Thunderbolt
您掌控的AI：自由选择模型，数据完全自持，摆脱供应商锁定。
证据显示项目有安全审计声明、依赖锁定和CI安全门，但缺少权限模型、用户确认机制、数据流透明度和敏感数据处理的具体实现细节。扣分：未提供最小权限原则、用户确认、数据流图或敏感数据加密的明确证据。
项目有CI测试和依赖锁定，但失败消息和错误处理文档不足。扣分：失败消息的具体示例和错误恢复机制未在文档中体现。
项目面向企业用户，支持多平台和多模型，但能力边界和触发精度描述不明确。扣分：未明确Agent的能力边界和触发条件。
项目有清晰的文档结构、安装指南和FAQ，但版本变更日志和命名稳定性信息不足。扣分：缺少CHANGELOG和命名稳定性说明。
项目提供本地部署和模型选择，但输出可用性和边际价值的具体证据不足。扣分：未提供输出格式和实际使用案例。
项目有CI和测试，但声明与证据的对应关系不明确。扣分：未提供可追溯的声明来源和交叉验证。
- 项目仍处于早期开发阶段，依赖外部认证和搜索服务，可能不适合完全离线环境。
- 发布者身份未验证，需谨慎评估供应链风险。
- 安全审计尚未完成，生产使用需等待审计结果。
这个 Agent 能做什么，适合哪些场景？
Thunderbolt是Mozilla Thunderbird团队开发的一款开源、跨平台AI客户端，目标是在企业自托管场景下提供安全、可控的AI交互体验。它支持网页、iOS、Android、Mac、Linux和Windows等平台，并兼容前沿模型、本地模型和本地部署模型。目前项目仍处于积极开发阶段，正在接受安全审计，面向企业生产环境做最后准备。Thunderbolt通过后端服务与PowerSync同步机制实现数据管理，支持使用Docker Compose或Kubernetes进行自托管部署。用户需要自带模型提供商（如Ollama或llama.cpp），目前没有公共的推理端点，但可通过API密钥接入任意支持OpenAI兼容接口的模型服务。项目采用MPL-2.0许可证，并遵循Mozilla社区参与准则。
Thunderbolt提供了一个统一的聊天界面，让用户可以连接并切换不同的AI模型提供商。它通过后端服务（运行于8000端口）管理认证与数据同步，前端使用Vite和Tauri构建（开发时运行于1420端口）。用户可以在设置中添加OpenAI兼容的API密钥，或配置本地推理服务（如Ollama或llama.cpp）来实现完全本地化的推理。应用支持禁用搜索功能以满足离线优先的需求。Thunderbolt还提供了make doctor、make setup、make up和make run等命令，用于开发环境的搭建和运行。后端依赖Postgres和PowerSync，通过Docker容器启动。项目提供了详尽的架构文档和开发指南，支持Storybook进行组件开发，并包含Vite Bundle Analyzer用于前端性能优化。
- 企业IT部门希望在自有服务器上部署AI聊天工具，以符合数据隐私和合规要求。
- 开发者在本地环境中使用Ollama或llama.cpp运行开源模型，并通过Thunderbolt获得统一的交互界面。
- 组织需要跨平台（桌面和移动）的AI客户端，且希望支持自托管后端。
- 用户希望避免供应商锁定，能自由切换不同模型提供商（如OpenAI兼容API）。
- 希望在浏览网页时快速访问AI助手，同时保留在本地运行模型的能力。
这个 Agent 有哪些优点和局限？
- 完全开源（MPL-2.0）且支持自托管，可部署在私有云或本地服务器，满足数据主权要求。
- 跨平台支持广泛（Web、iOS、Android、Mac、Linux、Windows），用户可在多种设备上使用。
- 模型提供商无关，兼容任何OpenAI兼容API，并鼓励使用Ollama或llama.cpp实现免费本地推理。
- 企业特性（如FDE）和商业支持可获取，适合生产环境。
- 项目强调了安全审计和社区参与准则，对安全性有较高重视。
- 项目仍处于早期开发阶段，尚未完全离线优先，依赖认证和搜索功能（搜索可禁用）。
- 没有公共推理端点，用户必须自行配置模型提供商，增加了使用门槛。
- 当前主要面向企业客户，个人用户可能面临文档不足和安装复杂的问题。
- 依赖多个外部服务（Postgres、PowerSync），部署和运维成本较高。
- 正在安全审计中，生产环境就绪度尚需时间验证。
如何安装或部署这个 Agent？
目前Thunderbolt仍处于早期阶段，没有提供最终用户的安装包。开发者可以通过以下方式在本地环境搭建：先克隆仓库，然后运行make doctor检查所需工具，接着运行make setup安装前后端依赖并链接agent符号链接，再运行make up启动Postgres和PowerSync的Docker容器，最后运行make run同时启动后端（端口8000）和前端（端口1420）。企业自托管可参照deploy/README.md中的Docker Compose或Kubernetes配置。由于没有公共推理端点，用户需要自行配置模型提供商，例如安装Ollama或llama.cpp。
如何使用这个 Agent？
安装完成后，打开前端界面（开发模式下为http://localhost:1420），注册或登录账号（需要自托管后端支持认证）。进入设置页面，添加您选择的模型提供商：可以填入OpenAI兼容的API密钥，或配置本地Ollama/llama.cpp服务地址。在聊天界面中选择模型并开始对话。若想完全离线运行，可在集成设置中禁用搜索功能。
这个 Agent 与同类方案有什么区别？
Thunderbolt与OpenAI的ChatGPT客户端或Anthropic的Claude客户端等闭源产品形成对比，但它更强调数据控制和模型自由，可自托管，避免供应商锁定。与一些开源项目（如ChatGPT桌面应用）相比，Thunderbolt更侧重于企业部署和模型中立性。