临城职 Agent

Overview

临城职 Agent 是一个面向校园用户的本地优先 AI Agent 产品：桌面端负责本地文件、对话与工具执行，内部网关负责模型号池、用户分组额度、调用日志和流式转发，论坛负责校园身份、入口和用户流量。

Problem

用户不应直接拿到明文模型 API Key，上游 Key 只应存在于服务端配置或桌面端可控环境中。需要同时解决：本地文件安全读写、模型额度管控、流式输出的用户体验和校园身份打通。

Solution

分离桌面端和网关两个系统。桌面端基于 Tauri 2 + React 19 + TypeScript + Vite + Rust 构建，内部网关基于 Node.js 原生 http server 构建。桌面端承担本地文件读取、上下文管理、工具执行和交互体验，网关承担模型池、额度、分组、调用日志和管理控制台。

• 高密度工具台 UI：顶栏、活动栏、文件列表、对话时间线、设置面板
• 支持免费模型、用户自带 OpenAI-compatible Key、本地模型三种模式
• 用户自带 Key 由 Rust/Tauri 后端保存读取，支持 Windows keyring
• 流式输出：Rust 后端请求 stream=true，解析 SSE 后通过 Tauri event 推送前端
• 本地文件读取、目录列表、路径解析、路径验证、PDF 读取
• 写文件前设计用户确认和备份机制
• 自然语言路径识别："桌面上的第二大脑文件夹"
• opencode kernel 执行模式集成
• 内部网关：模型池、用户分组额度、调用日志、流式转发、管理控制台

Tech

桌面端：Tauri 2 + React 19 + TypeScript + Vite + Rust。内部网关：Node.js 原生 http server + 原生 HTML/CSS/JavaScript 控制台。模型代理连接：deepseek、kimi、通义千问等。

Result

已形成可运行的桌面 Agent 工作台雏形和可独立运行的内部网关。网关支持模型号池管理、用户分组额度控制和调用日志，控制台已经上线。桌面端在文件读取、路径识别和流式输出方面已完成核心验证。

Reflection

这个项目最大的判断是"不要让用户直接接触上游模型 API Key"。所有模型密钥都应封存在服务端或桌面端可控环境中。后续需要补充分组配额、数据统计看板和更完整的错误处理与重试机制。