Silent Tiangong

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。

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 Agent | Tauri + 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](docs/rfc/0011-multi-agent-collaboration.md)。

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

Linux 服务器安装

在无桌面环境的服务器上（VPS、云主机、Docker 容器），推荐通过源码编译获得纯 CLI/Server 二进制（不依赖 WebKit/GTK 等桌面运行时）：

# 安装编译依赖（Debian/Ubuntu）
sudo apt-get install -y build-essential pkg-config protobuf-compiler libssl-dev ca-certificates curl

# 安装 Rust
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh && source "$HOME/.cargo/env"

# 编译
git clone https://github.com/silent-rs/silent-Tiangong.git && cd silent-Tiangong
cargo build --release
sudo install -m 0755 target/release/tiangong /usr/local/bin/tiangong

服务端通过模块化 CLI 完成无界面配置（详见 [docs/linux-server-deployment.md](docs/linux-server-deployment.md)）：

tiangong model add-provider deepseek --protocol deepseek --base-url https://api.deepseek.com --api-key-env DEEPSEEK_API_KEY
tiangong model add-model deepseek-chat --provider deepseek --model-id deepseek-chat --capability chat
tiangong model route set chat deepseek-chat
tiangong server config set --host 127.0.0.1 --port 8080
tiangong server token generate
tiangong doctor
tiangong server -d

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

更新机制：桌面应用通过设置页或 tiangong update 自动下载安装更新；CLI/Server 二进制（Linux 服务器）当前需重新编译或下载新版本二进制替换（tiangong update --check 仅检查版本不自动安装）。配置独立存储在 ~/.tiangong/，更新二进制不丢失配置。

模块化配置（0.12.0+）

纯服务端环境可通过 CLI 完成与桌面设置页等价的分模块配置，无需 GUI（设计详见 [RFC 0015](docs/rfc/0015-cli-modular-config.md)）：

tiangong model list                      # 查看模型配置
tiangong model route set chat deepseek-chat  # 切换 chat 模型
tiangong server token show               # 查看 Server Token
tiangong memory enable                   # 启用 Memory
tiangong prompt edit                     # 编辑自定义 Prompt
tiangong config show                     # 配置概览
tiangong doctor                          # 环境诊断

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
  server.json           Server 监听配置（host/port/auth_token）
  custom-prompt.md      自定义 Prompt（独立文件，CLI 可直接编辑）
  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（含独立 config.json）

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。自定义 Prompt 独立存储为 custom-prompt.md，可通过 tiangong prompt 命令管理，兼容旧的 app.json 内 custom_system_prompt 字段。

详细的 Linux 服务器部署、systemd 托管、反向代理与更新策略见 [部署指南](docs/linux-server-deployment.md)。

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

• [CLI 配置指南](docs/cli-configuration-guide.md)
• [Server API](docs/server-api.md)
• [Linux 服务器部署指南](docs/linux-server-deployment.md)
• [RFC 0015：CLI 模块化配置](docs/rfc/0015-cli-modular-config.md)

许可证

Apache License 2.0

Source & license

This open-source MCP server is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: silent-rs
• Source: silent-rs/silent-Tiangong
• License: Apache-2.0

Install and usage instructions live in the source repository linked above.