智会 T1 (SmartMeet T1) 硬件结构设计（Kimi K3 ✚ FreeCAD）

——写给完全不懂硬件的软件工程师的硬件设计入门读本

这份文档假设你从未接触过硬件设计。它一边讲这个项目做了什么、怎么做的， 一边把理解每个环节所需的硬件基础知识讲清楚。 读完后你应该能：看懂这套设计文件、知道每个文件是干什么的、 并能自己动手改一个尺寸、重新生成模型、拿去 3D 打印。

1. 这个项目是什么

我们团队做了一套「AI 智能会议系统」软件：开会时实时把语音转成文字、 区分是谁在说话（说话人分离）、会后自动生成会议纪要。这套软件完全离线 跑在一台 NVIDIA Jetson AGX Thor 开发套件上（一块带强大 AI 算力的卡片式电脑， 可以粗略理解为"一台浓缩到巴掌大、专门跑 AI 的小型工作站"）。

软件跑在芯片上，但芯片不能裸着摆在会议桌上。这个项目要做的， 就是给这套软件造一个 "身体"：一台放在公司会议室（20 人以内）桌上的 硬件终端——它有外壳、有麦克风阵列、有扬声器、有状态屏、有摄像头， 内部把 Thor 开发套件和这些器件安排得井井有条。

这台终端叫 智会 T1 (SmartMeet T1)，长这样：

智会 T1 等轴测前视图

需要说明的是：本项目交付的是结构设计与工程文档（外壳和内部布局怎么设计、 怎么装配、买什么零件），不包括电路设计和软件代码。

smartmeetsmartmeet-t1meeting-terminalhardwaredesignfreecadcad3d-printingstepstlkimi-k3

智能自动脱敏工具 · 全景指南（规则 / 边界 / 流程 / 图像）

技能：image-text-desensitization（别名"智能自动脱敏工具"）v3.0.0 主类：SmartDesensitizer 能力：覆盖文本 / JSON / 图像三类对象的隐私脱敏，全程本地运行，不联网 安全背书：经腾讯云安全 cloudsec.tencent.com 与腾讯内部 tix.qq.com 扫描，状态均为"安全无风险（benign）"

颜色图例（贯穿全文）

颜色 类型
🟣 紫 手机号
🟠 橙 身份证
🩵 青 邮箱
🟢 绿 银行卡
🔴 红 IP 地址

① 能力总览

该技能是一个被动库——需要显式调用才生效，不会自动拦截对话。它提供三个入口方法：

入口 方法 说明
📝 文本脱敏 desensitize_text(text) 基于 5 条正则逐类替换。已验证可用，纯 Python 即可。
🧾 JSON 脱敏 desensitize_json(json_str) 按字段名命中 + 按值形态智能遮蔽。已验证可用。
🖼️ 图像脱敏 desensitize_image_base64(b64) OCR 文字框 + 人脸检测后高斯模糊。需额外依赖（本地未装）。

② 文本脱敏规则 desensitize_text

源码写死 5 条正则，按固定顺序执行：手机 → 身份证 → 邮箱 → 银行卡 → IP。

workbuddyimage-text-desensitizationdesensitizeprivacysecuritypythonregexocropencv

语音识别及说话人分离模型（MOSS-Transcribe-Diarize）本地部署最佳实践

基于一次真实落地经历整理：在 Apple M2 Max（64GB 统一内存）上部署 OpenMOSS/MOSS-Transcribe-Diarize（0.9B 端到端音频转写 + 说话人分离），并构建 Web 应用。过程中解决了长音频（30 分钟 / 1–2 小时）在 MPS 上 OOM / 静默卡死的问题。

本文不重复项目能力说明，只讲"怎么把它跑稳、跑长"。能力研究与部署步骤见 README.md，Web 后端实现见 webapp/app.py。

0. 一句话结论

不要在 Apple Silicon 上一次性推理超长音频。 端到端音频模型会把整段音频堆叠成一个巨型张量送编码器，自注意力矩阵大小 ∝ 音频长度²，几分钟可以、30 分钟必炸。正确做法是按 ≤300s 分块推理、块间重叠、时间戳偏移拼接、每块后释放 MPS 缓存。

1. 部署：把"能跑"变成"稳定跑"

1.1 固定依赖版本，杜绝解析回溯

torch>=2.8 + 未固定版本的 pip install -e . 会让 uv 陷入 version-resolution 回溯死循环（解析到 2.13、多个 transformers 版本，半小时不收敛）。

mosstranscribediarizedeployfastapipythonmacosmps

M2 Max 本地部署 MOSS-Transcribe-Diarize：离线多说话人音频转写 Web 应用完整实战

基于 OpenMOSS/MOSS-Transcribe-Diarize 的本地部署，并构建了一个 Web 应用：用户上传音频/视频，模型自动完成 转写 + 说话人分离（Diarization）+ 时间戳 + 声学事件感知，返回带说话人标签的结构化字幕。

mindmap
  root((MOSS-Transcribe-Diarize<br>本地部署与Web应用))
    模型与能力
      端到端音频理解（0.9B）
      联合ASR与说话人分离
      输出Sxx标签与时间戳
      声学事件感知
      支持50+语言
    部署环境
      Apple Silicon M2 Max
      Python 3.12 + venv
      PyTorch 2.11 + Transformers 5.10
      HF镜像下载
      FastAPI后端 + 静态前端
    长音频处理策略
      自动分块（默认300秒）
      块间重叠（15秒）
      绝对时间偏移与去重
      逐块释放MPS缓存
      跨块标签不对齐（需外部聚类）
    Web应用功能
      拖拽上传音视频
      异步任务轮询
      彩色说话人标签与时间轴
      点击段落定位播放
      导出SRT/JSON/TXT
      一键复制全文
    性能与边界
      RTF小于1（MPS加速）
      单块小于等于300秒稳定
      需注意MPS OOM风险
      支持环境变量调参

一、项目能力研究

定位

MOSS-Transcribe-Diarize 是 OpenMOSS 团队开源的 端到端（end-to-end）音频理解模型，当前版本 0.9B（2026-07-09 开源）。它一次性联合完成「语音识别 + 说话人分离」，而非传统 pipeline（ASR + 独立的 speaker diarization 再对齐）。

  • 2026-07-14 获 INTERSPEECH 2026 第二届 MLC-SLM 挑战赛第一名（覆盖 14 种语言）。
  • 更强版本 MOSS-Transcribe-Diarize Pro 即将以 API 形式提供。

核心能力

能力 说明
长音频多说话人转写 面向会议、电话、播客、访谈、讲座、视频等杂乱多说话人录音
说话人分离（Diarization） 输出一致的说话人标签 [S01] [S02] …
时间戳 秒级对齐，格式 [start][Sxx]text[end]
声学事件感知 可选输出，标注非语音声学事件
多语言 支持 50+ 种语言
mosstranscribediarizedeploywebappfastapipythonmacosmps

发布

考试助手：单文件离线题库检索工具

考试助手（exam-helper）是一个单文件 HTML 应用，用于本地加载 Excel/CSV 题库并快速检索、查看答案。它无需服务器、无需联网，打开即用。

核心特性

  • 单文件离线使用：构建产物只有一个 exam-helper.html，双击即可在浏览器中运行。
  • 自动递归加载目录：选择包含题库文件的文件夹后，自动读取 .xls、.xlsx、.csv 及子目录中的文件。
  • 多种检索方式：
    • 中文关键字
    • 全拼，如 anquan
    • 拼音首字母，如 aq
    • 英文缩写（大写），如 GDW
    • 空格分隔表示“且”关系
  • 自适应展示：响应式网格布局，宽屏一行多个卡片；每页固定 10 行，根据列数自动计算题数。
  • 答案高亮：单选题、多选题的正确选项自动标绿，判断题、简答题直接显示答案。
  • 备注醒目：备注信息以红色加粗显示，重要提示一目了然。

快速开始

npm install
npm run build

构建完成后，用浏览器打开生成的 exam-helper.html，点击「选择题库目录」并选中题库文件夹，即可在搜索框中实时检索题目。

首次使用必须手动选择一次目录，后续打开会自动使用浏览器缓存的题库数据。

题库格式

题库文件使用 Excel 工作表，第一行为表头，必须包含以下列：

exam-helper question-bank-tool single-file-app html javascript open-source

WorkBuddy Prompt 模板文件

本文件研究了 /Applications/WorkBuddy.app/Contents/Resources/app.asar.unpacked/resources/templates 目录下的全部 *.tpl 模板（12个文件），每个文件作为独立章节，原文（含 Jinja 占位符与 XML 标签）原样保留在代码块中。 基于你提供的 WorkBuddy Prompt 模板文件，以下是其整体架构与各模板关系的思维导图（Mermaid 格式）：

mindmap
  root((WorkBuddy Prompt 模板))
    分类与概览
      共12个模板
      分类：模式提醒 / 系统提醒 / 身份上下文 / 主Prompt
      主Prompt分4个场景：Ask·编码 / Ask·通用 / Craft·编码 / Craft·设计 / 专家·编码 / 专家·通用 / 通用Craft
    模式提醒片段
      ask-mode-reminder
        Ask模式硬性规则：只读·不编辑·不运行命令
        建议切换至Craft
      craft-mode-reminder
        Craft模式能力激活：可自由编辑与创建文件
        直接执行任务
    系统提醒片段
      system-reminder
        占位标签
        运行时由系统注入提醒
    身份上下文模板
      user-context-expert-identity
        专家模式身份注入
        含BOOTSTRAP.md / USER.md
        聚焦产品身份与语气占位
      user-context-identity
        通用身份注入
        含SOUL.md / IDENTITY.md / USER.md
        用户自定义指令与语气风格覆盖
    主Prompt·Ask模式
      workbuddy-ask-prompt
        纯对话场景
        只读工具·不可编辑
        可视化工具（read_me / show_widget）
        MCP配置引导
      workbuddy-ask-coding-prompt
        Ask + 编码场景
        与ask-prompt同源
        强调代码库上下文与只读分析
    主Prompt·Craft模式
      workbuddy-prompt
        通用Craft默认主提示
        能力总览·Agent循环·结果呈现
        自动化任务与技能管理
      workbuddy-craft-coding-prompt
        Craft + 编码场景
        Agent循环·任务管理工具
        技能积累与反思（SkillManage）
        自动化（automation_update）
        可视化与多模态生成
      workbuddy-craft-design-prompt
        Craft + 设计场景
        智能设计助手角色
        画布三段式回复格式
        文生UI·截图验证
        目标节点优先原则
    主Prompt·专家模式
      workbuddy-expert-prompt
        专家模式通用（AGENTIC）
        角色覆盖·产物概览
        松弛自然沟通风格
        多模态生成与技能积累
      workbuddy-expert-coding-prompt
        专家 + 编码场景
        与expert-prompt同源
        聚焦编码任务与产物交付

该图清晰呈现了：

  • 4 大类模板（模式提醒、系统提醒、身份上下文、主 Prompt）
  • 7 种主 Prompt 场景（Ask 通用、Ask 编码、Craft 通用、Craft 编码、Craft 设计、专家通用、专家编码）
  • 各模板的核心定位与关键约束（只读/可编辑、身份注入、可视化、自动化、技能管理等）

模板概览

workbuddyprompttemplatescodingdesignagent

Hallmark 使用指南 

mindmap
  root((Hallmark))
    是什么
      反 AI 味的设计技能
      让 AI 生成的网页像人做的
      Together AI 出品 · MIT 开源
    给谁用
      Claude Code
      Cursor
      Codex
    核心功能 · 四个动词
      默认 · 新建设计
        预检扫描现有项目
        设计三问 · 受众/用途/基调
        先预览后写码
      audit · 体检
        给旧代码查 AI 味
        只出清单不改代码
      redesign · 重构
        留文案和品牌
        推翻视觉重做
      study · 提取 DNA
        从截图或 URL 学设计
        拒绝像素级抄袭
    凭什么不像 AI
      21 种页面结构
      20 个主题 · 4 流派
      58 道俗套检测门
      六维交付自评
    关键机制
      log.json 强制每次不重样
      tokens.css 设计系统可移植
      design.md 锁定整站风格
    怎么用
      npx skills add nutlope/hallmark

项目地址：https://github.com/Nutlope/hallmark 在线演示：https://www.usehallmark.com 许可证：MIT

一、这是什么

Hallmark 是一个面向 AI 编程助手（Claude Code、Cursor、Codex）的设计技能（Skill），由 Together AI 出品。它解决的问题很具体：大模型生成的网页 UI 总有股"一眼 AI"的味道——居中大标题、紫蓝渐变、三列等宽卡片、Inter 字体……Hallmark 用一套强制规则把这些"默认审美"全部禁掉。

它的核心理念是结构多样性优先于视觉多样性：两个不同需求（brief）生成的页面，不应该只是同一模板换了配色，而应该像两个真正不同的网站。为此它内置了：

  • 21 种宏观结构（macrostructure）——页面的整体骨架，如 Bento Grid、Long Document、Manifesto、Marquee Hero、Stat-Led 等
  • 20 个命名主题（theme）——分属四个流派（genre），外加一个"自定义主题"隐藏分支
  • 50 个组件原型——9 种 Hero、14 种导航、8 种页脚、5 种节标题等
  • 58 道"防俗套检测门"（slop test）+ 交付前六维自评——任何一项不达标就打回重做
hallmarkskilldesignaicodingux

open-ai-eco 接入本地 Agent：ACP 协议开发实践与架构总结

本文记录 AI 生态工作台（open-ai-eco）通过 ACP（Agent Client Protocol） 接入本地 Agent 的完整实践：选型理由、架构设计、关键实现、踩坑经验与验证方法。

1. 背景与目标

工作台是组内的 Astro 站点，用于展示 AI 研究成果。日常工作中沉淀了一批 Agent 技能（Skill）：

  • 研究 AI 项目：给一个 GitHub 地址，自动研究并把结构化信息写入项目 Excel；
  • AI 周报：每周一生成结构化行业周报 Markdown；
  • 后续还会有更多同类技能。

这些技能原本只能在终端里通过 Claude Code / Kimi CLI 使用。目标是：在工作台网页里加一个交互入口，直接在页面上对话、调用技能、审批文件操作，把"打开终端敲命令"变成"打开网页点一下"。

约束条件：主要自用、部署在内网 Node 常驻服务上、本地同时装有 Claude Code 与 Kimi CLI 两个 Agent。

2. 为什么选 ACP

open-ai-ecoagentacpintegrationarchitectureskills

发布

中国象棋：浏览器本地人机对弈游戏

中国象棋是什么

中国象棋是一款在浏览器中直接运行的纯前端人机对弈游戏，无需安装、无需后端，打开网页即可与电脑 AI 对弈。游戏完整实现象棋规则，棋盘采用 HTML5 Canvas 绘制木质风格界面，支持桌面与移动端触屏操作。

核心功能

  • 人机对弈：玩家可选择执红先行或执黑后手，AI 即时应招。
  • 三档 AI 难度：入门、业余、高手，对应搜索深度 2 / 3 / 4 层。
  • Minimax + Alpha-Beta 引擎：AI 基于 Minimax 搜索与 Alpha-Beta 剪枝，结合棋子价值与位置评估表决策。
  • 完整规则判定：马蹩腿、象塞眼、炮隔子吃、兵卒过河、九宫限制、将帅照面（飞将）等规则全部实现。
  • 终局判定：自动识别将军、将死与困毙（无棋可走），并弹出结算提示。
  • 走法提示：点选棋子后高亮显示所有合法落点，可吃子目标以红圈标出。
  • 中文棋谱：自动以「炮二平五」式中文记谱法记录双方着法，吃子附带标注。
  • 悔棋 / 认输 / 提示：支持悔棋（回退一回合两步）、一键认输，以及让 AI 推荐当前最佳走法。
  • 对局信息：实时显示当前回合、双方用时与总步数。
  • 本地音效合成：使用 Web Audio API 实时合成走子与吃子音效，可随时开关。
  • 响应式布局：桌面端棋盘居中、左右信息栏；窄屏自动堆叠，手机触屏也能流畅对弈。

使用方式

  1. 打开 中国象棋。
  2. 在「设置」中选择执子方（执红先行 / 执黑后手）与 AI 难度。
  3. 点击己方棋子查看合法走法，再点击目标位置落子。
  4. 需要时使用「悔棋」「提示」按钮，或对局结束后点击「再来一局」。
ai browser chess chinese-chess game html5-canvas minimax tool web-audio-api

用单文件 HTML 写一个能对弈的中国象棋 AI——从规则引擎到 Alpha-Beta 剪枝

一次「中国象棋 + 纯前端 + 自写搜索算法」的完整实践。零依赖、零构建，双击即玩。本文记录规则引擎、AI 搜索、Canvas 渲染的设计思路，以及布局调试中踩过的几个值得记住的坑。

WorkBuddy + GLM-5.2 开发的，花了 200 积分。开发出来第一个版本并没有花多少钱，问题是反复修改一些小问题，积分用量就上来了，感觉缓存并没有起作用。

一、需求与技术选型

需求很朴素：一款可以人机对弈的中国象棋 Web 应用。

权衡后定的方案：

维度 选择 理由
形态 单文件 index.html 双击即可运行，无需构建、无需服务器，便于分享
技术栈 原生 HTML5 + CSS3 + ES6 零依赖，引擎/AI/UI 全在一个文件里也能保持清晰
棋盘渲染 Canvas 棋盘线条、楚河汉界、九宫斜线用 Canvas 绘制最直接
AI 算法 Minimax + Alpha-Beta 剪枝 经典、可控、纯前端可跑，难度由搜索深度决定

架构上坚持一点：引擎层（棋盘状态 + 走子规则 + AI）与 UI 层（渲染 + 交互）彻底解耦。引擎函数只操作棋盘数组，不碰 DOM，方便单独测试和替换。

二、棋盘数据结构

中国象棋是 10 行 9 列的交叉点棋盘。用一个二维数组表示：

aibrowserchesschinese-chessgamehtml5-canvasminimaxtoolweb-audio-api

CodeBuddy 官方插件市场 · 四大领域插件

数据来源：codebuddy-plugins-official 市场 manifest（共 207 个插件，2026-07-16） 整理口径：从 207 个插件中筛出 软件开发生命周期、安全、办公、设计 四个领域；一个插件只归入一个主领域，跨领域插件在说明中以「兼属 ××」标注；其余 32 个插件列入文末「未归入」。

一、软件开发生命周期（134）

1.1 需求、规划与项目管理（8）

插件名 来源 说明
requirements-driven-workflow 官方 需求驱动开发工作流，含 90% 质量门控的功能实现流程
interview 外部 访谈式命令，用于细化大型功能计划与规格
conductor 外部 上下文驱动开发：上下文 → 规格与计划 → 实施的结构化工作流
agent-team-agile-workflow 官方 BMAD 敏捷工作流，含 PO、架构师、SM、开发、QA 角色代理与交互式审批
taskmaster 外部 基于 AI 的任务管理系统，提供命令、代理和 MCP 集成
commands-project-setup 外部 项目初始化与搭建命令
commands-project-task-management 外部 任务管理与项目跟踪命令
feature-dev 官方 全面功能开发工作流，含代码库探索、架构设计与质量审查智能体

1.2 架构与设计（软件架构）（7）

workbuddycodebuddyagentpluginsmarketplacecodingdesignsecurityoffice

坦克大战（HTML5）开发教程

本教程基于本工作区已实现的「坦克大战」源码（HTML5 Canvas 复刻红白机 Battle City）逐模块讲解。 读完后你将能独立从零搭建一个 60fps、数据驱动、可扩展 的俯视角坦克射击游戏，并理解其中每个模块的设计取舍。

配套源码入口：index.html，核心逻辑在 js/ 下 6 个文件，单元测试在 tests/tank.test.js。

GitHub 源代码：https://github.com/wang-junjian/tank-battle

1. 项目简介与技术栈

「坦克大战」是一款经典俯视角坦克射击游戏：玩家操控己方坦克在 13×13 的迷宫战场中移动、射击，摧毁敌方坦克并保护己方基地（老鹰）。

技术栈（零依赖、零构建步骤）：

技术 用途
HTML5 Canvas 2D 全部战场渲染
原生 JavaScript（ES6 class） 游戏逻辑，不依赖任何框架
Web Audio API 实时合成音效与 BGM（无音频素材文件）
localStorage 最高分与配置持久化
node:test 引擎逻辑的单元测试（无需浏览器）

为什么选这套栈： 无打包、无依赖，双击即可运行；逻辑与渲染分离后，核心玩法甚至能在 Node 里跑测试。这对"快速做出可玩原型"极其友好。

2. 运行、调试与测试

2.1 本地运行

直接用浏览器打开 index.

tank-battletutorialhtml5-canvasgame-devweb-audio-apilocalstorage

发布

坦克大战：浏览器本地俯视角街机射击游戏

坦克大战是什么

坦克大战是一款在浏览器中直接运行的纯前端俯视角坦克射击游戏，复刻经典街机玩法，无需安装、无需后端，打开网页即可开战。玩家操控坦克在 13×13 的战场上移动射击，目标是消灭全部敌军并保护基地（老鹰），支持键盘与触屏两种操作方式。

核心功能

  • 经典俯视角射击：方向键控制坦克移动，朝向即开火方向，空格 / J 发射子弹。
  • 3 个关卡：每关地图、敌军总数、刷新频率与敌人类型权重各不相同，难度逐关提升。
  • 四种敌军类型：普通、快速、装甲、智能坦克，智能坦克会追踪玩家位置。
  • 六种战场道具：火力升级、无敌护盾、强化基地、冻结敌军、全屏清除、奖励生命。
  • 火力成长系统：拾取星形道具可提升火力等级，最高等级可破坏钢墙。
  • 触屏虚拟按键：移动设备自动显示方向键与圆形射击按钮，手机也能玩。
  • 本地音频合成：使用 Web Audio API 实时合成 BGM、射击、爆炸、道具等音效，无外部资源。
  • 可自定义按键：支持在设置中重映射移动、射击、暂停、确认、重开等按键。
  • 画质与音量调节：提供低 / 中 / 高三档画质，独立开关音乐与音效，音量 0% ~ 100% 可调。
  • 本地进度保存：使用 localStorage 记录最高分与已解锁关卡，下次打开继续挑战。
  • 响应式 HUD：桌面端右侧信息栏显示关卡、剩余敌军、生命、得分与增益状态；窄屏自动堆叠。

使用方式

  1. 打开 坦克大战。
  2. 在主菜单选择已解锁的关卡，点击「开始游戏」。
  3. 使用方向键移动坦克，空格 / J 射击；触屏设备使用屏幕上的虚拟按键。
  4. 消灭全部敌军即可过关；保护基地不被击毁，生命耗尽或基地失守则游戏结束。
arcade browser game html5-canvas localstorage tank-battle tool web-audio-api

CodeBuddy 官方插件市场 · 插件分类清单

数据来源：codebuddy-plugins-official 市场 manifest（共 207 个插件）

分类方式：基于插件 name / description 关键词的中文功能聚类（官方 category 字段缺失较多，故采用描述推断）。

分类概览：腾讯安全实验室：7 | 语言服务器 LSP：11 | 文档与办公：11 | 前端与 UI 设计：37 | 游戏开发：5 | 腾讯生态与 MCP 集成：16 | 工作流与生产力：77 | 内容创作与写作：7 | 系统与脚本开发：5 | 外部领域合集：31

腾讯安全实验室（7）

workbuddycodebuddyagentpluginsmarketplace

拆解 WorkBuddy：系统提示词如何拼装，模型清单如何定义

研究对象是 WorkBuddy 桌面客户端的安装包——更准确地说，是它解包后的 resources/ 与 cli/ 两个目录。我们想知道两件事：

（1）对话时「我」到底由什么拼成？ （2）「我」能调用哪些模型、这些模型又从哪来？

答案出人意料地干净：它们分别落在两套声明式配置文件里——提示词模板库与产品配置文件。你此刻正在阅读的「我」，本质上就是这两套文件在运行时的一次实例化。

0. 为什么值得写

平时我们用 AI 助手，关注的是「它能不能帮我干活」。但如果你想知道「它是怎么被造出来的」，安装包本身就是最好的教材：没有编译混淆、没有黑盒，所有「性格」「能力边界」「可用武器」都白纸黑字写在那里。

这次我们顺着两条主线往下挖：

  • 主线 A —— 大脑（提示词模板）：resources/templates/ 下的 19 个文件（约 2400 行），决定了「我是谁、能做什么、如何行动」。
  • 主线 B —— 武器库（模型配置）：cli/product*.json 下的 5 个文件，声明了「我能调用哪些模型、怎么路由、怎么计费」。

一、主线 A：提示词模板体系（"我"的大脑）

1.1 三层结构

resources/templates 不是一堆散落的提示词，而是一套以「角色」为主轴、以「模式」为运行时约束的模板工程体系，基于 Jinja2 风格语法（{{ var }} 占位符 + {% if

workbuddyagenttemplatesprompt

WorkBuddy：iOA 渠道模型完整对照表

数据来源：cli/product.ioa.json（iOA 部署渠道覆盖层）
共 82 个模型条目，按路由代号（vendor）分组。

一、概览

  • 模型总数：82
  • 支持工具调用 (toolCall)：67 / 82
  • 支持图像 (images)：67 / 82
  • 支持推理 (reasoning)：50 / 82
  • 仅推理 (onlyReasoning)：44 / 82
  • 默认模型 (isDefault)：1

路由代号（vendor）分布

路由代号 数量 说明
e 33 外部聚合（多为国内厂商模型）
f 22 首方/海外聚合
tencent 7 TACO 代码补全/轻量子模型通道（非对话模型，能力字段为 None）
j 7 特定海外模型
i 2 iOA 专属条目
None 11 未标注（auto/default 等特殊聚合项）

注意：vendor 是后端路由代号，并非明文厂商名；同一逻辑模型在不同渠道 vendor 可能不同（例如 minimax-m2.5 在基座是 f、在 cloudhosted 是 e）。下表「推测来源」列按模型 id 名称推断，仅供参考，非配置字段。

推理档位（reasoning.effort）分布

effort 档位 数量
medium 25
(无effort字段) 17
high 8

计费倍率（credits）分布

空值 = 未显式声明（按渠道默认计费，多为 x1.00）。

workbuddyagentmodelsioa

WorkBuddy 模型定义与配置研究

研究对象：/Applications/WorkBuddy.app/Contents/Resources/app.asar.unpacked/（WorkBuddy 应用解包目录） 核心结论：可用模型不是硬编码在程序里，而是由 cli/ 目录下一组声明式产品配置文件（product*.json） 定义。机制为「一个基座 + 四个部署覆盖层」，运行时由环境变量选择渠道并合并生成最终模型清单。

一、模型定义的落点

模型定义全部集中在 cli/ 目录下的 5 个产品配置文件里，resources/ 目录中没有模型定义（那里是提示词模板、技能、插件）。

workbuddyagentmodelsioa

Agent 系统设计的核心思想

一套面向 Agent 应用设计者的系统化设计原则、架构模式与实战指南。

基于对 WorkBuddy（CodeBuddy Code）工作空间源码、系统提示词、文档与架构的深度分析提炼而成。

目录

  1. 概述：从 Chatbot 到 Agent 的范式跃迁
  2. 原则一：闭环执行架构
  3. 原则二：人格化身份体系
  4. 原则三：分层记忆系统
  5. 原则四：纵深防御安全模型
  6. 原则五：渐进式能力扩展
  7. 原则六：多模态工作模式
  8. 原则七：上下文精细管理
  9. 原则八：可组合的工具哲学
  10. 系统架构全景图
  11. 可复用的设计模式清单
  12. 设计决策框架
  13. 常见反模式

1. 概述：从 Chatbot 到 Agent 的范式跃迁

1.1 Chatbot 和 Agent 的本质区别

维度 Chatbot Agent
核心能力 理解并回答 理解、计划、执行、验证
与环境的交互 被动接收文本 主动感知文件系统、网络、工具
输出的性质 文本回答 实际行动（文件变更、API 调用、部署）
正确性保障 依赖训练数据 通过执行测试、编译、对比等方式自我验证
会话生命周期 一问一答，无持续性 跨多轮持久化，可中断恢复
用户角色 提问者 协作者/监督者

设计 Agent 系统，首先要完成这个认知跃迁：Agent 不是"更强的 Chatbot"，而是一种全新的交互范式。

1.2 Agent 设计的核心张力

在设计 Agent 系统时，始终面临以下四对核心张力：

workbuddyagentdesignarchitectureprinciples

WorkBuddy 实战案例：设计创意

WorkBuddy 介绍

全场景智能体工作搭子

开启 AI Agent 办公新范式

AI 专家团 全场景办公

WorkBuddy 是全能 AI 工作台，一人指挥，全行业专家执行，从策略到交付一站搞定

免部署·安装即用 ｜ 多专家·多模型协同 ｜ 全平台·桌面 / 主流 IM / 小程序

100+ 领域专家组成你的虚拟团队，运营、设计、数据、开发等全角色场景覆盖

一句话指令自主规划并交付完整结果

多专家并行协作，一个人顶一支团队

MCP 生态 + 自定义 Skills，能力无限扩展

设计系统（Design System）

  • 场景：设计系统
  • 模型：Deepseek-V4-Flash

输入（宫崎骏的太空之城风格设计系统）

帮我建立一套完整的 Design System，包含颜色体系、字体层级、间距规则和基础组件规范文档，风格为宫崎骏的太空之城

输出

workbuddyagentdesignwebappskillposterillustration