DeepBot 桌面助手
面向企业流程的桌面多智能体助手，可执行任务、管理记忆并连接飞书等沟通渠道。
按维度查看评分与理由
证据显示有路径白名单机制（least_privilege=1），但未提供用户确认或数据流透明度的实现细节。敏感数据处理和依赖安全未提及。外部影响和回滚机制未说明。来源归属仅通过作者字段和MIT许可证部分体现（source_attribution=1）。
自一致性方面，README声称20+工具但架构图显示14个，存在不一致（self_consistency=1）。依赖可用性未验证，失败消息未提及。
受众和场景明确（企业生产力），但能力边界描述模糊（capability_boundaries=1）。触发精度未说明，环境适配部分（macOS/Windows/Linux）有说明但未深入（environment_fit=1）。
信息架构清晰（information_architecture=2），安装说明详细（install_notes=2），命名稳定性部分（naming_stability=1），示例和FAQ有提供（examples_and_faq=2），已知限制未提及，许可证明确（license=2），版本和变更日志缺失，维护责任仅通过作者信息部分体现（maintenance_responsibility=1）。
输出可用性未具体说明，边际价值有描述但未量化，成本效益未分析。
声明可追溯性部分（claim_traceability=1），但缺乏跨来源验证和事实推断分离。
- README声称20+工具但架构图显示14个，存在不一致。
- 未提供用户确认机制，可能自动执行敏感操作。
- 依赖安全未提及，存在潜在风险。
- 未提供回滚机制，操作可能不可逆。
- 未提供已知限制，用户可能误用。
这个 Agent 能做什么，适合哪些场景？
DeepBot 是一个基于 Electron 的系统级 AI 助手，定位于个人效率和企业工作流自动化。每个界面标签页对应一个独立 Session，并拥有各自的 Agent Runtime、上下文和记忆；Gateway 负责会话管理、消息队列、路由及跨标签通信。其主进程包含 agent-runtime、tools、scheduled-tasks、connectors 和 database，渲染层使用 React。它可通过桌面应用运行，并声明支持 macOS、Windows 桌面端及 Linux/Docker 场景；README 对 Docker 的获取方式仅说明需联系作者。系统支持 Qwen、OpenAI 和 Claude 模型，并提供飞书、微信、企业微信与 Smart KF 连接器。
DeepBot 由 Gateway 为每个 Tab 创建和管理 Session，再由基于 @mariozechner/pi-agent-core 的 Agent Runtime 组装 AGENT.md、TOOLS.md、CUSTOM-TOOLS.md、MEMORY.md、memory-<tab-id>.md 及 SKILL.md 中的指令后调用模型。Agent 可通过内置工具读写文件、执行 shell 命令、控制浏览器、抓取网页、使用 Tavily 搜索、分析文档、生成图片、管理 cron 定时任务，并经 Cross Tab Call 在标签页间传递消息。连接器可接收并发送飞书、微信、企业微信或 Smart KF 的文本、图片和文件；飞书还支持创建、读取、追加、更新、删除文档块及添加评论。文件与命令操作会经过路径白名单检查，默认涵盖工作区、脚本、技能和生成图片目录。
- 企业运营人员需要把日常文件处理、网页查询、文档分析和消息通知集中在一个桌面助手中执行。
- 使用飞书的团队希望通过机器人私聊或群内 @ 提及创建独立会话，并向用户回传文本、图片或文件。
- 项目负责人需要为销售、市场、产品和研发等角色分别创建标签页，让它们保有独立记忆并通过 Cross Tab Call 协作。
- 需要每天固定时间执行检查或汇总任务的用户，可创建使用 cron 表达式的 Scheduled Task，并查看执行历史。
- TypeScript 开发者需要新增企业内部工具，可按 ToolPlugin 接口在 src/main/tools/ 中实现并注册工具。
这个 Agent 有哪些优点和局限？
- 以 Tab 为边界隔离 Session、记忆和上下文，同时提供 Cross Tab Call，适合明确分工的多角色协作。
- 工具范围覆盖文件、命令、浏览器、网页获取、文档分析、图像生成、定时任务及多种消息渠道，而非仅限聊天界面。
- 系统提示会从基础提示、工具说明、全局/标签页记忆和技能说明动态组装，并声明支持热更新。
- 路径白名单会校验文件与命令操作，且可配置工作区、脚本、技能和生成图片目录。
- 执行 shell 命令和读写文件属于核心能力；默认工作区为用户主目录，部署前需审查并收紧白名单配置。
- 模型调用需要自行配置 Qwen、OpenAI 或 Claude 的 API 密钥；仓库未说明费用、各模型的能力差异或失败后的服务降级策略。
- Docker 版本虽被提及，但获取方式仅为联系作者，缺少可复制的镜像、Dockerfile 或部署命令。
- README 明确不建议使用带显式推理模式的模型，并指出未签名 macOS 本地构建会触发安全警告。
如何安装或部署这个 Agent？
环境要求为 Python 3.11+、Node.js 20.0.0+，以及 pnpm 10.23.0+。执行：git clone https://github.com/kevinluosl/deepbot.git；cd deepbot；pnpm install；pnpm run dev。若要使用模型，请在 System Settings 中配置所选 Qwen、OpenAI 或 Claude 提供商的 API 密钥；README 没有给出各提供商的具体密钥字段或端点配置。飞书连接还需要在“System Settings”→“External Connections”→“Feishu”填写 App ID、App Secret 和 Bot Name。
如何使用这个 Agent？
启动后，每个 Tab 都是独立 Session。可直接提出需要处理的任务，或在界面中创建定时任务；README 示例为“Check desktop files every day at 9 AM”。需要跨会话协作时，使用 Cross Tab Call 工具传递消息。使用飞书前，保存连接器凭据并启动 Feishu connector；可按 README 所述配置私聊和群聊策略。构建桌面包可使用 pnpm run dist，或使用 pnpm run dist:mac:local 进行未签名的本地 macOS 构建。