如意 Ruyi Escapade 2.0 · 本地 AI 全能工作台

Ruyi — an offline-first, Windows-native, all-in-one AI workbench that non-programmers can use safely.

一台 Windows 机器 + 任意一个可用的模型端点(任意 OpenAI 兼容 API 或内网 Claude CLI)= 一个能真正替你动手的本地 AI 工作台:读写文件、跑脚本、操控桌面和 Office、派一队子代理协作调研——每一步可审计、可撤销、成本透明,有网没网都能正常运行。

当前发布线：Ruyi Escapade 2.0.1（技术版本 v2.0.1）。Escapade 是整个 2.x 系列的产品代号；后续修订仍沿用这个名字，例如 Ruyi Escapade 2.0.2、2.1。内部的「第 N 波」只用于拆分开发计划，绝不直接充当用户版本号。下一代预留代号为 Ruyi Pretender 3.0。

_{▲ 真实工作流:一句话让 AI 读取工作区里的 CSV → 分析并落一份报告文件 → 对话里给出结构化结论;每个工具调用有卡片、每处文件改动可「撤销」、每轮消耗有账。}

快速跳转:这是什么 · 与同类软件对比 · 界面导览 · 核心能力 · 功能详解 · 快速开始 · 进阶指引 · English

---

如意是什么

如意(Ruyi) 是一个 clean-room 实现的 Windows 本地 AI 工作台:把「模型对话」升级成「模型替你干活」。它不是又一个聊天壳,也不是程序员专属的编程 CLI——它面向同一台机器上的两种人:不写代码的知识工作者(整理文件、汇总报表、写周报、操作 Office),和要干工程活的进阶用户(跑脚本、审代码、多 Agent 调研)。

三组数字勾勒它的形状:

1 个运行产物	后端运行时产物是单文件 app/server.js(1.8 万+ 行;由 app/build.js 把 app/src/ 的 17 个有序源码模块拼接而成,字节级可复现),零 npm 运行时依赖,只用 Node 内建模块——node server.js 直接跑,无需 npm install,政企内网过审成本最低
51 个原生工具 · 107 个桌面工具	文件/终端/搜索/Git/联网/编排等原生工具按统一派发表计 51 个，外加可选的桌面控制组件 ACC(截图/OCR/UIA/键鼠/窗口/Office/PDF/编辑/抓取/记忆共 107 个工具)
8 套模板 · 9 种角色 · 158 项离线 e2e	内置 8 套多 Agent 工作流模板与 9 种节点角色;每项功能经「实现 → 多视角对抗验证 → 修复 → 独立回归」闭环交付。默认运行 152 项离线 e2e，另有 6 项需真实外部环境的探针按需启用

原名 Win Claude Workbench,自 v0.8 起更名如意 Ruyi——去 "Claude" 化是开源发布的法务考量(商标风险 + 旧提示词曾致 provider 模型自称「我是 Claude」的身份错认)。「如意」取「称心如意、如你所愿」之意,图标为青花如意云纹。

与同类软件的对比

市面上的 AI 工具大致分三类:云端对话应用(网页/客户端聊天壳)、编程 CLI Agent(面向开发者的终端工具)、云端自动化 Agent(任务托管在别人服务器上)。如意占的是它们都没占的位置——本地、动手、可撤销、非程序员可用:

维度	云端对话应用	编程 CLI Agent	云端自动化 Agent	如意 Ruyi
运行位置	厂商服务器	本机终端	厂商沙箱	本机,数据不出门
无外网 / 内网部署	✗	部分(模型仍需在线)	✗	✓ 端点可指向内网模型
操控本机桌面/Office	基本没有	弱(以代码为主)	在云端虚拟机里	✓ 107 工具直接控本机,纯文本模型也能用(OCR+UIA 文字定位,不依赖视觉模型)
做错了能撤销吗	无此概念	靠 git	很难	✓ 文件检查点+对话回溯成对交付,权限弹窗上就写着「可撤销」
多 Agent 协作	无/黑箱	有但多为命令行输出	黑箱	✓ DAG 图形编辑器 + 实时协作监控画布
成本透明	订阅价	部分	订阅价	✓ 分币种逐笔记账,子代理/压缩全入账,不虚报成本
非程序员可用	✓(但只能聊)	✗	✓(但不可控)	✓ 简易/专业双模式,一键任务卡
部署/审计成本	—	需 Node/Python 生态	—	单文件零依赖,离线 zip 解压即用

五个别处很难同时拿到的点:

1. 操作级撤销 —— 文件检查点 + 对话回溯成对交付,可撤销性直接体现在权限弹窗时刻(见下方截图)。多数 computer-use 产品的 OS 级撤销基本缺席,这是最强的安全差异化。
2. 纯文本模型也能操控桌面 —— OCR + UIA 文本 grounding,不依赖视觉模型。受限内网往往只有文本模型,这直接决定可用性下限(视觉是增强,不是前提)。
3. 内网部署优先 + 零依赖可审计 —— 单文件后端、零 npm 运行时依赖、前端无框架无构建,全部离线可跑;安全团队要审的面最小。
4. 中文优先 + 中英双语 —— 默认中文体验，同时可在设置中切换简体中文、英文或跟随系统；设置、Provider 卡片、权限/能力弹层、模型菜单、产物、快捷键、命令面板、技能库与结构化 API 错误均由语言资源渲染。内置技能和一键任务随界面语言本地化，用户/项目自定义内容保持作者原文。会写代码的和不写代码的共用一套壳，双模式切换。
5. 双引擎不锁定 —— 任意 OpenAI 兼容端点(DeepSeek / 通义千问 / 智谱 GLM / 内网 vLLM·Ollama)或内网 Claude CLI,随时切换、上下文跨引擎续接。

界面一览

工作台画布:多 Agent 工作流实时协作图——谁在跑、跑到哪、卡在哪;右栏是节点详情、任务池审批、Agent 邮箱	工作流图形编辑器:拖节点、连箭头、按角色配色;检查器可给每个节点指派引擎/模型/工具级别/质量门
权限审批:执行级操作弹卡确认,「此操作无法自动撤销」写在脸上;可拒绝、可本会话内自动允许	用量与成本:输入/输出 token、对话轮次(含工作流子代理回合)、按引擎/服务商/会话三维拆分,诚实计账
简易模式:非程序员画像——一键任务卡(归档/重命名/合并 Excel/OCR/PDF 汇总/写周报…),开发者页签自动隐藏	模型服务:填 Base URL + 密钥即接入任意 OpenAI 兼容端点;密钥只存本机、界面掩码;可配单价用于成本估算

更多截图(文件面板 / 检查点 / 审计 / 技能库 / 记忆 / 首启引导…)

首次启动:选一个工作文件夹就能开始;自动探测本机 Claude CLI 与可用引擎	文件页签:工作区文件树 + 单击预览;AI 只能看到工作区内的东西
变更页签:每轮的文件改动逐条列出,单条撤销或整轮回滚	审计时间线:每个回合、每次工具调用、每次权限决定都有据可查
技能库:内置/用户/项目/Playbook 四源技能,支持会话启用与全局常驻	工作台记忆:跨会话的个人经验与项目惯例,起草-确认入库,按项目分组
工作流汇总:运行结束后各节点结论回填对话,Explorer 拆解 → Researcher 双镜头 → Critic 核验剔除 → Synthesizer 综述

核心能力一览(v2.0) · Escapade

能力	说明	详解
双引擎对话	任意 OpenAI 兼容端点与 Claude CLI 随时切换,跨引擎上下文续接	§1
原生工具环	51 个内置工具:文件/终端/搜索/Git/联网/编排,按 read/edit/exec 三级分档	§2
多 Agent 编排	DAG 工作流、8 套模板、9 种角色、5 种质量门、图形编辑器、实时监控；Claude CLI 原生子 Agent 也可显示只读父子图、等待进度与回传结果	§3
长任务自主推进	任务账本 until-done 驱动;零 token 等待;可选的分级崩溃恢复;增量监控(传输量降 ≥80%)与运营指标	§3
信任层	文件检查点 + 对话回溯成对交付;5 档权限模式 × 工具三级;全量审计时间线	§4
桌面 / Office 操控	截图/OCR/UIA/键鼠/窗口/Office/PDF(桌面控制 MCP,ACC v1.9.0,107 工具,可选安装)	§5
技能 / 记忆 / Playbook	四源技能注册表 + 跨会话工作台记忆 + 可复用任务剧本,全部渐进注入	§6
联网检索	8 种搜索后端,内置后端零配置可用;SSRF 防御;抓取带离线缓存	§7
成本 / 用量看板	分币种逐笔记账,区分官方/第三方计划/按量;子代理与压缩全入账;月度预算告警	§8
中英界面	设置中支持跟随系统、简体中文、英文；设置、动态弹层、技能库/一键任务与 API 错误可本地化	多语言方案
团队模式	共享任务池(子代理提案→审批→物化)、Agent 邮箱、对指定节点定向插话	§3
语义防卡 · 防空转	主回合结果指纹无进展判定，与同签名连击互补；探索工具宽阈值，warn 先行不 abort	§3
智能打断与恢复	between-tools 批次边界中断 + steerable 打断流；配对安全补 refusal；连续执行 loop-guard 暂停	§3
提示词分层注入与 i18n	system prompt 拆为逐字节稳定的锚点层 + volatile 层注入第一条 user 消息（prefix-cache 友好）；中英双语提示词按 UI 语言加载	§3
分级 UI	简易/专业双模式、深/浅/跟随系统三主题、V4 毛玻璃视觉系统	§9

每项功能均经「实现 → 多视角对抗验证 → 修复 → 独立回归」闭环交付。当前共 158 项离线 e2e（默认运行 152 项），迭代与发布规则见 优化路线图；面向用户的发行摘要见 CHANGELOG.md。

功能详解

1. 双引擎:任意模型端点都能开工

• OpenAI 兼容引擎(原生):直连 HTTP + SSE 流式,带完整原生工具循环。内置四组预设:DeepSeek / 通义千问 DashScope / 智谱 GLM / 自定义(内网 vLLM、Ollama、one-api 网关均可)。多 Provider 并存,顶栏一键切换模型。
• Claude CLI 引擎(可选):指向本机已装的 Claude CLI 即可并存使用;工作台自动生成 MCP 配置,把自己的工具与桥接工具喂给 CLI;另有火山方舟 Ark 等 Anthropic 兼容端点预设。
• 工具提示词智能按需:默认先按任务装载相关工具包,缺少能力时由 AI 搜索并增量装载；OpenAI 兼容引擎在下一次工具循环加入具体 schema，Claude CLI 通过分级代理调用隐藏工具。简单问题不再反复携带整套约 140 个工具；设置 → 高级可切回“全部常驻”兼容模式。设计与本机 A/B
• 跨引擎续接:同一会话里从 DeepSeek 切到 Claude(或反向),历史自动嫁接,不断上下文。
• 可靠交互提问:Claude CLI 与 OpenAI 兼容引擎共用 request_user_input 弹窗通道；选择只有在工作台确认已送达后才会关闭，后台会话的提问也会立即提示。
• 上下文电量表:顶栏实时显示已用/上限 token(自动探测上下文窗口,支持手动锁定);超阈值自动两级压缩(蒸发 → 摘要),也可手动 压缩。
• 能力矩阵:视觉(看图)、推理链、工具调用等能力按端点探测/标注,缺什么 UI 直接告诉你,不让你对着黑箱猜。
• 计划模式:提问先出 PLAN:,你批准了才动手(provider 引擎真流程,不是提示词装饰)。

2. 原生工具环:51 个内置工具

全部用 Node 内建模块实现(零依赖),按风险三级分档:read(只读,自动放行)/ edit(写入,先记检查点,可撤销)/ exec(执行,最高危,默认逐次确认):

类别	工具
终端 / 执行(7)	powershell_run · 持久终端会话 shell_start/send/poll/kill/list · script_run(PS/Python/Node 临时脚本)
文件(12)	file_read/write/edit/delete/move/copy · file_list/search/glob · archive_zip/unzip(防 Zip-Slip) · http_download
桌面交接(4)	browser_open · office_open · desktop_screenshot · keyboard_send_keys
项目智能(6)	project_snapshot · dependency_inventory · code_review_scan · frontend_audit · claude_md_audit · docs_search(全部离线扫描器)
Git(4)	git_status/diff/log(只读)· git_commit
联网(3)	web_search · web_fetch(SSRF 防御 + 离线缓存)· http_request(本机/内网 API 调试)
规划 / 编排(4)	request_user_input(可靠收集用户选择)· todo_write(驱动 UI 步骤条)· spawn_agent(隔离子回合)· orchestrate_agents(启动 DAG 工作流)
按需注册(3)	skill_read(技能全文拉取)· propose_task(任务池提案)· send_to_agent(Agent 邮箱)

外部 MCP 工具(桌面控制、drop-in 连接器)会桥接进这个循环,并沿用同一套分级审批。

3. 多 Agent 编排:DAG + 质量门 + 图形编辑器

一句「深度调研一下竞品定价」,如意会派一队各司其职的子代理,并在工作台画布上实时画出协作图(见上方截图)。

8 套内置模板(节点数为默认值,均可在编辑器里改):

模板	形状	适用
深度研究 → 核验 → 综述	拆解 → 双镜头并行检索 → 对抗核验 → 带引用综述(5 节点)	要可靠、可追溯结论的调研
代码审计	建库地图 → 正确性/安全/质量三维并行 → 核验 → P1/P2/P3 排期(6 节点)	接手陌生代码库、上线前体检
实现 → 审查 → 修复 → 测试	审查不过才进修复,最后独立验收(4 节点)	有明确验收标准的开发任务
Bug 定位	复现 → 双假设并行 → 验证 → 根因修复(5 节点)	难缠 bug 的系统化排查
需求 → 多方案 → 选型 → 落地清单	三种取向并行出方案 → 加权横评 → 可执行清单(6 节点)	技术选型、架构决策
文档生成	提纲 → 分节并行撰写 → 事实核查 → 统稿落盘(5 节点)	从零写长文档
数据洞察	探查 → 方案 → 主线/交叉双分析 → 核验 → 洞察(6 节点)	数据分析与报告
正反辩论 → 裁决	正反并行 → 交叉审查裁决(3 节点)	有争议的决策

9 种节点角色(各带提示词、工具面、预算与配色):Explorer 探索 · Worker 实现 · Reviewer 审查 · Verifier 验证 · Planner 规划 · Researcher 调研 · Critic 对抗评审 · Synthesizer 汇总 · Analyst 分析。

编排原语:节点级引擎/模型指派(如「检索用快模型、核验用强模型」)· 依赖边 · 条件执行(审查不过才修复)· 循环(直到满足条件,防空转)· 失败策略(阻塞/继续/重试)· 资源租约(防死锁)· Git worktree 隔离(并行改文件不打架)· 结构化输出 Schema · 5 种质量门(review / verify / vote 法定人数 / cross_review / dedupe,其中 vote 与 dedupe 为确定性算法,不烧 token)。

AI 主动编排 + 按难度选模型:对话里出现「调研 / 审计 / 排查 / 选型 / 写文档」这类意图时,两个引擎都会收到模板清单、意图→模板映射,以及当前可用模型的能力档位清单(按引擎分组、快 / 均衡 / 强分档)——模型可自主发起 orchestrate_agents,并按每个节点的任务难易自主指派模型:简单/大批量节点用快模型省成本提速、核心推理/综合/质量门用强模型保质量(带「简单任务别套模板」护栏防过度编排)。也可一键开启「按工具级别自动派档」,让没显式指定模型的节点由后端按 read→快 / exec→强 兜底。

对话框「Agent 团队」:需要明确使用多 Agent 协作时,点一下再发送。本轮强制调用 orchestrate_agents：优先匹配预设工作流,没有合适模板时自行设计最小必要 DAG。节点默认先探测并使用“子代理优先端点 / 模型”；端点失效或模型不存在时回退到当前对话正在使用的端点与模型。开关发送后自动复位,该契约通过结构化请求分别注入 OpenAI 兼容驱动与 Claude CLI,不会改写用户原始消息。

团队模式 v2:运行中的子代理可 propose_task 提案追加节点,经你审批物化进 DAG(运行时嵌套委派的可观测替代);节点间可用 send_to_agent 单向异步传话(与用户插话分池);你还能对指定节点中途定向插话,下一次模型调用前生效。

长任务自主推进(可跑数小时、崩了能续):不是把「继续执行」粗暴地变成无限循环,而是让目标、等待、恢复和人工接管都可见、可控。

• 任务账本:把目标拆成带验收证据的里程碑,可选 until-done 自动推进;连续无进展会停滞,预算用尽则存档暂停——进度保留,不把「还没做完」伪装成报错或完成。
• 等待不烧 token:wait_for 可等到指定时间、文件出现、进程存在或 URL 可达;等待节点不占并发槽、不调用模型,并对工作区路径、进程探测和 URL 请求分别设护栏。
• 恢复按副作用分级:每一步状态原子落盘,重启后先诚实标出中断点。开启自动恢复后,纯读 / 等待 / 确定性质量门可继续;命令执行、已写入或能力不明的节点一律暂停等待确认,绝不盲目重放不可逆副作用。
• 上下文、产物与监控都有边界:子代理的上游结论按预算收敛,文件产物可单独追溯;监控改走增量事件流(相比全量轮询传输量降 ≥80%),运行干预次数、失败分类和预算超支率随手可查。

语义防卡 · 防空转(51a):主回合结果指纹(resultFingerprint)无进展判定——连续 N 轮工具输出均为相同结构/无新写入文件/无新 URL → 判定循环暂停;与"同签名连击"互补（连击看工具名+参数,loop-guard 看结果产出）;探索类工具(read_file/file_search/glob等)宽阈值;warn 先行不直接 abort,用户可主动"调整方向"解锁。

智能打断与恢复(51b):between-tools 批次边界中断——steer 队列(steerQueue)在每轮结束时检查,命中时注入定向提示到下一轮 system prompt（Codex 级立即生效）;配对安全补 refusal——被打断的回合若模型已产出 refusal 片段,系统自动补完安全拒绝语义,避免半句 refusal 暴露给用户;连续执行 loop-guard 暂停后,用户发消息即触发恢复。

提示词分层注入与 i18n(51c-b/51d):provider 引擎 system prompt 拆为两层——① 锚点层（buildStableSystemPrompt：身份+工具协议+provider 追加指令）,同一会话逐字节稳定,prefix-cache 友好;② volatile 层（buildVolatileParts：能力探测/桌面状态/搜索配置/风格/项目/技能/记忆/任务账本）,每轮合并为 Markdown 块注入第一条 user 消息。首轮 token 开销下降约 1000–3000,多轮累积节省显著。中英双语系统提示词通过 06b-prompt-registry.js(PROMPT_PACK_VERSION='2026-w51-1')按 UI 语言从 i18n/prompt-packs/ 按需加载。

4. 信任层:检查点 / 回溯 / 权限 / 审计

「让 AI 动手」的前提是「动错了能收回来」:

• 文件检查点:每个写操作(写/改/删/移/复制/解压/下载)先把「改前状态」压缩入检查点日志——单条撤销、整轮回滚,对话里每轮变更直接列出(见上方截图)。
• 对话回溯:把会话拨回任意轮次,可选同时回滚该轮之后的文件改动——对话和文件一起回,不是只删聊天记录。
• 5 档权限模式 × 工具三级:默认「每步都问」(exec 逐次确认),另有 接受编辑 / 计划模式 / 全自动 / 跳过确认;审批卡上明示风险级别与「此操作无法自动撤销」;只读/编辑级可记住「本会话自动允许」,执行级永远不能被持久放行。
• 自主性授权书:需要连续执行时,可从本机 UI 签发一张比当前权限更窄的临时授权——文件路径 glob、命令前缀、联网许可、次数和有效期都可限定,支持本次运行/本会话范围并可随时撤销;不会出现「全工具、全工作区、无限次」的宽泛预设。
• 审计时间线:每个回合、每次工具调用、每次权限决定落 NDJSON 审计日志,右栏可按来源/类型过滤(见上方截图);记录经密钥脱敏后才下发。
• 本机加固(部分成果,详见 SECURITY.md):服务只绑 127.0.0.1 + 页面 token;Host 白名单抗 DNS-rebinding;web_fetch/http_download 拒绝私网/回环地址(SSRF);数据目录敏感文件(密钥、会话、审计)对文件工具双向拒绝(含 junction/短名绕路);API 响应里密钥一律掩码。

5. 桌面 / Office 操控(ACC,可选)

mcp/ai-computer-control/ 是随发行包捆绑的桌面控制 MCP(v1.9.0,Python ≥3.12,共 107 个工具),装好后工作台自动探测,并把工具同时供给两个引擎:

启动时，工作台会先验证候选 Python 能否导入 ACC；完整离线包内的 python_embed 和安装器部署到 %LOCALAPPDATA%\ai-computer-control\runtime\python 的运行时均可直接识别。发现缺少依赖的旧运行时会自动跳过并回退到旧版安装器的 venv 或可用的系统 Python。

• 看:全屏/区域/窗口截图、OCR 文字识别与定位、UIA 控件树读取、模板匹配。
• 动:鼠标(移动/点击/拖拽/滚轮)、键盘(输入/组合键)、窗口管理(9 工具)、应用启停、剪贴板、对话框处理、宏录制回放。
• 办公:Word/Excel/PPT/PDF 读写,Excel 美化与图表、PPT 生成走三套内置设计系统(青花商务/墨白极简/活力现代),中文字体纪律(w:eastAsia)内建。
• 关键设计:①文字 grounding 优先——OCR+UIA 让纯文本模型也能精准定位控件,视觉模型只是增强;②观察-验证工具(observe/act_and_verify)把「点了没生效」变成可判定;③可选依赖缺失时优雅降级(无 winsdk 则 OCR 停用,其余照常);④文件类改动同样进工作台检查点,可撤销;⑤变更类操作自动落 NDJSON 审计。
• 浏览器目标:默认 system，URL 以新标签页/窗口交给用户实际默认浏览器和现有登录会话，不再隐式启动 Chrome for Testing；工作台标签页是受保护页，浏览器工具不会导航、复用或关闭它。设置 → 集成/MCP 可改为已安装浏览器、指定可执行文件、CDP 已有浏览器或显式的隔离测试浏览器。系统模式不拥有用户窗口，也不会在 browser_close 时关掉它。
• Direct3D 降级:管理型 Chromium 会启用 renderer accessibility；若硬件加速页面仍只向 UIA 暴露浏览器外壳，工具会返回 accessibilityLimited，自动引导 AI 改走 CDP/DOM、OCR 或截图坐标。OCR 的 winsdk 字节输入已做跨版本兼容。
• 对话式工具配置:用户明确提出“添加/删除/启停 MCP”或“更改浏览器目标”时，AI 可先用脱敏清单检查现状、说明差异，再经执行级权限确认写入配置并刷新连接；不会回显环境变量值，也不能静默替换内置程序或降低权限等级。

6. 技能 / 记忆 / Playbook

• 技能库:四源注册表——内置 toolkit(20 技能:代码审查/文档处理/表格分析/结构化写作/调研/API 调试/安全检查…)、用户库(dataRoot/skills)、项目库(.ruyi/skills/)、Playbook 并入;技能可仅对当前会话启用,也可设为全局常驻(各上限 8)。卡片可展开完整细则;系统提示词只放紧凑索引,provider 引擎经 skill_read 按需拉全文,Claude 引擎经 --append-system-prompt 展开——两引擎同一套技能。13 个内置命令在 Claude CLI 下保持 /name 语义,在 Provider 下会插入同一份完整任务模板。
• 工作台记忆:跨会话的个人经验/项目惯例/教训,起草-确认才入库(AI 不会偷偷写),按项目分组、可迁移;注入时带围栏标记且默认只进当前项目相关内容。与随代码仓库走的 CLAUDE.md 项目记忆分工明确。
• Playbook:把跑顺了的任务「存为剧本」,AI 自动起草步骤与参数,确认后进技能库,下次一键复跑(内置 15 个常用剧本,表单内可预览完整执行与验收说明)。

7. 联网检索与网页抓取

• web_search 支持 8 种后端:内置(零配置,必应中国→百度 HTML 解析,无需任何 Key)/ SearXNG / Bing / Brave / Tavily / 博查 / 自定义 / 关闭。
• web_fetch 抓正文并抽取标题/主体(≤3 跳转、10s、2MB 上限),失败回退离线缓存;拒绝内网/回环地址。
• 子代理与工作流节点同样可以联网(Researcher 角色默认带检索),因此「深度研究」模板在有网环境是真检索,断网或受限内网环境自动退化为基于本地材料的分析。

8. 用量与成本看板:诚实计账

• 分币种逐笔记账,绝不强行换算汇率;给服务商填了单价才估成本,没填就只显示 token,并明确标注「等价估算(非实际扣费)」。
• 第三方 Coding Plan(如火山方舟 Ark)标注「计划内计费」,不计入真实花费——不虚报你没花的钱。
• 所有烧 token 的路径全入账:工作流子代理回合、自动/手动压缩、Playbook 起草……看板上「对话轮次」直接标出「其中工作流子代理 N 回合」。
• 按 引擎 / 服务商 / 会话 三维拆分,支持今天/本周/本月/全部;可设月度软预算,超了告警不拦人。

9. 分级 UI:简易/专业双模式

• 简易模式(默认):一键任务卡(按内容归档/批量重命名/清理下载/合并 Excel/OCR/PDF 汇总/网页填表/写周报…)、开发者页签隐藏、术语全部人话。
• 专业模式:右栏 11 页签全开——文件/产物/变更/Agent 工作流/用量/审计 + 终端/桌面/MCP/调试/体检;设置 7 页签(基础/Claude CLI/服务商/Agent 角色/集成 MCP/联网搜索/高级)。
• V4 毛玻璃视觉系统:深/浅/跟随系统三主题、scene-bg 微渐变 + 噪点、三档玻璃(框架/浮层/卡片)、黛紫·香槟点色、SVG 图标体系;Ctrl+K 命令面板直达所有功能(第50波定稿,设计稿见 UI-DESIGN-V4)。
• 语言:设置中可选跟随系统、简体中文或英文。运行时语言包与审校基准、错误码契约见多语言兼容方案。

快速开始(五分钟跑起来)

前置:Windows 10/11 + Node.js ≥ 20。零 npm 运行时依赖,不需要 npm install。

git clone https://github.com/wangzhe04/ruyi-workbench-oss.git
cd ruyi-workbench-oss\ruyi-workbench
node .\app\server.js serve --open

浏览器会自动打开工作台(只监听 127.0.0.1,带页面 token):

1. 选工作文件夹:把文件夹拖进来(或点击选择)。AI 的文件操作被限制在工作区内,数据目录敏感文件另有硬拒绝。
2. 接一个模型(二选一,或都要):
   • OpenAI 兼容端点(推荐新手):设置 → 服务商 → 选 DeepSeek/通义/智谱预设或自定义,填 Base URL + API 密钥 → 「测试连接」变绿即可。国产模型注册即得免费额度,几分钟能用起来;内网 vLLM/Ollama 填内网地址即可。
   • Claude CLI(可选):本机已装 Claude CLI 的话通常自动探测;也可在 设置 → Claude CLI 指定路径。两引擎并存,顶栏随时切换。
3. 说一句人话:比如「帮我分析一下工作区里的 销售数据.csv,给出结论,并把完整报告写成 Markdown」。你会看到:思考过程 → 工具卡片(读文件/写文件)→ 结构化结论 → 本轮变更(带撤销按钮)→ 本轮消耗。

数据目录默认 ~/.win-claude-workbench(存量兼容),可用环境变量 RUYI_HOME 覆盖。

进阶操作指引

跑一个多 Agent 模板 / 自定义工作流

• 快速运行:右栏「Agent 工作流」页签 → 下拉选模板 → 「运行模板」;或在对话里直接说「深度调研 ××」让 AI 自己发起。
• 图形编辑:「新建 / 编辑」打开编辑器 → 载入模板或新建空白 → 拖节点、连箭头 → 检查器里改任务/角色/引擎/模型/迭代预算/质量门 → 「保存并运行」。内置模板保存即成个人副本,不会改坏原件。
• 过程干预:切到「工作台」画布看实时协作图;点节点看详情;子代理提案的新任务在「任务池审批」里等你点头;要补充信息就对指定节点定向插话。

安装桌面控制(ACC)

完整离线包不要求目标机预装 Python；源码开发或普通 pip 安装需要 Python ≥3.12。二选一:

# 方式一:完整离线包解压后双击（推荐）
.\mcp\ai-computer-control\install.bat

# 方式二:pip 装离线依赖清单
pip install -r mcp\ai-computer-control\requirements_offline.txt

装好后重启工作台即自动探测(设置 → 集成/MCP 可确认)。完整离线包包含经过校验的 Python 3.12 运行时、纯 wheel 依赖缓存和匹配的 Chromium；目标机不会联网或现场编译。普通源码安装时，大多数可选依赖缺失会优雅降级。

离线 / 受限内网部署

在有网机器上打包,拷到内网解压即用:

cd ruyi-workbench
# 精简包(不含桌面控制)
powershell -ExecutionPolicy Bypass -File .\tools\package-offline.ps1 -SkipExeBuild -Variant 'offline-slim'
# 完整包(首次构建 ACC 运行时需联网；目标机完全离线)
powershell -ExecutionPolicy Bypass -File .\tools\package-offline.ps1 -SkipExeBuild -IncludeAcc -BuildAccOffline -Variant 'offline-full-acc'

产物 dist\Ruyi-<变体>.zip(内含 node.exe 源码运行器,目标机无需安装任何东西),解压后双击 Start-Workbench.cmd。完整包会在首次启动时自动校验、安装并注册 ACC，后续启动走快速检查，开箱即用。也支持 npx pkg 打成单体 Ruyi.exe,以及增量 overlay 升级包(见 管理员手册)。

**必须先完整解压 ZIP，不能直接在压缩包预览中运行 Start-Workbench.cmd。**Full ACC 发布包必须使用短文件名（例如 Ruyi-v2.0.1-full.zip），并建议解压到 C:\Ruyi 等短路径。产品代号显示在 Release 标题中，技术文件名保持短且稳定。Chromium/WinSDK 含深层目录，Windows 默认解压器会把 ZIP 文件名和临时目录也计入旧路径上限；若提示路径过长，不能选择“跳过”，否则 ACC 完整性校验会拒绝桌面控制组件，但基础工作台仍会启动并给出恢复提示。打包脚本会对这一安全预算做强制检查。

接入更多 MCP 连接器(drop-in,免配置)

把任意 stdio MCP 做成文件夹,放进发行包 mcp/ 或数据目录 mcp/,写一个 ruyi-mcp.json({id, command, args…}),重启即自动注册——不改配置文件;删文件夹即卸载。工具默认桥接给两个引擎，并由按需目录发现、纳入同一套分级审批(bridgedToolTiers 可给桥接工具定级)。详见 mcp/README.md。

常用 CLI 与排障

node .\app\server.js doctor       # 体检:引擎/依赖/端口/数据目录一图看清(UI 的「设置」内也有体检面板)
node .\app\server.js mcp-config   # 输出可粘贴进 .mcp.json 的工作台 MCP 配置
node .\app\server.js install      # 把工作台 MCP 注册进本机 Claude CLI
node .\app\server.js mcp          # 以 stdio MCP server 方式运行(供 CLI 调用)

手册:用户手册(任务导向) · 管理员手册(部署/安全边界/计费) · 架构说明

目录结构

.
├── .github/                        Windows e2e CI、Issue 表单与 PR 模板
├── ruyi-workbench/               如意工作台(Node 后端 + 原生 JS 三栏 UI + 自身 MCP server)
│   ├── app/server.js             主服务(零 npm 运行时依赖);双引擎 + 原生工具循环 + MCP stdio 桥
│   ├── app/public/               index.html / app.js / styles.css(原生 JS,无框架无构建)
│   ├── docs/                     架构说明 + 手册(USER-GUIDE / ADMIN-GUIDE)
│   └── tools/                    离线打包 / overlay 升级 / 开发脚手架
├── mcp/
│   ├── ai-computer-control/      内置桌面控制 MCP(107 工具:截图/OCR/UIA/键鼠/窗口/浏览器/Office/PDF)
│   └── README.md                 drop-in 连接器(文件夹即插即用)说明
├── dev-harness/                  验证脚手架(100+ 离线 e2e,Node 直跑)
├── docs/
│   ├── screenshots/              本 README 的界面截图(演示实例拍摄)
│   ├── branding/                 品牌图标(青花如意云纹 SVG)
│   └── OPTIMIZATION-ROADMAP.md   迭代记录与验收(§0–§28)
├── LICENSE                       Apache-2.0(含 ai-computer-control)
├── THIRD-PARTY-NOTICES.md        第三方组件与许可清单
├── CHANGELOG.md                  双语发行说明
├── CONTRIBUTING.md               贡献指南(含五条硬约束)
├── CODE_OF_CONDUCT.md             社区行为准则
├── SUPPORT.md                     使用支持与问题分流
└── SECURITY.md                   安全策略与威胁模型

测试

全部 e2e 离线可跑,Node 直跑,无需装包:

node dev-harness\plan-mode.e2e.js       # 单件
node dev-harness\repo-hygiene.e2e.js    # 合规回归
node dev-harness\meta-guard.e2e.js      # 门面数字/鉴权路由覆盖护栏

每件文件头部注释都写明了它断言的边界;末行 ... E2E: ALL PASS 为通过判据。串行跑(端口固定,并行会撞)。

需自备条件的实弹件(不在离线回归清单里):

e2e	需要
deepseek-live / deepseek-tools	真实 DeepSeek API 密钥(命令行参数传入)
desktop-bridge-live / desktop-mcp-smoke	已装 ACC 依赖的 Python 环境(缺依赖时相关断言 SKIP)

安全与隐私

• 服务仅监听 127.0.0.1 + 页面 token;Host 白名单抗 DNS-rebinding;不对外暴露。
• 所有写操作进检查点日志,可逐条回滚;执行级操作永不持久放行。
• 联网工具带 SSRF 防御(拒绝私网/回环);数据目录敏感文件对文件工具双向拒绝;API 响应密钥掩码。
• 零遥测:不上报任何数据;唯一的出站流量是你配置的模型端点与搜索后端。
• 威胁模型与已知边界详见 SECURITY.md。

品牌与兼容标识

为不破坏存量接入,以下存量兼容标识有意保持不变:MCP server id win-claude-workbench、默认数据目录 ~/.win-claude-workbench、环境变量 WIN_CLAUDE_WORKBENCH_HOME(RUYI_HOME 优先,旧变量继续识别)。

Clean-room 声明

本项目为 clean-room 独立实现:不含 Anthropic 泄露源码、不分发官方 Claude CLI(用户在内网机器上自备并注册)、不复制第三方插件源码。随包前端静态库(marked / highlight.js 及主题)的许可义务见 THIRD-PARTY-NOTICES.md。

本 README 中的界面截图取自本机演示实例:模型端点为本地脚本化的演示服务(内容为脚本预置),密钥为占位假值;界面、工具卡、检查点、工作流运行与用量记账均为真实功能实拍。

参与开源

• 提交修复、功能或文档前，请先阅读 CONTRIBUTING.md 中的离线、clean-room、Windows 兼容和 e2e 红线。
• Bug 与功能建议请使用仓库的 GitHub Issue 表单；使用问题与复现材料的整理方式见 SUPPORT.md。
• 当前及历史版本的变更摘要见 CHANGELOG.md。
• 请遵守 CODE_OF_CONDUCT.md，让讨论保持友善、聚焦且可协作。
• 不要在公开 Issue、PR 或讨论中披露未修复的安全问题；请按 SECURITY.md 的方式私密报告。

许可

Apache-2.0(含 ai-computer-control)· 第三方组件见 THIRD-PARTY-NOTICES.md · Copyright 2026 Ruyi Workbench contributors。

---

English

Ruyi (如意) is an offline-first, Windows-native, all-in-one AI workbench you can drive from any model endpoint — any OpenAI-compatible API or an on-prem Claude CLI. One Windows machine plus one reachable model = a local workbench that actually does the work: reads/writes files, runs scripts, drives the desktop and Office, and dispatches a team of sub-agents — every step auditable, reversible, and honestly metered. Works with or without an internet connection.

Formerly Win Claude Workbench, renamed to Ruyi at v0.8 (trademark caution for open-sourcing, plus an old system prompt that made provider models misidentify as "I am Claude"). Ruyi means "as you wish"; the mark is a blue-and-white ruyi cloud motif.

Why Ruyi (five differentiators)

1. Operation-grade undo/rewind — file checkpoints and conversation rewind ship as a pair; reversibility surfaces right on the permission prompt. OS-level undo is largely absent from most computer-use products.
2. Text-only models can still drive the desktop — OCR + UIA text grounding, no vision model required. Air-gapped networks often have text-only models; vision is an enhancement, not a prerequisite.
3. Air-gap first, auditable, zero runtime deps — a single server.js with zero npm runtime dependencies (Node built-ins only), framework-less vanilla-JS frontend, offline zip deployment. Minimal audit surface for enterprise/government review.
4. Chinese-first with English support, built for non-programmers — the interface defaults to Chinese and can follow the system language or switch to Simplified Chinese or English. Settings, Provider cards, safety/capability popovers, model menus, artifacts, shortcuts, the command palette, the skill library, and stable API errors are localized. Built-in skills and quick tasks follow the UI language, while user and project-authored content remains in its original language; simple/pro UI is shared by coders and non-coding knowledge workers.
5. Dual engine, no lock-in — any OpenAI-compatible endpoint (DeepSeek / Qwen / GLM / on-prem vLLM·Ollama) or an on-prem Claude CLI, switchable mid-session with cross-engine context continuation.

Current release train: Ruyi Escapade 2.0.1 (technical version v2.0.1). Escapade names the whole 2.x product family, so follow-up releases remain Ruyi Escapade 2.0.2 or 2.1. Internal “waves” are planning slices only, never user-facing version numbers. The next major generation is reserved as Ruyi Pretender 3.0.

Capabilities (v2.0) · Escapade

Dual-engine chat with reliable request_user_input prompts (delivery-acknowledged across Claude CLI and OpenAI-compatible providers) · 51 native built-in tools (read/edit/exec tiers) · desktop/Office control (screenshot / OCR / UIA / keyboard-mouse / window / browser / Office / PDF — bundled ACC MCP v1.9.0, 107 tools, optional) · multi-agent orchestration (DAG workflows, 8 built-in templates, 9 node roles, 5 quality-gate modes, graphical editor, live monitor canvas, intent-triggered auto-orchestration, plus a one-turn Agent team composer toggle shared by both drivers) · team mode (shared task pool with propose→approve→materialize, agent mailbox, directed steering of a running node) · semantic anti-stall (result-fingerprint no-progress detection, warn-first no-abort, exploratory-tool lenient threshold) · intelligent interruption & recovery (between-tools batch-boundary interrupt, pairing-safe refusal completion, loop-guard pause with user-triggered resume) · prompt layering & i18n (system prompt split into byte-stable anchor layer + volatile layer injected into first user message for prefix-cache friendliness; bilingual prompts loaded per UI language via 06b-prompt-registry.js) · trust layer (file checkpoints + conversation rewind as a pair, 5 permission modes × 3 tool tiers, full audit timeline) · Skills registry (four sources, progressive injection across both engines) · cross-session workbench memory (draft-then-confirm) · Playbooks · web search (8 backends incl. a zero-config built-in) with SSRF defenses · honest cost/usage dashboard (per-currency, sub-agents and compaction all metered) · tiered simple/pro UI with dark/light themes · localization runtime and dual catalogs for Simplified Chinese and English. Each feature ships through an implement → adversarial multi-agent review → fix → regression loop with 158 offline e2e cases (152 run by default; 6 external-environment probes are opt-in).

Detailed documentation

Topic	English	中文
Everyday operation	User Guide	用户手册
Deployment, engines, security, and regression	Administrator Guide	管理员手册
Offline package	Offline Deployment	离线部署说明
Runtime design	Architecture	架构说明
Built-in skills and quick tasks	—	技能与一键任务目录
Clean-room rationale	Source Review	源码审阅结论
UI language contract	Localization Guide	多语言兼容方案

The complete bilingual documentation index is available in docs/README.md.

Quick start

Prerequisites: Windows 10/11 + Node.js ≥ 20. Zero npm runtime deps — no npm install needed.

cd ruyi-workbench
node .\app\server.js serve --open

First launch walks you through picking a workspace folder and configuring a provider (DeepSeek preset recommended; on-prem vLLM/Ollama work too). The on-prem Claude CLI engine is optional and coexists with providers. Data dir defaults to ~/.win-claude-workbench; override with RUYI_HOME.

Desktop control (optional)

mcp/ai-computer-control/ is a bundled desktop-control MCP (107 tools, ACC v1.9.0, requires Python ≥3.12 for source installs). Browser URLs default to the user's system browser; managed, custom-executable, CDP, and explicitly isolated bundled modes are configurable. The verified full offline release includes CPython 3.12, a wheel-only dependency cache, and matching Chromium, so the target needs neither Python nor network access. Optional dependencies degrade gracefully in source installs.

At startup the workbench verifies that a candidate Python can import ACC. It recognizes both the release's python_embed runtime and the installer's %LOCALAPPDATA%\ai-computer-control\runtime\python\python.exe, while retaining the legacy venv fallback. -IncludeAcc now requires a checksummed, pre-hydrated payload; add -BuildAccOffline to build it on the connected packaging machine.

Tests

All e2e run offline via node dev-harness\<name>.e2e.js (no packages to install). Run them serially — ports are fixed. Live tests (deepseek-live, desktop-bridge-live, …) require your own key / Python and are skipped by default.

Security

Binds 127.0.0.1 + a page token; Host allowlist against DNS rebinding; every write goes through a rollback-able checkpoint journal; networked tools carry SSRF defenses; sensitive data-dir files are hard-denied to file tools; API responses mask secrets; zero telemetry. See SECURITY.md.

Community

• Read CONTRIBUTING.md before sending a fix, feature, or documentation update—the offline, clean-room, Windows-compatibility, and e2e constraints are non-negotiable.
• Use the repository's GitHub Issue forms for bugs and feature ideas; SUPPORT.md explains where to ask usage questions and what to include in a report.
• See CHANGELOG.md for current and historical release highlights.
• Participate under the CODE_OF_CONDUCT.md.
• Do not disclose unfixed vulnerabilities in public issues, PRs, or discussions. Report them privately as described in SECURITY.md.

Screenshots in this README were taken from a local demo instance: the model endpoint is a scripted local stub (canned content) with a placeholder API key; the UI, tool cards, checkpoints, workflow runs and usage accounting are the real features in action.

License

Apache-2.0 (includes ai-computer-control). Third-party components are listed in THIRD-PARTY-NOTICES.md. Copyright 2026 Ruyi Workbench contributors.