灵枢
自带模型,在本机交付并验证代码、文档、演示稿与 Mac 操作。
- Star 数
- ★ 12
- 最近更新
- 4 个月前
- License
- Apache-2.0
- 主语言
- Rust
- FA 评分
- 69/100 · 存在缺口
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API · Claude API
- 费用
- 软件免费,模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 需要交付客户或内部汇报材料的项目负责人,可从一份简报生成可编辑 PPTX 和 DOCX,在内置预览中迭代,并查看独立 checker 的结果。
- 不适合
- 需要稳定成品、不能接受 alpha 阶段行为波动的生产环境
- 需要 Windows 上直接控制电脑或实时音视频感知的用户
- 官网
- royzhao1991.github.io/LingShu ↗ 来自 GitHub 仓库设置
- 维护状态
- 近半年有提交最近提交 2026-07-24最新版本 windows-v0.1.0-preview.27(2026-08-20) · 预发布
- 源码审查
- 69/100 · 存在缺口
这个 Agent 能做什么,适合哪些场景?
灵枢是一款采用 Apache-2.0 许可证的本地执行型 Agent,完整开放原生应用、运行时、编排、工具、记忆和产物记录。它通过同一套 Runtime/LingShuCore::RuntimeKernel 支撑 macOS 应用与 Windows 技术预览版,并提供内置 lingshu CLI 和本机 HTTP JSON-RPC 控制面。主会话串行处理上下文,运行时可派发隔离的子任务,由 worker、工具或获授权的 macOS Computer Use 完成工作,再交给独立 checker 验证。它能生成并登记真实的 PPTX、DOCX、PDF、代码、脚本和本地媒体,产物可预览、修改并供后续任务使用。模型层可连接 OpenAI、Anthropic Claude、DeepSeek、MiniMax M3 或自定义 OpenAI 兼容端点,运行时、记忆和文件留在用户计算机上,但发送给远程模型的内容仍受对应供应商条款约束。项目仍处于 alpha 阶段,适合开发和受控的本地流程,不应被视为已经成熟的消费级产品。
灵枢先把请求整理为结构化 GoalSpec 和验收边界,再由可变运行时工作流、串行任务队列、隔离 worker、本地工具以及获授权的 Computer Use 执行仍待完成的步骤。它可以读写本地文件、运行命令、编辑代码、执行测试、检查 Git 变更,并创建、登记、预览和修订 PPTX、DOCX、PDF、Markdown、代码、脚本及本地媒体。产物进入 artifact ledger,并在任务宣布完成前交由独立 checker 检查;项目公开样例也记录了首次检查遗漏缺陷、经外部渲染发现后继续修订和复验的过程。macOS Computer Use 读取辅助功能快照,执行带索引的 UI 操作,必要时回退到屏幕信息,并尽可能在操作后再次核验。遇到登录、扫码、文件选择、确认或实体操作时,精确会话可以暂停,并通过 lingshu answer <message-id> 从检查点恢复。模型网关支持 OpenAI Responses、Chat Completions、Anthropic Messages、流式响应和兼容端点;多模态输入会先尝试模型原生视觉能力,不支持时再回退到图像解析。
- 需要交付客户或内部汇报材料的项目负责人,可从一份简报生成可编辑 PPTX 和 DOCX,在内置预览中迭代,并查看独立 checker 的结果。
- 希望在本机完成编码闭环的开发者,可让它编辑代码、运行测试、检查 Git 变更并把相关文件登记为可追踪产物。
- 已经选用 OpenAI、Claude、DeepSeek、MiniMax 或私有兼容端点的团队,可保留同一套本地 Agent 编排层,而不把工作流固定在单一模型供应商上。
- 需要操作原生 Mac 应用的个人或团队,可在明确授予辅助功能和屏幕录制权限后,执行 UI 操作并进行操作后核验。
- 维护飞书机器人、Webhook、Shortcut 或其他本地自动化入口的用户,可通过
lingshuCLI 将请求送入与桌面应用相同的串行主会话。 - 需要人工介入的长流程操作者,可在登录、扫码、选文件或确认步骤暂停任务,完成人工动作后恢复同一个执行检查点。
安装与配置要点
摘自下方的安装和使用说明,以项目 README 的最新说明为准。
- 安装 / 启动命令
brew install --cask RoyZhao1991/tap/lingshu
- 安装说明涉及
- Windows · macOS
如何安装或部署这个 Agent?
macOS 需要 14 或更高版本。使用 Homebrew 时,应用与 lingshu CLI 会一起安装:
brew install --cask RoyZhao1991/tap/lingshu也可以下载 v0.1.0-alpha.9 的 Universal DMG 及其校验文件,并验证 SHA-256:
shasum -a 256 -c LingShu-0.1.0-12-macOS-universal.dmg.sha256随后把 灵枢.app 拖入 Applications。手动安装 DMG 后,可将随应用提供的 CLI 加入 PATH:
mkdir -p "$HOME/.local/bin"
ln -sf "/Applications/灵枢.app/Contents/MacOS/lingshu" "$HOME/.local/bin/lingshu"
export PATH="$HOME/.local/bin:$PATH"Windows 10/11 x64 用户可下载 Nous-Windows-x64-Setup.exe 和 SHA256SUMS.txt,先在 PowerShell 中核验:
Get-FileHash .\Nous-Windows-x64-Setup.exe -Algorithm SHA256
Get-Content .\SHA256SUMS.txtWindows 版本仍是技术预览,尚未进行 Authenticode 签名。若从源码构建,还需带 Swift 6 的 Xcode Command Line Tools:
git clone https://github.com/RoyZhao1991/LingShu.git
cd LingShu
bash Scripts/build-app.sh debug
open "dist/灵枢.app"首次启动时选择语言,并配置 OpenAI、Anthropic Claude、DeepSeek、MiniMax M3 的 API token,或填写自定义兼容端点、模型名及所需 token。macOS 凭证存放在 Keychain 中。
如何使用这个 Agent?
首次运行建议先做不需要广泛电脑权限的小型可追踪任务,例如在应用中输入:“创建一页项目简报并保存为 DOCX,在本地预览,然后让独立 checker 验证结果。”检查 Workspace 中是否出现真实 .docx、文件是否能在内置预览中打开,以及任务记录是否同时显示产物和 checker 结果。
CLI 会进入与桌面应用相同的串行主会话,可执行单次请求或 JSON 输出:
lingshu ask "Summarize today's project status"
echo "Create a one-page report" | lingshu ask --json
lingshu status --json如果 JSON 响应返回 needs_user_action 和消息 ID,完成人工步骤后恢复原会话:
lingshu answer <message-id> "completed"仅在确实需要对应能力时授予 macOS Accessibility、Screen Recording、Microphone、Speech Recognition 或 Camera 权限。重要报告和高风险操作仍应由用户复核。
这个 Agent 有哪些优点和局限?
- 不只返回文字建议:PPTX、DOCX、PDF、代码和脚本会真实写入磁盘、登记到 artifact ledger、预览并接受独立检查。
- 模型层可在 OpenAI、Anthropic Claude、DeepSeek、MiniMax M3 和自定义兼容端点之间选择,Agent 运行时不绑定单一模型供应商。
- 原生应用、
RuntimeKernel、编排、Computer Use、记忆和任务记录均以 Apache-2.0 发布,便于审计和自行部署。 - 应用、CLI 和连接器共用一个串行主会话及相同的授权、记忆、任务记录和人工交互门控。
- 登录、扫码、选择文件等步骤支持暂停精确会话并从检查点恢复,适合有人参与的实际流程。
- 项目明确处于 alpha 阶段,仍在活跃开发,不是成熟的消费级产品;环境相关功能与测试结果可能因机器而异。
- 完整 Computer Use 和实时感知集中在 macOS;Windows 技术预览明确不支持直接电脑控制及实时音视频感知。
- Windows 安装包尚未进行 Authenticode 签名,可能触发 SmartScreen,采用前需要手工核验发布的 SHA-256。
- 需要用户自行准备模型 API token 或兼容端点;远程推理会把相关内容发送给供应商,并受其费用、留存和隐私政策影响。
- 辅助功能、屏幕录制、麦克风和摄像头等能力需要敏感系统权限,用户必须评估授权范围并保留重要文件备份。
- 独立 checker 并非绝对可靠;公开样例明确显示首次 checker 曾漏掉外部渲染才发现的缺陷。
这个 Agent 与同类方案有什么区别?
灵枢把自己定位在 Codex 和 Claude Code 所代表的执行型 Agent 类别中,而不是聊天应用。与两者以软件工程为主要焦点不同,灵枢把代码、PPTX、DOCX、PDF、本地媒体和获授权的 Mac 操作都作为默认交付范围。其完整原生应用与 Agent 运行时采用 Apache-2.0,并允许用户选择 OpenAI、Claude、DeepSeek、MiniMax 或兼容端点;来源同时说明 Codex 公开了 Apache-2.0 的 CLI,而 Claude Code 官方仓库为保留所有权利。该比较是产品定位说明,不是性能基准,输出质量仍取决于所选模型、材料和本地工具链。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| 灵枢 当前 | 69 · 存在缺口 | 桌面应用免费 + 模型费 | ★ 12 | 4 个月前 | Rust | OpenAI API · Claude API |
| Brigade | 53 · 缺口较多 | 自托管服务免费版 + 付费版 | ★ 16 | 今天 | TypeScript | ChatGPT · Codex · Claude Code · Claude.ai |
| Lotti 私人日志与任务助手 | 78 · 表现良好 | 桌面应用免费 + 模型费 | ★ 1.2k | 今天 | Dart | OpenAI API · Claude API |
| MagenticLite | 66 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 10k | 4 天前 | Python | — |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
README、SECURITY.md 和权限排障文档说明 macOS 权限按能力请求、敏感或不可逆操作需明确确认,远程模型与感知数据会离开本机;代码片段显示 API 密钥通过系统凭据库读取,错误会说明凭据存取失败。对最小权限、确认、数据流、凭据处理和外部影响给了可用说明,但缺少所示依赖清单或漏洞处置证据,依赖安全仅得 1 分;材料也未展示操作级撤销、回滚机制,回滚得 1 分。维护者署名和私密漏洞报告路径明确,来源归属得 2 分。
README 描述共享 Rust RuntimeKernel,Windows Tauri 代码直接调用它,且有 CI 工作流和明确的错误返回示例,支持通常使用下的自洽性与失败可见性。扣分原因是声明的测试数量、CI 运行结果和跨环境可用性无法由静态样本核实;依赖可用性没有锁文件或供应链材料,因此分别得 2、1、2 分。
README 对开发、文档、演示文稿和获授权的 Mac 工作流给出具体场景,明确 Windows 缺少直接电脑控制及实时感知、权限需求和 alpha 状态,因此场景、能力边界得 3 分。所给 SKILL.md 触发词具体,但它们属于嵌入的 Grok shell 技能样本,不能代表 LingShu 总体触发机制;触发精度仅得 1 分。macOS/Windows 要求清楚,但平台能力和签名状态不同,环境适配得 2 分。
README 链接到架构、CLI、安全、平台、配置、权限、贡献和路线图等文档,安装步骤、示例、限制和恢复说明具体;许可证文本与 Apache-2.0 元数据一致,故信息架构、安装说明、示例与常见问题、已知限制、许可证得 3 分。版本和变更有发布标签及 CHANGELOG 链接,但所给样本未包含变更记录内容,得 2 分。维护者署名清楚,但发布责任和维护承诺有限;Windows 安装名 Nous 与产品 LingShu 不一致,命名稳定性及维护责任各得 1、2 分。
材料描述并举例说明可落盘、预览、迭代并独立检查的真实文档与代码产物,输出可继续编辑和复用,输出可用性得 3 分。模型可替换、任务可委派,体现了超出聊天的价值;但样本不足以证明相对其他方案的实际增益,边际价值得 2 分。依赖付费模型 API、广泛本机能力和本地工具链,成本与收益没有量化,成本效益得 1 分。
README 为功能、边界和安装主张提供内部文档链接,并承认样例 checker 曾漏检、外部渲染发现缺陷;代码样本能对应部分密钥处理和任务恢复主张。跨源支持尚不完整,且关键性能、测试数量和发布烟测是文档中的主张而非本静态审查验证结果,因此可追溯性与交叉印证各得 2 分。README 将定位比较标为非基准或优越性主张,并说明输出依赖模型、材料和工具链;事实与推断区分得 3 分。
- 项目处于 alpha 阶段;模型提供方、运行环境和本地工具链会影响结果,重要产物仍应人工检查。
- 远程模型或感知服务会收到用户选择发送的内容;Windows 预览版未进行 Authenticode 签名,且不支持直接电脑控制或实时音视频感知。
- 所给材料不足以确认依赖安全、操作回滚能力或 README 中测试与发布检查声明的实际执行结果。
最近版本
来自该项目 GitHub Releases 的最新发布记录,说明为上游原文摘录,未经本站改写或测试。
-
发布说明摘录
Windows x64 technical preview built and tested on GitHub's Windows runner. Preview 0.1.0-27 replaces the default-looking setup flow with a LingShu-branded light-and-teal installer across welcome, location, maintenance, progress, completion, and uninstall surfaces. It also repairs upgrades from the legacy oyzhao publisher registry layout to Roy Zhao, including custom installation directories, while preserving %LOCALAPPDATA%\LingShu conversation and long-term-memory data. The release workflow now exercises preview.25-to-current upgrade, same-version reinstall, uninstall, and data preservation …在 GitHub 查看 ↗
常见问题
必须购买某个指定模型吗?
哪些数据会离开本机?
Windows 版与 macOS 版是否功能相同?
Runtime/LingShuCore::RuntimeKernel,共享 GoalSpec、队列、worker/checker 会话、工具循环、人工恢复、产物和持久化机制;但 Windows 仅为技术预览,不提供直接电脑控制和实时音视频感知。它会在没有确认的情况下执行高风险操作吗?
checker 通过后是否可以直接对外发布成果?
灵枢 官网是什么?
灵枢 免费吗?
灵枢 开源吗?
灵枢 安全吗?
灵枢 还在维护吗?
灵枢 是谁开发的?
谢谢反馈,我们会据此改进页面。