Local-first desktop AI agent workspace
让 AI Agent 进入
你的桌面工作流
创建可定制 Agent，连接 MCP、本地文件、终端、浏览器和长期记忆。Deskmate AI Studio 让 AI 不只回答问题，还能在你的桌面环境里计划、执行、验证和交付。
聊天框回答问题，但真实工作需要执行闭环
复杂任务往往不止一轮问答。你需要让 AI 读取项目文件、查资料、打开网页、执行命令、保存产物、回看日志、拆分子任务，并在失败时继续修正。Deskmate 把这些能力放进一个桌面工作台，而不是散落在多个标签页和临时脚本里。
上下文散落
文件、网页、笔记、聊天记录分散在不同地方，AI 每次都要重新理解任务背景。
工具割裂
模型知道要做什么，却不能稳定访问本地环境、MCP server、浏览器和命令行。
任务线性
多步骤任务只能一轮轮等待，调查、编辑、验证难以并行推进。
Capabilities
为 Agent 工作流设计的桌面底座
Deskmate 把模型能力、桌面上下文和可执行工具组织成可复用的 Agent 工作单元。
可定制 Agent
为不同任务创建专用 Agent。每个 Agent 拥有独立系统提示、模型、知识、工具权限、Skills、子 Agent 和调度配置。
- 一个 Agent 服务一个稳定任务域
- System prompt、knowledge、MCP、Skills 可组合
MCP 与本地工具
连接外部 MCP server，也能调用 Deskmate 内置的文件、终端、浏览器、web、app 命令能力。
- MCP 连接外部服务和数据源
- app / web 以 CLI 风格渐进披露能力
Workflow
一次真实任务，不止一次回复
“帮我分析这个项目最近的登录卡顿，定位原因，提出修复方案，并生成可验证的改动清单。”
- 1
读取上下文
读取项目文档、相关源码和运行日志。
read - 2
并行调查
子 Agent 分别排查认证链路、登录界面、日志和历史错误。
sub-agents - 3
执行工具
运行针对性的检查命令，查阅相关日志和代码，逐步缩小问题范围。
shell - 4
归纳方案
标出关键路径，区分阻塞 await 与后台任务，给出修复优先级。
- 5
交付产物
输出修改计划、风险说明和可验证的改动清单。
write
适合哪些工作流？
把 Agent、工具、知识和调度按需组合，覆盖开发、研究、自动化和资料整理等真实场景。
| 场景 | 推荐能力 | 示例 |
|---|---|---|
| 代码库维护 | Agent + shell + read/edit | 分析失败测试并生成修复计划 |
| 技术研究 | web + knowledge + sub agents | 调研一个新框架的迁移风险 |
| 自动化巡检 | scheduler + shell | 每周检查依赖和安全公告 |
| 文档整理 | knowledge + web + files | 汇总资料并归档到本地 |
| MCP 扩展 | MCP + Agent config | 连接 GitHub、数据库或内部系统 |
Local-first
默认本地存储，清楚知道数据在哪里
Deskmate 把用户态数据放在本机目录中：Profile、Agent、会话、知识材料、计划任务、运行产物和日志都能被检查和备份。你仍然可以连接云端模型和外部 MCP 服务，但 Deskmate 会尽量让数据边界显式、可理解、可管理。
- 本地存储是默认形态。
- 调用云端模型时，上下文会发送给对应 provider。
- 调用 MCP / web 工具时，请求会发送给对应外部服务。
~/.deskmate/
├── profiles/
│ └── p_xxx/
│ ├── agents/
│ │ └── a_xxx/
│ │ ├── AGENT.md
│ │ ├── knowledge/
│ │ ├── sessions/
│ │ └── schedules/
│ └── index.db
└── logs/
├── dev.db
└── app.db少而清晰的工具入口，更多能力按需展开
Deskmate 的工具设计借鉴 CLI：顶层工具尽量少，复杂能力通过 app / web 这样的路由命令渐进披露。Agent 可以像使用 shell 一样查看帮助、试运行、读取结构化结果，并从错误中恢复。
app --help
app mcp status --json
app agent list
web search "latest MCP server examples"
shell npm run typecheckapp应用内能力，比如 Agent、MCP、Skill、Schedule。
web搜索、抓取、下载、交互式研究。
shell真实 shell 命令。
read/write/edit文件、URL、资源读取与结构化修改。
把提示词、工具和知识变成可维护的 Agent
与其把所有指令塞进一个超长 prompt，不如把它们变成可维护的 Agent 配置。每个 Agent 都能逐步演进，服务于一个稳定任务域。
System Prompt
定义角色、边界、输出风格。
Model
为任务选择 provider、模型和 reasoning 强度。
Knowledge
绑定长期参考资料。
MCP Servers
连接外部工具和数据源。
Skills
安装可复用能力包。
Sub Agents
把复杂任务拆给专门助手。
值得信任的日常使用
权限受控
文件、终端、MCP、计划任务等有副作用的操作，都在你的授权范围内进行。
数据在你手里
Profile、Agent、会话和日志默认保存在本机，可随时打开、检查和备份。
出问题能定位
运行过程会留下记录，异常时可以追溯到具体环节，而不是面对一个黑箱。
一键上报问题
遇到问题点一下上报，内置的诊断 Agent 会先分析情况，再连同分析结果自动到 GitHub 提交 issue。
常见问题
Deskmate 是 ChatGPT 客户端吗？
不是。Deskmate 更接近桌面 Agent 工作台。聊天只是入口，核心是 Agent 配置、工具调用、本地上下文、MCP、计划任务和子 Agent 并行。
数据会上传到 Deskmate 服务器吗？
默认用户态数据保存在本机。你使用云端模型、web 搜索或外部 MCP server 时，相关请求内容会发送给对应服务。可在数据与隐私文档中了解本地存储与外部调用的区别。
支持哪些模型？
Deskmate 支持多 provider。具体可用模型以应用内模型列表为准，官网不硬编码完整模型清单。
MCP 是什么？
MCP 是 Model Context Protocol，用来把外部工具和数据源连接给 AI Agent。Deskmate 可以连接外部 MCP server，并把它们作为 Agent 工具目录的一部分。
为什么需要桌面应用？
很多任务需要本地文件、终端、浏览器、截图、系统权限和长期运行状态。桌面应用能在用户授权下连接这些能力，而不只是停留在网页聊天框。
当前适合日常主力使用吗？
当前仍处于早期阶段，适合愿意尝鲜的开发者和 AI power user。重要数据应有备份，生产关键流程应谨慎依赖。
准备好创建你的第一个桌面 Agent 了吗？
下载 Deskmate AI Studio，连接模型 provider，创建一个专用 Agent，并让它开始处理真实任务。