聊天机器人

chatcat-main/
├── src/
│ ├── main/ # Electron 主进程
│ │ ├── main.ts # 入口
│ │ ├── adapters/ # 平台适配器
│ │ ├── knowledge-base/ # 知识库/RAG
│ │ ├── mcp/ # MCP 协议支持
│ │ ├── sandbox/ # 沙箱执行环境
│ │ └── skills/ # 技能系统
│ │
│ ├── renderer/ # 前端渲染进程 (React)
│ │ ├── routes/ # TanStack Router 路由
│ │ ├── components/ # UI 组件 (chat, settings, voice-call 等)
│ │ ├── pages/ # 页面 (Settings, Search, Picture)
│ │ ├── stores/ # 状态管理
│ │ ├── hooks/ # 自定义 Hooks
│ │ ├── i18n/ # 国际化
│ │ └── lib/ # 工具库
│ │
│ ├── preload/ # Electron preload 脚本
│ ├── shared/ # 主进程/渲染进程共享代码
│ │ ├── models/ # AI 模型定义
│ │ ├── providers/ # 模型提供商
│ │ ├── session/ # 会话管理
│ │ └── types.ts # 共享类型
│ └── memory/ # 记忆系统
│
├── android/ # Android 原生工程
├── features/ # Feature flags 定义
├── scripts/ # 构建/工具脚本
├── .erb/ # Electron React Boilerplate 配置
├── electron.vite.config.ts # Vite 构建配置
└── electron-builder.yml # 打包配置

技术栈

框架: Electron + Capacitor (移动端)
前端: React + TanStack Router + Tailwind CSS
构建: Vite (electron-vite)
语言: TypeScript
包管理: pnpm (monorepo)
测试: Vitest + Playwright (E2E)

核心功能包括：多模型聊天、知识库/RAG、MCP 协议、语音通话、图片生成、技能系统

二、技术难点

1. 多模型 Provider 统一抽象层

src/shared/providers/definitions/ 下有 30+ 个 AI 模型提供商（OpenAI、Claude、Gemini、DeepSeek、Ollama 等），每个提供商的 API 协议、流式响应格式、认证方式都不同，需要统一抽象成一致的接口。特别是：

OpenAI 的 Responses API (openai-responses.ts) 与传统 Chat Completions API 差异大
Gemini 有自己的类型系统 (gemini-types.ts)
本地模型（Ollama、LMStudio）需要特殊处理

2. 沙箱执行系统 (Sandbox)

src/main/sandbox/manager.ts (1625 行) 是最复杂的模块之一：

跨平台进程管理：Windows PowerShell vs Unix Shell 的完全不同的执行路径
安全隔离：读写路径白名单/黑名单 (TASK_SANDBOX_DENY_READ_PATHS)
会话级沙箱实例：每个会话独立的沙箱状态、工作目录、权限授权
进程树管理：子进程的创建、监控、超时、终止 (killProcessTree)
集成了 @anthropic-ai/sandbox-runtime

3. 知识库/RAG 系统

src/main/knowledge-base/ 实现了完整的 RAG 流程：

向量数据库：LibSQL + 向量存储 (@mastra/libsql)
文件解析器路由：支持多种文档格式（PDF、Office 等），有本地解析和远程解析两条路径
Embedding + Rerank：多模型 embedding 和重排序
后台 Worker：异步文件处理队列，分块、索引

4. 跨平台适配 (Electron + Capacitor + Web)

同一套代码需要运行在 5 个平台上：

src/renderer/adapters/ 和 src/main/adapters/ 做平台抽象
src/renderer/platform/ 处理渲染层平台差异
src/renderer/native/ 处理原生模块
构建目标：Desktop (Electron)、Mobile (Capacitor)、Web (纯浏览器)
Windows 路径处理 (normalizeWindowsAbsolutePath)、PowerShell 兼容等

5. 流式消息渲染

src/renderer/components/chat/ 中的消息系统：

流式输出平滑 (smooth-follow-output.ts)：防止文字抖动的滚动跟随
消息 Fork (message-forks.ts)：同一对话的分支/分叉机制
消息时间线 (message-timeline.ts)：复杂的消息排序和渲染
Agent 模式：工具调用、审批流程 (PendingApprovalPill.tsx)

6. 技能/插件系统

src/main/skills/：

技能发现与安装 (discovery.ts, installer.ts)：从 GitHub 动态获取技能
用户脚本执行 (user-exec-runner.ts)：安全地执行用户定义的脚本
内置技能同步 (builtin-sync.ts)

7. 状态管理复杂度

src/renderer/stores/ 有 49 个 store 文件，涉及：

会话管理、聊天缓存、模型选择、设置持久化
迁移系统 (migration.ts)：数据结构升级兼容
安全存储 (safeStorage.ts)：API Key 等敏感信息加密

8. MCP 协议集成

src/main/mcp/：通过 IPC-stdio 传输层实现 Model Context Protocol，让 AI 能调用外部工具。

三、目前实现的功能（持续更新）

1、核心聊天功能

多模型对话：支持 30+ 模型提供商（OpenAI、Claude、Gemini、DeepSeek、Ollama、Qwen 等）
流式输出：平滑渐进渲染，防抖动滚动跟随
消息分支/Fork：同一对话可分叉出不同方向
消息编辑/重新生成：编辑历史消息并重新生成
上下文管理：可配置上下文消息数量、自动压缩
自动标题生成：AI 自动为对话生成标题

2、Agent 模式

代码执行：沙箱内运行代码（Python/JS/Shell）
文件操作：读写文件、编辑文件
文件系统工具：ls、mkdir 等文件系统操作
知识库检索：RAG 向量搜索知识库
会话附件 RAG：对上传文件进行检索增强
网页搜索：集成多种搜索引擎（Tavily、Bocha、Bing、DuckDuckGo、Querit）
地理位置：基于位置的查询
工具调用审批：敏感操作需用户确认
工具调用次数限制：防止无限循环

3、知识库系统

文档上传解析：支持 PDF、Office 等多种格式
远程/本地解析器：可选本地或云端文档解析
向量存储：LibSQL 向量数据库
Embedding + Rerank：多模型嵌入和重排序
分块预览：查看文档分块结果

4、图片生成

AI 图片创作：独立的图片生成页面
多种图片模型：支持多个图片生成模型
图片存储与管理

5、语音功能

语音通话 (Voice Call)：实时语音对话界面 + 波形可视化
TTS 文字转语音：支持多种 TTS 引擎
ASR 语音识别：支持 OpenAI Whisper 和系统级 ASR

6、个性化

Persona 人设系统：自定义 AI 角色人设
人设蒸馏：从对话中提取/精炼人设
Copilot 市场：浏览/搜索/使用社区 Copilot
记忆系统：AI 记住用户偏好，支持导入导出

7、MCP 协议

MCP 工具集成：通过 Model Context Protocol 接入外部工具
MCP 状态管理与 UI

8、技能系统

内置技能：预装技能
技能发现与安装：从 GitHub 动态获取
用户自定义脚本执行

9、设置与配置

通用设置：主题、语言、界面颜色自定义、暗色/亮色模式
聊天设置：System Prompt、温度、上下文长度、消息布局
模型设置：默认模型、提供商配置
快捷键配置
文档解析器配置
Web 搜索引擎配置
数据备份与恢复：ZIP 格式导入导出
Humanizer：AI 文本人性化处理

10、平台与基础设施

跨平台：Windows / macOS / Linux (Electron) + iOS / Android (Capacitor) + Web
数据迁移系统：版本升级时的数据结构兼容
安全存储：API Key 加密存储
自动更新
OAuth 认证
Deep Link 处理
国际化 (i18n)：多语言支持

11、开发者工具

Dev 页面：UI 清单、存储调试、CSS 变量、Session RAG 调试
Storybook：组件文档与预览
日志与错误上报 (Sentry)

DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

深度解读Work Agent多源信息整合的长程任务执行机制

AI技术落地的前几年，大众对智能工具的普遍认知还停留在单轮问答的聊天机器人阶段，用户输入一句指令，模型返回一段对应内容，整个交互链路完全由用户的每一次输入驱动。随着多模态能力、工具调用框架的逐步成熟，AI的能力边界开始跳出即时响应的对话场景，逐步延伸到需要多步操作、跨信息源处理的真实工作场景中。从单轮问答到多轮对话，再到可控的工具调用，最终进化为可以自主推进的任务链，长程任务执行能力已经成为Wor

DAMO开发者矩阵

2026深度解读：Work Agent长程任务，AI从问答到自主执行的底层变革

AI技术落地的重心，正在从单轮对话应答转向持续性任务处理。早期大模型的交互形态局限在一问一答，用户给出指令，模型输出文本，任务在单次回复完成后就宣告终止。随着多轮对话、工具调用能力逐步成熟，AI开始具备串联多个动作的潜力，而Work Agent的出现，将这种潜力延伸至跨越时间、跨工具组合的长链工作。聊天机器人解决的是即时信息应答，长程任务执行则代表AI可以承接一个完整业务目标，自主拆解、分步推进，