convez.ai
MCP ServerAutomaçãoAvançado
silent-rs

Silent-Tiangong: Terminal IA Pessoal com Multi-Agentes

silent-rs/silent-Tiangong

Terminal inteligente pessoal com agentes, navegador embarcado e memória persistente

Ver no GitHub
BomPluginScore · de 0 a 100

Centro de automação IA em nível desktop construído em Rust e Tauri, com suporte a GUI, CLI e Server. Oferece agentes autônomos para leitura de arquivos, execução de comandos, navegação web embarcada, colaboração multi-agentes, memória de longo prazo e geração multimídia — tudo rodando localmente sem dependências de nuvem.

Instalação

$npx convez-ai silent-rs/silent-Tiangong

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
52
Forks
19
Acompanhando
0
Saúde
37%
Último commit
há 1 dia
Versão
v0.18.0
Issues abertas
14
Contribuidores
1

Casos de uso

  • Automação de fluxos de trabalho desktop com Agent autônomo
  • Pesquisa web e extração de dados com navegador integrado
  • Colaboração de múltiplos agentes especializados para tarefas complexas
  • Integração com ferramentas locais via MCP e Skills customizados
  • Assistência pessoal com memória contextual de longo prazo

Veredito

Projeto ambicioso e bem arquitetado para automação pessoal real, não apenas chat. A combinação de navegador embarcado, multi-agentes e execução local é diferenciada. Advertência importante: sem sandbox para isolamento de segurança — exige ambiente confiável. Ideal para usuários técnicos que precisam de verdadera autonomia do Agent em tarefas complexas.

README

A tradução para o português deste README ainda está na fila.

Silent-Tiangong(天工)

面向个人工作流的桌面级 AI 自动化中枢:对话、规划、执行、记忆、工具调用、嵌入式浏览器和多智能体协作。

天工是一个基于 Rust、Tauri 和 silent 构建的个人智能终端。它既可以作为桌面 AI 助手使用,也可以通过 CLI 和 Server API 接入脚本、服务或外部消息通道。核心目标不是只回答问题,而是让 Agent 能围绕真实工作区读取资料、拆解任务、调用工具、执行命令、保存长期记忆,并在复杂任务中动态创建 Sub Agent 分工协作。天工内置嵌入式浏览器,Agent 可自主打开网页、读取页面内容、点击元素和填写表单,同时感知用户在浏览器中的操作行为,实现人机协同浏览。项目完全适配 DeepSeek 的上下文缓存机制,多轮对话中历史消息可被高效命中缓存,显著降低重复传输成本并提升响应速度。模型推荐使用 DeepSeek 和 智谱 的GLM5.1,其他模型可以通过自定义供应商接入。

安全提示:天工当前未使用沙箱技术隔离工具执行环境。如果你对本地文件访问、命令执行或自动化操作的隔离要求较高,建议暂时考虑其他软件。

多智能体协作示例

项目起源

天工的出发点很简单:让 AI 不只是聊天,而是能真正帮你干活。遇到需要读文件、跑命令、查资料、操作网页这类实际工作,当前体验最好的是 Claude、Codex、OpenCode 这类 CLI 终端工具,但它们受限于终端环境,无法提供可视化的操作界面和交互反馈。主流大厂的产品则集中在两个方向:Claude 桌面端资源消耗巨大,ChatGPT 桌面端只有搜索能力,而且它们的核心场景都是 coding。对于普通用户来说,这些产品对接其他平台模型也不够直观,需要一定的折腾能力。更重要的是,现有工具在浏览网页等交互式场景中人的参与度过低——提交任务后只能等待结果,或者直接打断再继续和 Agent 沟通,缺乏实时协同的能力。天工内置嵌入式浏览器,用户和 Agent 可以同时操作同一个页面,Agent 自主完成任务的同时能感知用户的操作行为,实现真正的人机协同。再加上多智能体协作、长期记忆、多媒体生成等能力,以及桌面 GUI、CLI 和 Server 三种入口,不限于写代码,而是覆盖日常工作全场景的个人智能终端。整个项目用 Rust 构建,单机运行,数据本地存储,不依赖云服务。

核心能力

能力说明
桌面 AgentTauri + React + shadcn/ui 桌面界面,支持会话、工作区、工具过程、模型配置和运行状态展示
嵌入式浏览器内置多标签浏览器,Agent 可自主浏览网页、读取页面内容、点击元素、填写表单,用户也可手动操作
CLI / Server同一个 tiangong 入口支持命令行、后台 Server、更新检查和安装
多智能体协作主 Agent 可按任务创建 PM、Developer、Tester、Researcher 等 Sub Agent,并通过消息和文件锁协作
工具执行支持文件读写、命令执行、代码搜索、补丁应用、网页抓取、时间查询等本地工具
MCP 与 Skill支持 MCP 工具接入、本地 Skill 安装启停、按任务意图匹配和详情加载
长期记忆基于 SQLite、Tantivy 和向量索引保存项目事实、偏好、决策、产物和历史问题
多媒体能力支持图片、视频、语音识别、语音合成等能力路由,结果以结构化媒体资源进入会话
权限治理桌面会话可在监督模式和信任模式之间切换,Server 模式使用受控的远程角色边界
发布更新GitHub Release 分发安装包,桌面设置页和 tiangong update 共用在线更新链路

多智能体协作

多智能体协作适合资料搜集、代码实现、测试验证、方案评审等需要分工的任务。主 Agent 会判断是否需要组建团队,创建的 Sub Agent 拥有独立角色、状态和上下文。

用户提出复杂任务
    ↓
Main Agent 判断是否需要协作
    ↓
create_agent 创建 Sub Agent
    ↓
Sub Agent 独立执行、互相发消息、必要时获取文件锁
    ↓
Main Agent 汇总结果并回复用户

已支持的协作方式:

  • 动态创建和解散 Sub Agent。
  • send_message / broadcast_message 进行 Agent 间通讯。
  • @dev、@test、@all 等语法直接向指定 Agent 发送消息。
  • Sub Agent 可直接向前端推送进度、阻塞和问题。
  • 文件编辑前获取锁,避免多个 Agent 同时修改同一文件。
  • 前端按 Agent 分 Tab 展示执行细节、状态和通知。

详细设计见 RFC 0011:多智能体协作系统。

嵌入式浏览器

天工内置基于 WKWebView 的多标签浏览器,支持 Agent 自主浏览和用户手动操作两种模式协同工作:

  • Agent 自主浏览:Agent 可通过 web_fetch 工具打开网页、读取页面内容、提取表单、点击元素和填写字段,操作结果自动注入回对话上下文。
  • 用户手动操作:用户在浏览器中浏览、点击、输入时,Agent 通过页面快照和网络事件感知用户行为,结合对话内容给出上下文相关的建议。
  • 浏览历史:支持全局浏览历史和标签页内前进/后退导航,历史记录持久化存储。
  • 智能感知:Agent 在执行过程中自动检测页面变化(URL 切换、内容更新、网络请求),仅在变化时注入数据,避免重复干扰。

架构

天工采用 Cargo workspace 多 crate 结构,核心引擎和各入口解耦:

crates/
  tiangong-types/       公共类型、消息、会话、任务状态和流事件
  tiangong-config/      配置加载、持久化和日志初始化
  tiangong-llm/         LLM 协议抽象和 Provider 封装
  tiangong-anthropic/   Anthropic Messages API 与 SSE 适配
  tiangong-core/        Agent 循环、工具调用、MCP、Skill、多 Agent 团队
  tiangong-memory/      长期记忆、检索、反刍和工作区隔离
  tiangong-cli/         CLI / TUI 前端
  tiangong-entry/       统一命令入口
  tiangong-server/      HTTP REST + WebSocket Server
  tiangong-media/       图片、视频、语音等多媒体能力
frontend/               桌面前端
src-tauri/              Tauri 桌面壳

核心执行流程:

用户输入
  ↓
会话与工作区上下文装配
  ↓
ReAct 循环:推理、工具调用、观察、继续执行
  ↓
单 Agent 直接完成,或创建 Sub Agent 分工协作
  ↓
结构化事件实时推送到 GUI / CLI / Server

安装

从发布包安装

在 GitHub Releases 下载当前系统对应的安装包:

  • macOS:下载 .dmg,打开后将「天工」拖入「应用程序」目录。
  • Windows:下载 .msi 或 .exe,按安装向导完成安装。
  • Linux:下载 .AppImage、.deb 或 .rpm,按发行版习惯安装或直接运行。

macOS 当前构建暂未接入 Apple 签名和公证,首次打开如提示应用已损坏,可执行:

xattr -cr /Applications/天工.app

命令行入口

桌面安装包内包含同一个 tiangong 入口,可用于 CLI、Server 和更新命令。macOS 可创建软链接:

ln -s /Applications/天工.app/Contents/MacOS/天工 /usr/local/bin/tiangong

Windows 可将安装目录加入 PATH。Linux 安装包通常会直接提供可执行入口。

使用

# 桌面 GUI 模式,源码运行时默认启动桌面应用
cargo run --release

# CLI 模式
cargo run --release -- cli

# Server 模式
cargo run --release -- server
cargo run --release -- server -d
cargo run --release -- server stop

# 检查更新
cargo run --release -- update --check

安装后的命令行入口:

tiangong cli
tiangong server
tiangong server -d
tiangong server stop
tiangong update --check
tiangong update

配置

默认数据目录:

~/.tiangong/
  app.json              应用主配置
  models.json           模型配置:Provider + Model + Routing
  skills.json           Skill 配置
  mcp.json              MCP 配置
  sessions/             会话持久化
  logs/                 运行日志
  media/                生成或归档的媒体文件
  memory/               长期记忆数据

模型配置采用 Provider、Model、Routing 三层结构。api_key 支持 ${ENV_VAR} 环境变量引用,便于避免明文保存密钥。

开发

# Rust 检查
cargo check --workspace

# Rust lint
cargo clippy --workspace --all-targets --tests --benches -- -D warnings

# 格式化
cargo fmt

# 前端构建
yarn --cwd frontend build

# 完整检查链
cargo fmt -- --check && cargo check --workspace && cargo clippy --workspace --all-targets --tests --benches -- -D warnings && cargo nextest run --workspace --no-tests pass

前端开发使用 yarn:

yarn --cwd frontend install
yarn --cwd frontend dev

文档

许可证

Apache License 2.0

Ver o original no GitHub

Bom para

Relacionados