Agent Runtime · 个人全栈项目
Lodestar
在用户授权下处理工作与生活事务、可安全执行的本地桌面 AI 助手
能力概览
将本地 Agent Runtime 组织成授权执行、任务恢复与多场景协助的桌面产品，并完成核心实现。
事务与任务
- 办公协作在授权下处理 Word、Excel、PowerPoint 等文档，汇总今日工作内容，并读取 Outlook 和飞书日历展示日程。
- 可跟踪任务将复杂需求拆成可跟踪、可取消、可重试的任务，结合状态保留、回放与恢复形成闭环。
- 生活协助协助查询和选择外卖、整理日程与提醒、规划出行，以及处理其他生活事务。
受控执行与可达性
- 授权与确认为文件、命令、浏览器和 MCP 工具设计沙箱、权限检查与审批路径；下单、付款或设备控制等操作要求用户确认。
- 语音与桌面入口通过语音或桌面界面协助处理实际事务，并以本地 Runtime 连接 Tauri、TypeScript、Rust、Python 与 WebSocket。
- 家庭 AI 工作站作为后续规划，将 AI 部署到家中电脑或服务器，经安全的内网穿透远程访问，并通过飞书、微信推送处理结果、提醒或文件。
DESIGN EVIDENCE / 设计证据
先定义执行边界，再追求自动化速度
以原创设计图与产品界面截图，说明任务隔离、上下文控制、工具审批与中断恢复如何共同构成 Lodestar 的本地执行边界。
产品设计蓝图
将任务隔离、上下文控制、工具审批与中断恢复组织成可理解、可审计的本地 Agent 工作边界。
桌面产品界面
通过桌面悬浮助手与会话工作台呈现 Lodestar 的实际交互形态，包括对话、任务状态与桌面入口。
Runtime flow / 运行时链路
从任务进入，到中断后恢复
用任务分车道、上下文与记忆、工具审批和持久化投递建立本地 Agent 的执行边界。- 01
任务分车道
根据隔离、并行与当前上下文需求选择 Fresh、Fork 或 In-Process 执行。
- 02
上下文与记忆
组装任务上下文，按层压缩并读写短期、长期和项目记忆，控制污染与成本。
- 03
审批与执行
文件、命令、浏览器和 MCP 工具经过沙箱、权限检查与逐级审批后执行。
- 04
回放与恢复
通过 Checkpoint、订阅、幂等投递和重放恢复长任务进度与结果所有权。
边界说明这是个人项目的产品与实现架构；模型、框架及部分工具来自开源生态，公开仓库用于验证 Runtime 与 Protocol 边界。
ARCHITECTURE EVIDENCE / 架构证据
从流程说明，回到方案原图
以下图片用于补充说明方案结构与系统边界；点击图片可在新窗口查看原始尺寸。
背景与问题
Lodestar 是面向个人生活和工作场景的本地桌面 AI 助手。它不只是聊天机器人，而是在用户授权下操作文件、执行命令、浏览网页、管理任务，并通过语音或桌面界面协助完成实际事务。
通用聊天工具难以覆盖文档、日程、浏览器和长任务：上下文变长后容易遗忘，复杂任务缺少可跟踪状态，执行操作缺少安全边界，中断后也无法可靠恢复。Lodestar 的目标是让 AI 从“能回答问题”，变成由用户掌控、可在不同地点使用、能真正处理工作和生活事务的智能伙伴。
我的角色
以 AI 项目经理与个人核心实践者身份，主导办公与生活用户场景、任务模型、上下文策略、记忆分层、权限边界、安全机制、恢复体验与桌面端核心实现；底层框架、模型和部分工具能力来自开源生态，不归为个人原创成果，也不把个人项目成果归入公司产品。
约束与取舍
- 只回答问题还是受控执行：把所有请求停留在对话层实现简单，却无法替用户处理真实事务。最终让文件、命令、网页与任务进入受控执行链路，并保留用户授权与审计边界。
- 默认自动化还是逐级确认：默认放行体验更快，却不适合下单、付款或设备控制等高影响操作。最终采用沙箱、权限检查与确认步骤，牺牲部分即时性以换取可控性。
- 一次性会话还是可恢复任务：只依赖实时连接会在进程或网络中断时丢失长任务进度。最终采用 Fresh / Fork / In-Process 任务分车道、订阅、重放和恢复机制，让任务可跟踪、可取消、可重试。
产品方案
在办公场景中，Lodestar 可在授权下处理 Word、Excel、PowerPoint 等文档，汇总今日工作内容，并读取 Outlook 和飞书日历展示日程；复杂需求会被拆成可跟踪、可取消、可重试的任务。在生活场景中，它可协助查询和选择外卖、整理日程与提醒、规划出行和其他生活事务；接入对应服务或智能家居后，还可协助控制灯光、空调、扫地机器人等设备。
技术上，主 Agent 通过 Fresh / Fork / In-Process 三车道 SubAgent 承接不同隔离与并行需求；写集冲突检测支持并行调度，四级上下文压缩与五层记忆控制成本与污染。工具沙箱、命令审批、AES-GCM 与注入防护约束执行边界，Gateway 提供订阅、重放和投递恢复。涉及下单、付款或设备控制等操作时，系统要求用户确认。
家庭 AI 工作站是后续规划：将 AI 部署在家中的电脑或服务器上，经安全的内网穿透实现随时随地访问；用户在公司、路上或异地都可以调用自家的 AI 完成任务，并将处理结果、提醒或文件通过飞书、微信等渠道推送到手上。
设计要点
- 办公与日程协助：以文档处理、工作汇总和日历展示覆盖高频办公事务；读取 Outlook 和飞书日历前遵守对应账户与数据授权。
- 任务分车道与恢复：用 Fresh、Fork 与 In-Process 区分隔离、并行和复用当前上下文的需求，并用 Checkpoint、订阅和幂等投递让任务可追踪、可取消、可重试。
- 受控工具与生活事务：文件、命令、浏览器和 MCP 工具先经过沙箱、权限判断和逐级审批；外卖、行程与生活事务保持用户可见、可确认的责任边界。
- 远程家庭访问：家庭 AI 工作站属于后续规划，重点验证安全的内网穿透、远程调用与飞书、微信推送，不将其写成已完成的公开交付成果。
两张图是本人的产品与实现设计说明。底层模型、框架和部分工具来自开源生态或外部能力，图中不将其标为个人原创成果。
结果与证据
- 支持 200K Token 上下文配置与 15+ 可复用技能。
- 形成文件、命令、浏览器与任务执行的工具审批、执行回放、进度订阅和中断恢复边界。
- 交付 Tauri 2 桌面端与 Python/Rust 类型化控制核心，公开 Runtime 与 Protocol 仓库作为实现证据。
局限与下一步
当前可靠性验证主要来自个人测试和开发样例，尚未形成可公开复现的大规模任务集，因此不展示准确率、完成率或可用性百分比。Outlook、飞书、生活服务、智能家居与远程家庭访问需要在对应服务授权和安全机制验证后逐步接入；它们不是已对外承诺的通用生产能力。下一步将增加固定任务集、失败注入、恢复耗时测试，并验证家庭 AI 工作站的安全内网访问与推送边界。