上图所示的小型大模型 Agent 团队在极少人力资源的支持下打造，从而证明它所自动化的工作确实可以实现自动化。

常见问题

• AgentBridge 是什么？ 一个可自托管的服务，通过全屏终端聊天界面和采用标准 OpenAI 协议的 HTTP API 运行 AI Agent——一个进程、你的机器、你的 Agent，另加一个供标准 MCP 客户端使用的原生 MCP 连接器。OpenAI 兼容性仅限于协议层面：对任何客户端而言，该产品就是一个标准 OpenAI 服务，但它不使用标准 Agent 系统——这些 Agent 运行在专有框架上，其工具是作为插件运行的已编译 .NET 程序集。
• AgentBridge 免费吗？ 是的——它基于 GNU Affero General Public License v3.0 完全开源。插件工具——Agent 的动作引擎——也采用相同的 AGPL v3.0 许可证发布（每个 *Tool 仓库）。
• 它支持哪些大模型？ DeepSeek、Z.ai、Gemini、Anthropic，以及任何兼容 OpenAI 的端点——还支持通过 Ollama、ExLlamaV2 或本地桥接使用本地模型，并可随时切换。
• 它可以离线使用吗？ 可以——使用本地模型时，任何内容都不会离开你的机器。
• 我的文档会离开我的机器吗？ 不会。文档区域是一个供 Agent 读取的本地普通文件夹；只有模型调用会离开这台机器，而且仅在你选择云服务提供商时才会发生。符合 GDPR 要求的匿名化开关会在任何外部调用前移除姓名和标识符，并在回复中将其还原。
• 它是 MCP 服务吗？ 是。MCP 连接器是应用的一部分（JSON-RPC 地址为 http://localhost:5290/mcp，已列入 Official MCP Registry，名称为 io.github.Graphene-Lab/agentbridge），并且功能更进一步：工具作为已编译的 .NET 插件在进程内的应用级沙箱中运行，Agent 与其动作之间无需独立服务、解释器或 HTTP 跳转。
• 它需要什么硬件？ 从 Raspberry Pi / Rockchip RK3588 级别的设备，到 Ryzen AI Max+ 395、NVIDIA GB10 或 Jetson——请参阅硬件部分。
• 支持 Xiaomi AI Cube 吗？ 支持，它尤其适用于这款设备，可将其变成一台性能强大的独立 Agent 设备。
• 我需要安装 .NET 吗？ 不需要——每个压缩包都是独立运行的（约 460 MB），并已包含 Kokoro TTS 语音和模型。

---

基于 AIOffice 生态系统构建 · AgentBridge 仓库。