Taskuary 工作助手
把邮件、聊天和工单汇成待办，由你已有的编码代理处理，并由你决定是否发送回复。
- Star 数
- ★ 138
- 最近更新
- 1 天前
- License
- MIT
- 主语言
- Python
- FA 评分
- 79/100 · 表现良好
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台Codex · Claude Code
- 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
- 需要每天集中查看 Outlook 邮件、聊天和工单的个人工作者，可用时间线按紧急程度梳理待办。
- 不适合
- 要求所有 AI 提示词都不离开本机的团队
- 需要 1.0 之前保持接口稳定的组织
- 源码审查
- 79/100 · 表现良好
这个 Agent 能做什么，适合哪些场景？
Taskuary 是面向个人工作的本地 AI 助手，将邮件、聊天、工单、提醒和报告集中到一个工作时间线，并按优先级整理。它提供 Web 界面和可选桌面窗口，任务卡会展示原始消息、分流判断、负责代理及回复状态。你可以把任务交给 Claude Code、Codex、Gemini 等编码 CLI，在卡片中跟进会话、回答问题并查看结果。助手可起草回复，但发送前必须由你审阅并批准。应用可通过 Python 在 Windows、macOS 和 Linux 运行，也提供 Windows 单文件应用和 Docker 部署；项目目前处于 1.0 之前，仍可能有破坏性变更。
首次运行时，连接 AI 提供商或本地 Ollama 模型、至少一个入站渠道，以及用于接收任务的编码 CLI。Taskuary 将邮件、聊天、工单、提醒和报告汇入时间线，按 Urgent、On you、For later、Advisor ideas 和 FYI 等类别整理。打开任务可查看消息、分流理由、代理和回复状态；选择 Send to agent 后，代理在同一任务卡中处理工作，你可以跟进会话并查看产出。Taskuary 可根据你的修订和重新分类学习偏好，并将反复出现的模式记录在 LEARNED.md；最终回复仍需你阅读、编辑并选择 Approve & send。
- 需要每天集中查看 Outlook 邮件、聊天和工单的个人工作者，可用时间线按紧急程度梳理待办。
- 需要把邮件请求交给 Claude Code 或 Codex 处理的用户，可在任务卡中跟进代理会话并审阅结果。
- 需要保留代理发现和决策供后续任务复用的团队，可在 Hub 按主题保存并讨论知识。
- 希望代理之间交接工作并共享上下文的用户，可用 Board 的 Live handoffs 留下进度、阻塞情况和交接备注。
- 需要检查并控制 AI 草稿外发的用户，可在任务卡中编辑回复，并在批准后发送。
如何安装或部署这个 Agent？
Python 方式需要 Python 3.10 或更新版本；适用于 Windows、macOS 和 Linux：
pip install taskuary
taskuary应用默认在 http://127.0.0.1:7787 打开。可选桌面窗口安装与启动方式：
pip install "taskuary[desktop]"
taskuary-desktopDocker 部署方式：
git clone https://github.com/ldbumble/taskuary
cd taskuary
docker compose up随后访问 http://127.0.0.1:7787。Windows 用户也可下载并打开单文件 Taskuary.exe，无需安装 Python。
如何使用这个 Agent？
首次启动后，连接一个 AI 提供商或本地 Ollama 模型，添加至少一个入站渠道，再选择接收任务的编码 CLI。设置向导会在连接启用前测试连接。Taskuary 支持 Claude Code、Codex、Gemini、Qwen Code、OpenCode、Kimi Code、Cursor、Copilot 等 CLI；可为代理配置各自的指令。之后从时间线打开任务，选择 Send to agent，在任务卡中跟进工作并查看结果。要发出草稿回复，请先审阅并编辑，再选择 Approve & send。
这个 Agent 有哪些优点和局限？
- 把邮件、聊天、工单、提醒和报告放入同一条按优先级整理的时间线。
- 支持多种编码 CLI，包括 Claude Code、Codex、Gemini、Qwen Code 和 OpenCode。
- 代理工作结果与原请求保存在同一任务卡中，发送回复前由用户批准。
- 提供本地模型路径；对发往模型或 CLI 的提示词会按规则清除可识别格式的凭据。
- 连接 AI 提供商或编码 CLI 后，完成任务所需的提示词上下文会发送到所选服务；只有使用本机模型时，AI 提示词才留在本机。
- README 未说明模型或托管提供商的具体价格；若使用收费服务，相关费用由用户承担。
- 首次使用需要配置模型、至少一个入站渠道和编码 CLI，设置步骤多于单条安装命令。
- 项目目前为 v0.3.7.17，1.0 前仍可能发生破坏性变更。
- Docker 部署下，编码 CLI 和可选 WhatsApp bridge 仍需运行在宿主机。
这个 Agent 与同类方案有什么区别？
README 将 Taskuary 与托管助手 Fyxer 对比：Taskuary 免费、开源、运行在用户机器上，并把工作交给用户已有的代理；README 未提供两者在功能或数据处理方面的逐项比较。
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 |
|---|---|---|---|---|---|---|
| Taskuary 工作助手 当前 | 79 · 表现良好 | 命令行工具免费 + 模型费 | ★ 138 | 1 天前 | Python | Codex · Claude Code |
| AgentCall join-meeting 技能 | 46 · 缺口较多 | Agent 插件 / 技能免费版 + 付费版 | ★ 165 | 27 天前 | Python | Codex · Claude Code |
| Alook AI 公司协作层 | 42 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 1.4k | 今天 | TypeScript | Codex · Claude Code |
| Vellum Assistant | 56 · 缺口较多 | 桌面应用免费版 + 付费版 | ★ 1.4k | 今天 | TypeScript | OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示应用默认绑定本机地址，提供令牌和主机限制说明、凭据出站前的确定性脱敏、审计日志，并将草稿审批后发送；安全策略也坦承本地明文存储及 CLI 可能以用户权限执行操作。最小权限、数据流披露和确认流程较充分；敏感数据仍依赖本机账户与磁盘保护，模式匹配无法识别自然语言秘密；可选依赖和 CI 安全措施可见，但没有所给材料中的依赖漏洞审查；连接器和报告会运行脚本或 SQL，恢复能力说明有限；署名可追溯到仓库名，但发布者身份未核验。
README、打包配置和 CI 描述大体相互吻合，CI 覆盖多平台、构建、浏览器和 Docker 场景；依赖范围及部分可选集成有说明。扣分因为版本仍处早期且允许宽泛依赖下限，所给材料没有证明依赖可用性或实际运行结果；故障说明可见于安全策略和安装提示，但没有充分展示各类运行错误的用户反馈机制。
明确面向个人工作流，涵盖邮件、聊天、工单、编码 CLI、报告及本地模型，并提供 Windows、Python、Docker 和桌面入口。安全策略明确描述本地单用户假设、网络暴露风险和代理权限边界；扣分因为自动分派、连接器与 CLI 能力较广，触发条件和各能力边界未在这些材料中逐项明确。
README 按功能、安装和文档入口组织清楚；安装命令、运行地址、首次设置和演示限制具体。许可证文本完整，安全策略列出支持版本和已知限制。扣分因为命名稳定性、常见问题与变更记录仅部分体现，版本仍低于 1.0；维护责任由维护者和安全报告路径说明，但没有核验发布者身份或更具体的责任主体信息。
证据展示任务集中、上下文保留、代理协作、草稿审阅和用户批准发送，输出可直接检查和编辑，且具有明确的工作流价值。扣分因为材料没有量化节省时间、运行成本或各集成的持续维护成本；功能广度可能增加配置和维护负担。
主要产品与安全主张对应到具体文档、配置和实现路径；README 指向学习实现，pyproject 和 CI 提供安装、打包及检查细节；安全策略将本地明文凭据、无默认认证和 CLI 权限等事实与风险说明分开。扣分因为许多支持信息仍由仓库自身陈述，所给文件没有独立来源对照，徽章也不能据此视为已核实结果。
- 凭据保存在本机数据库和配置文件中且为明文；请依赖受保护的用户账户与磁盘加密，并避免将数据目录同步到不可信位置。
- 不要把服务暴露到不可信网络；API、报告、工具和终端可执行操作，配置为自动批准的代理也可能修改文件、运行命令或推送代码。
- 脱敏针对可识别格式，无法保证发现自然语言中的密码或所有秘密；发送前仍需审阅代理上下文和草稿。