过去两年，聊天框几乎成了所有 AI 产品的默认形态：一个输入框、一段回复、再一段回复。它足够好，好到让人忘了问一句——真实工作真的是这样发生的吗？我们在自己的开发、研究和排障流程里反复验证后，得到的答案是否定的。于是有了 Deskmate AI Studio。
我们不想再做一个聊天框。Deskmate 的目标是把 AI 放进真实工作环境：文件、终端、浏览器、MCP、知识材料、计划任务和可观察日志。
普通聊天框的问题
聊天框的问题不在于它不能聊天，而在于它把一切都压缩成了对话。它看不到你打开的文件，碰不到你的终端，记不住上一次会话留下的结论，更不会主动去执行任何动作。你提问，它给建议，剩下的复制、粘贴、运行、验证全部落在你身上。
换句话说，聊天框只完成了「想」，却把「做」原封不动地退回给了人。任务越复杂，这道断层就越明显：你要在窗口之间来回搬运上下文，手动充当模型和现实之间的传输带。这不是协作，这是口述。
真实工作需要上下文、工具和执行闭环
真实工作有三个聊天框天然缺失的东西。
- 上下文：当前的代码、配置、日志、文档，以及之前积累下来的知识，模型需要能读到它们，而不是靠你一段段贴。
- 工具：文件读写、命令执行、浏览器操作、外部服务调用——能力要落到具体动作上，而不是停在文字描述。
- 执行闭环：从理解、规划、动手到验证结果，应该在同一个环境里跑完，并留下可以回看的痕迹。
三者缺一，AI 就只能停在建议层。把它们补齐，AI 才第一次有机会真正接管一段流程，而不是旁观它。
为什么桌面环境重要
这三件事在云端的聊天页面里很难做对，但在桌面上是自然的。你的文件就在本机，你的终端就在本机，你信任的工具和凭证也在本机。桌面 Agent 工作台可以直接站在你已有的工作环境里，而不是要求你把一切上传到别处再换个地方操作。
桌面还意味着边界清晰：哪些目录可读、哪些命令可跑、哪些调用会走出本机，都由你掌握，而不是藏在一个远端服务背后。把 AI 放在桌面上，不是为了多一个本地应用，而是为了让它够得着真实工作，同时让你看得见它的手伸到了哪里。
为什么 Agent 应该是可维护配置
我们不把 Agent 当成一次性的 prompt，而是当成可维护的配置。每个 Agent 的角色、可用工具、启用的 MCP server，都是写下来、能版本化、能复用的东西，而不是每次对话临时拼凑、用完即弃。
这样做的好处很直接：行为可预期，问题可复现，经验可沉淀。今天调好的一个排障 Agent，明天还是同一个；团队里有用的工作流，可以像代码一样被分享和迭代。Agent 不该是黑箱里的咒语，而该是你能读、能改、能信任的配置。
Deskmate 的本地优先选择
基于以上判断，Deskmate 选择本地优先。数据、Agent 定义、会话记录和运行日志都保存在你本机的 ~/.deskmate/ 下，采用人类可读、可检查的格式。需要联网或调用外部模型时才走出本机，且这条边界是明确的，不是默认把一切送往云端。
本地优先不是隐私口号，而是一个你可以亲自打开、查看、备份和迁移的数据模型。我们相信，越是让 AI 深入真实工作，就越需要把控制权留在用户手里。
Early access 邀请
Deskmate 目前处于 early access 阶段。这意味着核心形态已经成立，但仍在快速演进——部分能力还在打磨，接口和默认行为可能调整，你会遇到尚未填平的粗糙之处。我们不回避这一点，也不会假装一切已经稳定。
如果你也觉得「再做一个聊天框」不是答案，欢迎加入早期使用者，一起把这个桌面 Agent 工作台用起来、提出问题、塑造它的下一步。你的真实工作流，正是我们最需要的反馈。