Saki AI Agent 是一个面向中文用户的 本地 AI Agent、开箱即用的桌面应用、Windows AI 助手。它主打 低门槛部署、低 Token 成本、低资源占用、默认更安全：2 hCPU / 200 MB 可部署应用本体，8B-12B 小模型即可获得较好效果，推荐本地模型 glm-4.7-flash，并提供 沙盒运行、敏感操作审批、文件回溯。
关键词：本地 AI Agent、OpenClaw 替代、Ollama、Windows AI 助手、桌面 AI 工作台、低资源部署、沙盒、安全、文件回溯
2026 年是 Agent 爆发的年代，但普通用户真正用起来依然门槛不低：在线平台虽然方便，却有隐私顾虑、能力限制和持续的订阅/Token 成本；像 OpenClaw 这样的优秀项目虽然很强，却更偏 self-hosted gateway / Agent runtime，更适合开发者和极客用户，而不是只想在本地电脑上拥有一个好用 AI 助手的普通人。
它不是单纯的聊天窗口，而是运行在你本地电脑上的 AI 副驾驶：可以搜索网页、读取硬盘文档、调用本地绘图、连接语音和外部渠道。我们希望把前沿 AI 能力封装成一个 温暖、易用、成本可控、安全默认值更高 的桌面应用。
OpenClaw 是很强的 self-hosted gateway / Agent 平台，核心优势是多渠道接入、插件生态、多 Agent 路由和远程消息入口。
Saki AI Agent 则更像一个面向中文用户、强调本地体验的 桌面 AI 工作台。
两者并不对立。OpenClaw 更偏“平台底座”，Saki 更偏“直接给人用的本地产品层”。如果你的目标是：
- 想在自己的电脑上低门槛部署一个 AI 助手
- 想优先使用本地模型，减少云端 Token 消耗
- 想要图形化配置、文件工作流、PPT/深度研究/记忆/第三方聊天一体化体验
- 想让安全策略默认更保守、更容易理解
那么 Saki 往往会比 OpenClaw 更合适。
| 维度 | Saki AI Agent | OpenClaw |
|---|---|---|
| 产品定位 | 本地桌面 AI 工作台 | 多渠道 self-hosted gateway / Agent 平台 |
| 第一优先级 | 本地体验、中文交互、文件工作流、桌面可用性 | 渠道路由、远程接入、插件生态、多 Agent |
| 部署方式 | Windows 可直接双击 start.bat / configure.bat |
更偏 CLI / Gateway / Channel / Workspace 配置，Windows 场景通常还要 WSL2 |
| 模型策略 | 强调本地可用，8B-12B 小模型即可获得较好效果 |
官方更偏推荐 strongest latest-generation model，实际更容易依赖云端强模型 |
| 成本控制 | 适合长期本地常驻，目标是少烧 Token | 平台能力强，但在高质量使用场景下更容易带来持续 Token 成本 |
| 安全体验 | 默认权限模式、沙盒运行、敏感操作审批、文件回溯 | 安全能力完整，但更依赖操作者理解并正确配置 trust boundary、allowlist、tool policy、sandbox |
| 适合谁 | 普通用户、独立开发者、创作者、轻量办公/研究场景 | 开发者、极客用户、重度多渠道/远程接入场景 |
这里说的“痛点”不是指 OpenClaw 不强，而是它在普通用户的个人桌面场景里摩擦更大：
- 上手门槛高：要理解 gateway、agent、channel、workspace、skill、allowlist、tool policy 等整套概念。
- Windows 成本更高：官方文档至今仍建议 Windows 通过 WSL2 使用，这对很多非开发者用户并不友好。
- 容易烧 Token：官方更倾向推荐“最强的最新代模型”保证质量和安全，这对平台合理，但对本地常驻个人助手来说长期成本更高。
- 更像平台，不是现成桌面应用：如果你要的是文件拖拽、图形化设置、记忆管理、PPT 生成、深度研究、消息内文件回溯，OpenClaw 往往还需要你自己再补一层产品。
- 安全配置更吃经验：OpenClaw 的安全能力很强，但要用得稳，操作者需要更清楚地理解信任边界、权限、沙盒和规则配置。
Saki 的目标不是否定 OpenClaw，而是解决它在“本地个人桌面助手”这个场景下的这些现实摩擦。
- 想在自己电脑上长期常驻一个 AI 助手的人，而不是只想偶尔试一试 Agent。
- Windows 用户，希望尽量少碰 WSL2、复杂 CLI 和多层配置。
- 硬件和预算有限的人，希望用
8B-12B的本地小模型也能获得比较好的体验。 - 重视隐私的人，希望文档、会话、记忆尽量留在本地。
- 需要中文体验的人，尤其是办公、研究、PPT、文档分析、QQ 接入这类高频中文场景。
- 对安全更敏感的人，希望系统默认更保守，而不是默认给 Agent 更大的自由度。
Saki 的 应用本体 足够轻。对于基础 Web/API 服务，2 hCPU、200 MB 运行内存级别即可完成部署。
也就是说，你不需要先准备一台“重型 AI 服务器”，就能把桌面 Agent 系统先跑起来。
注意：这里的
2 hCPU / 200 MB指的是本项目自身的应用服务开销；如果你还要在同一台机器上运行 Ollama、Stable Diffusion、GPT-SoVITS 等模型服务，模型本身仍然需要额外的 CPU / RAM / 显存。
Saki 不是按“必须上最强云端模型”设计的，而是按“本地小模型也要可用”优化体验。
在实际使用中，8B-12B 的小模型已经可以覆盖大量本地助手场景，做到：
- 日常对话
- 文档阅读与问答
- 简单联网检索与总结
- 代码辅助
- 基础任务规划
本项目目前最推荐的本地模型路线是 glm-4.7-flash。
它在中文理解、速度、性价比和日常可用性之间平衡很好，适合长期本地部署，也更适合解决 OpenClaw 常见的“强依赖云端模型、Token 成本越用越高”的问题。
除了成本，另一个核心问题是安全。Saki 在设计上更强调 默认保守：
- 沙盒运行：默认权限模式下，终端和文件工具被限制在沙盒范围内运行。
- 敏感操作审批：覆盖、编辑、删除文件，以及高风险终端命令，会先暂停并请求用户确认。
- 文件回溯：AI 造成的文件修改可以回滚，误改、误删后更容易恢复。
- 本地优先：尽量把数据、文件和工作流留在你的本机，而不是丢给第三方 SaaS。
这意味着它不仅更省钱，也更适合作为长期放在个人电脑上的本地 Agent。
- 多模型支持：无缝对接 Ollama（本地运行 Qwen3、GLM 等）、Lmstudio、GitHub Copilot 以及 OpenAI / DeepSeek / 智谱 / Gemini / MiniMax / Anthropic / Moonshot / 通义千问 / 豆包 / 自定义 OpenAI 兼容 API。
- 每个渠道独立 API Key：不同云端服务的 Key 分开保存，不再共用同一个 API Key；也可以开启“显示全部已启用 API 模型”，在顶部模型列表里直接看到所有已配置渠道的模型。
- 情感化人格 (Saki)：她不是冷冰冰的问答机器。她会开心、会害羞、会思考。系统内置丰富的情感表情包和语气系统，聊天更像在和真人朋友交流。
- 深度思维可视化：对于支持“思维链”的模型（如 QAQ、Gemma3），Saki 会优雅地展示
<UserThinking>过程，让你看到 AI 思考的逻辑转折。
直接把文件拖进聊天框，即可开始对话。底层解析引擎支持：
- PDF：智能提取文本，保留段落结构。
- Word / Excel / PPT：兼容 Office 三件套，通过
mammoth和officeparser深度还原文档内容。 - 长文档切片：自动将几万字长文切分为 AI 可理解的小块，实现精准问答。
- 自主任务规划：当你问“帮我查一下最近的 AI 新闻并总结”，Saki 会：1. 拆解任务 -> 2. 调用搜索工具 -> 3. 阅读网页内容 -> 4. 整理总结。
- 混合搜索引擎：集成 Bing 和 SearxNG，支持实时获取互联网最新信息。
- 终端交互：在你的授权下，它可以执行 PowerShell / Shell 命令来获取系统状态、运行脚本或处理文件。终端工具默认超时已扩展到更适合大型任务的时间，并支持为单次命令指定超时时间，
0表示不自动超时，适合大型下载或本地模型任务。 - 企业级 MCP 宿主：支持 Model Context Protocol，可动态加载本地或远程 MCP 服务器（如 Google Maps、GitHub、SQLite 等），扩展 AI 能力。
- 长上下文自动压缩：会话很长时，后端会保留最近关键上下文，并把更早的工具调用和对话压缩成背景摘要，减少无意义 Token 消耗。
- 本地绘图 (Stable Diffusion)：直接调用本地 SD WebUI 生成高质量图像。
- 情感语音 (GPT-SoVITS)：接入开源语音克隆模型 GPT-SoVITS，Saki 能用更逼真的语气念出回复，甚至包含叹气、笑声等细节。
- 多端 AI 桥接 (QQBot)：内置
qqBridge逻辑，支持将 Saki 的能力一键接入 QQ 频道或群聊，并支持/deep深度搜索、/ppt报告生成等高级指令自定义。
- 语音讲故事：打开故事杯页面后，可以直接对 Saki 讲故事。Saki 会先倾听和回应，而不是每句话都立刻生成结果。
- 智能判断“该不该调酒”：后端会结合故事长度、情绪线、画面感和用户偏好判断是否已经适合生成一杯“故事杯”。
- 故事酒卡：生成结果会包含鸡尾酒名、风味、杯型、故事摘要、精选引语、图像/插画和分享卡。
- 故事杯架：已生成的故事杯可以在页面中回看、收藏、筛选、分享或下载酒卡。
- 沉浸式动效：新增调酒、聆听、思考、上杯等视频状态，以及风味信号、暖度杯等视觉反馈。
- 本地 Skills 管理：可以查看、启停、编辑和删除非保护的本地 Skill。
- OpenHub 技能搜索与安装：支持先搜索远程 Skill、预览
SKILL.md，再决定是否安装到本地。 - 更省 Token 的 Skill 读取：AI 现在可以用中文显示名、稳定 key/slug，或标题片段直接读取 Skill；例如
张雪峰.skill - 教育与思维操作系统会自动匹配到zhangxuefeng-perspective，不需要反复搜索 slug。
- 深度研究：联网检索多篇资料，展示研究过程，并生成可阅读的综合报告。
- PPT 生成：把主题快速整理成演示结构，支持专注查看和导出。
- 智链可信度核验：适合核验明确主张，会展示证据来源、支持/反驳关系和最终可信度判断。
内置基于 Puppeteer 与 Cheerio 的双模态爬虫。支持 JS 动态渲染、模拟真实用户滚动加载、智能正文提取（自动剔除广告与导航），尽量拿到干净网页信息。
集成专业级解析链，涵盖 PDF、现代 Office（.docx、.xlsx、.pptx）以及旧版 Word（.doc）。通过多层文本提取技术，还原复杂文档结构。
针对 Windows 深度优化 npx.cmd 调用流，具备 15 秒智能连接超时监控 与非标准 JSON 输出自动诊断能力，确保 MCP 插件运行稳定。
支持 思维链 (Reasoning) 与 最终答案 (Text) 的并行流式传输。后端还内置针对 GitHub Copilot API 的多级 Fallback 机制，确保在复杂网络环境下也能尽快响应。
默认权限模式下，终端与文件工具会被限制在沙盒中；对覆盖、编辑、删除等敏感操作，系统会暂停并请求用户确认；对于 AI 生成或修改过的文件，还内置了文件回溯逻辑，显著降低误操作风险。
使用LightMem方案记忆，在“效果”和“效率”之间找到平衡。在不牺牲准确率的前提下，把Token、API调用次数和运行时间都压到最低，适合长期本地部署的个人助手。
- 操作系统：Windows 10/11（推荐）、macOS、Linux
- Runtime：Node.js（v18 或更高版本）
轻量部署说明：Saki 的 Web/API 服务本体可在
2 hCPU、200 MB运行内存级别完成基础部署。若同机运行 Ollama、Stable Diffusion、GPT-SoVITS 等模型服务，额外资源需求以这些模型服务本身为准。
无论是初次安装还是日常使用，你只需要做这一步：
- 找到根目录下的
start.bat文件。 - 双击运行。
- 脚本会自动检查环境。
- 自动安装前端（
frontend/）和后端（backend/）依赖。 - 自动同时启动 Web 服务和 API 服务。
- 浏览器打开
http://localhost:5432。
若在局域网或者公网内其他设备访问，请使用
http://<你的IP地址>:5432，并确保防火墙放行 5432 端口。
- 打开终端，进入项目根目录。
- 运行以下命令：
chmod +x deploy.sh ./deploy.sh
第一次运行安装依赖可能需要几分钟，请看到“服务已停止”之前不要关闭窗口。
如果你想一步步配置模型、搜索、绘图、TTS、QQBot，以及 Windows 自启动策略，可以直接运行：
- 双击根目录下的
configure.bat。 - 或者在终端中运行：
npm run configure
- 向导会逐步询问关键配置项。
- 每一步都可以选择 Skip。
- 文本输入中，直接回车表示保留当前值。
- 输入
-可以清空当前值。
- 自启动支持以下策略：
- 关闭自启动
- 启动文件夹
- Windows 计划任务
当然，你也可以直接跳过配置向导，在设置界面修改这些配置项。
想要解锁“完全体”Saki？请配合以下工具使用。
Saki 原生支持通过 Ollama 连接本地运行的各种语言模型（如 Gamma3、Qwen3、GLM 系列等）。本项目更推荐优先走 本地小模型路线：8B-12B 的模型在这里就能达到较好的中文助理效果，目前首推 glm-4.7-flash。这样既能保证日常体验，也能显著降低对云端强模型的依赖，减少长期使用中的 Token 消耗。只需在 Ollama 中创建模型实例，并在 Saki 设置中输入正确的 URL 即可（本地部署的 Ollama 端口通常为 http://127.0.0.1:11434）。
如果你更想使用云端模型，Saki 支持把不同渠道的 API Key 分开保存：
- OpenAI
- DeepSeek
- 智谱
- Gemini
- MiniMax
- Anthropic
- Moonshot / Kimi
- 通义千问
- 豆包
- 自定义 OpenAI 兼容接口
在设置界面中填写对应渠道的 Key 后，Saki 会按当前选中的渠道拉取模型列表。 如果开启 显示全部已启用 API 模型，顶部模型选择器会把所有已配置 Key 的渠道模型一起列出来，方便在不同服务之间快速切换。
真实 Key 会保存在本地的
data/global_config.json中，该文件默认不会提交到 Git。仓库里只保留data/global_config.example.json作为空白示例。
如果你想让 Saki 原生支持画图，需要连接到你的本地 SD WebUI。
- 准备环境：确保你已安装 Stable Diffusion WebUI（Automatic1111 或 Forge 版本，可直接使用绘世整合包启动）。
- 开启 API 模式：
- 找到 SD 目录下的
webui-user.bat。 - 编辑该文件，在
COMMANDLINE_ARGS一行添加--api。 - 示例：
set COMMANDLINE_ARGS=--api --xformers --theme dark
- 找到 SD 目录下的
（若使用绘世整合包，需要打开“高级选项-监听设置-开放远程连接”的开关）
- 启动 SD：运行
webui-user.bat。 - Saki 设置：在本项目网页左下角设置中，默认 SD URL 为
http://127.0.0.1:7860。
当然，你也可以买一个生图的API，在设置里把 URL 换成对应的 API 地址和密钥即可，超省事。
如果主机/服务器性能较好，可以让 Saki 用声音和你交流。GPT-SoVITS 是目前很强的开源语音克隆模型，能模仿各种声音说话。
- 准备环境：下载并解压 GPT-SoVITS 整合包。
- 启动命令：
- 进入 GPT-SoVITS 根目录。
- 在地址栏输入
cmd回车打开终端。 - 输入并运行以下命令：
runtime\python.exe api_v2.py -a 127.0.0.1 -p 9880 - (注：端口 9880 是 V2 版本的默认 API 端口)
- Saki 设置：
- 进入设置 -> TTS 设置。
- 开启功能，并上传一段几秒钟的 参考音频（你希望 Saki 模仿的声音）及其对应的 参考文本。
Agent 的终端工具现在更适合处理大型下载、模型运行和长时间脚本：
- 默认终端超时时间更长，避免 90 秒就中断大型任务。
- 单次工具调用可以传入
timeoutSeconds。 timeoutSeconds = 0表示不自动超时。- 对需要长期运行的服务或模型，推荐让 AI 使用
Start-Process或Start-Job后台启动，这样当前对话不会被一个常驻进程卡住。
本项目采用现代化前后端分离架构，代码结构清晰，便于二次开发。
- Framework：React 18 - 组件化构建，响应迅速。
- Build Tool：Vite 5 - 秒级热更新，开发体验好。
- Styling：Tailwind CSS - 原子化 CSS，设计美观且易于定制。
- State Management：React Context + Hooks。
- Visuals：
framer-motion（动画）、lucide-react（图标）。
- Runtime：Node.js & Express。
- Core Services：
services/mcp.js：模型上下文协议管理。services/taskScheduler.js：自主 Agent 任务规划与分发中心。services/parser.js：统一文档解析层（PDF、Docx、Xlsx 等）。services/crawler.js：基于 Puppeteer 和 Cheerio 的网页爬虫。
- Data Storage：本地 JSON 文件存储（位于
data/目录），无需安装 MySQL/MongoDB，真正做到数据隐私与便携。
Q: 为什么启动后浏览器无法连接？
A: 请检查终端窗口是否有报错。通常是因为 5431（后端）或 5432（前端）端口被占用，或者防火墙未放行。尝试关闭其他进程或开放防火墙端口再试。
Q: 如何切换模型？ A: 配置好对应模型服务后，会自动在顶部显示可选模型。选择后保存，Saki 会自动切换。如果你填了多个云端 API Key，可以在设置里开启“显示全部已启用 API 模型”，顶部列表会同时展示所有已启用渠道的模型。
Q: 云端 API Key 会不会被上传到 GitHub？
A: 不会。真实配置保存在 data/global_config.json，默认被 .gitignore 排除；仓库只提供空白的 data/global_config.example.json。
Q: 为什么 AI 读 Skill 时不用再反复搜索 slug？
A: Skill 读取现在支持显示名、slug 和标题片段的宽松匹配。比如中文结果标题、.skill - ... 形式的名字，也能直接解析到对应的已安装 Skill。
Q: 大型下载或本地模型任务还会 90 秒超时吗？
A: 终端工具已经改成更长的默认超时，并支持单次指定 timeoutSeconds；传 0 可以关闭自动超时。常驻服务建议用后台进程启动。
Q: 如何更换 Saki 的人设？
A: 点击左下角设置 -> 个性化 -> System Prompt。你可以随意修改提示词，让她变成严谨的教授，或是活泼的导游。
Saki AI Agent 是一个开源项目，我们非常欢迎贡献：
- Fork 本仓库。
- 创建你的特性分支：
git checkout -b feature/NewFeature - 提交更改：
git commit -m 'Add some feature' - 推送到分支：
git push origin feature/NewFeature - 提交 Pull Request。
无论是修复一个小 Bug，还是增加一个新的 Agent 能力，我们都欢迎。
Best wishes for your journey with Saki AI Agent!