LazyAGI/LazyMind

LazyAGI/LazyMind has 669 GitHub stars and 77 forks. GitHot measured +12 stars in 24 hours and +108 in 7 days. Last checked 2026-11-11 12:53 UTC. Last push 2026-11-02.

这些数字如何统计

An AI Skill Runtime for knowledge-intensive work which makes everything under your control.

669 星标 77 forks +12 24小时

可以做什么

Research and review - Search sources → retrieve evidence → compare → synthesize → review - A traceable report grounded in your documents and external sources
AI Writer - Organize sources → outline → draft sections → revise → final review - An editable, versioned document rather than a one-shot answer
Presentations - Clarify intent → gather sources → outline → create and revise slides → export - A PDF or PPTX with speaker notes and locally editable slides
AI Image - Interpret intent → collect references → refine prompt → generate/edit - Images and animated stickers with the process retained

实测星标增长

24小时: +12
7天: +108
15天: 正在收集历史
1个月: 正在收集历史

各周期内的星标净变化，周期相互重叠，并非每日新增。缺失的测量保持空白。星标代表关注度，不代表软件质量。

README.CN.md

原文

LazyMind

English | 中文

LazyMind: Keep AI-Agent under your control.

LazyMind 是面向知识密集型工作的 AI Skill Runtime：一个把知识、专家方法和工具变成可执行、可恢复任务的运行环境。它在同一个工作台里连接可复用知识、可执行 Skill、可观测工作流、可编辑产物与评测驱动的持续改进。

你不必反复上传资料、调 Prompt 或全程盯着 Agent：选择一次知识与工作流，LazyMind 会继续规划、执行、展示中间结果，并把经过确认的反馈带到下一次任务中。它既可以通过 Desktop Mode 在本机使用，也可以部署为团队共享的企业服务，还能为 Codex、Cursor、WorkBuddy 等外部 Agent 提供知识、Skill 与 Workflow 能力。

Desktop Mode 面向具备一定技术基础、但不以编程为主要工作的解决方案、产品、运营、测试和内容从业者，重点降低复杂任务的使用门槛。
团队与企业部署 面向二次开发、项目交付、投标、FDE 和组织知识协作场景，提供权限、共享部署与评测演进能力。

快速开始 · Showcase · 案例目录 · 产品架构 · 构建工作流 · 桌面模式

使用方式

方式	适用场景	如何使用
直接使用 LazyMind	本地知识工作，或团队共享工作流	通过桌面应用获得本地优先的使用体验，或部署团队服务；直接在 LazyMind 工作台中创建任务、使用知识库并运行 Skill 与 Workflow。
作为其他 Agent 的插件	增强你已经在使用的 Agent 环境	在设置 → 助理中连接 LazyMind。Codex 和 DeepSeek Harness 随后即可在原生会话中调用 LazyMind 的知识、Skill 与 Workflow，并查看工作流进度、审阅节点和产物。

实现细节参见 DeepSeek Harness 集成。

它能交付什么？

场景	LazyMind 执行	你获得
调研与评审	搜索资料 → 检索证据 → 对比 → 综合 → 审阅	基于内部资料与外部来源、过程可追溯的报告
AI Writer	整理素材 → 生成大纲 → 分章节写作 → 修改 → 终审	可编辑、有版本记录的文档，而不是一次性回答
演示文稿	确认需求 → 收集资料 → 生成大纲 → 制作与修改幻灯片 → 导出	带演讲稿、可局部调整的 PDF 或 PPTX
AI Image	理解需求 → 收集参考 → 优化 Prompt → 生成/编辑	保留生成过程的图片与动态表情
知识助手	接入资料 → 解析/OCR → 混合检索 → 重排 → 回答	可回溯到组织知识的答案
外部 Agent 增强	连接项目与会话 → 调用知识、Skill 或 Workflow → 跟踪执行	在熟悉的 Agent 中继续使用 LazyMind 的能力与产物
质量改进	收集 badcase → 评测 → 诊断 → A/B Test → 部署	经过验证的策略优化，而不是未经检查的 Prompt 改动

https://github.com/user-attachments/assets/ebc2440e-86f8-4117-a917-62ce4e79a117

上方视频展示 LazyMind 从任务输入到可编辑产物的完整执行过程。

Showcase

通过已发布的视频，看看 LazyMind 如何参与实际任务。点击链接即可在原平台观看。

演示	看点	时长	案例资料
DeepSeek Harness × LazyMind：从需求到 PPT 成品	接入工作流、澄清需求、预览底图、审阅逐页内容与导出成品	1 分 29 秒	案例说明
从产品想法到方案、PRD 与原型	通过需求追问明确方向，串联竞品分析、产品方案、需求文档与原型展示	55 秒	案例说明
Codex × LazyMind：制作并迭代 PPT	在 Codex 中发起任务，预览和修改中间内容，并调整成稿中的单个元素	1 分 23 秒	案例说明

LazyMind 如何工作

flowchart LR
    K["知识<br/>本地文件 · 云文档 · 对象存储"] --> R["检索与推理<br/>解析 · OCR · 混合检索 · 重排"]
    S["Skill 与工作流<br/>指令 · 工具 · 状态机"] --> X["可观测执行<br/>步骤 · 审批 · 重试 · 回退"]
    R --> X
    X --> A["可编辑产物<br/>引用 · 版本 · 交付"]
    A --> F["反馈与评测<br/>偏好 · badcase · A/B Test"]
    F --> K
    F --> S

这个闭环由三个相互连接的系统组成：

系统	负责什么	产品行为
知识底座	给 AI 正确的上下文	多源接入、OCR、混合检索、重排与原文追溯
状态大脑	让长任务不跑偏	步骤可见、关键点审批、产物可编辑、重试/回退与版本记录
AI 成长引擎	安全地改进下一次执行	可审核的偏好与术语，以及评测、诊断、A/B Test 与回滚

核心亮点

1. 交付结果，而不只是回复消息

选择知识与 Skill 后，LazyMind 会从资料整理继续推进到规划、生成、审阅与交付。Workflow 用状态机定义步骤、工具、输入输出和流转条件，Artifact 则保留可编辑结果与版本历史。

长任务的每一步都保持可见；用户可以在关键节点审批、直接修改 Artifact，或者从失败步骤重新执行，而不必推倒重来。

_{继续执行前，查看并直接编辑 Artifact}

_{对比版本 Diff，并恢复需要的结果}

2. 让每次执行都基于可复用知识

本地目录、对象存储、飞书和 Notion 等数据源进入统一知识库；PDFReader、MinerU 或 PaddleOCR-VL 负责解析文档，再通过多路 Embedding、混合检索和重排，让结果建立在相关证据之上。

_{统一管理知识文档，并清晰掌握解析状态}

_{两个 (1) 分别引用题干和答案，并共同指向下方同一份原始文档}

3. 把专家经验封装成可复用工作流

调研方法、写作流程与行业标准可以作为 Skill 管理，并转换为可执行 Workflow。团队可以诊断、修复、发布、版本化和回滚，而不必反复从 Prompt 与脚本重新搭建。开发方式见工作流格式规范。

_{选择已有 Skill，作为新工作流的起点}

_{检查、调整、发布并版本化生成的工作流}

4. 从想法到可编辑演示文稿

PPT Workflow 可以把一个演示需求推进到资料收集、大纲确认、幻灯片生成、审核修改和最终导出。它能够使用用户输入、上传文件、LazyMind 知识库、Web 搜索结果和 AI 配图作为素材，并为每一页生成对应演讲稿。

资料收集、大纲等中间结果在生成过程中可见、可改。生成后可以拖拽左侧缩略图调整页面顺序、批量移动或删除页面，也可以选中页面中的文字或元素，用自然语言修改内容与局部样式。最终成果支持 PDF、图片版 PPTX，以及包含文字、图形、图片和图表的可编辑 PPTX。

_{联网搜集素材并生成幻灯片，拖拽左侧缩略图即可调整页序}	_{生成过程中的大纲等中间结果可见、可改}
_{选中幻灯片内容，用自然语言直接描述修改要求}	_{支持 PDF、图片版 PPTX、可编辑 PPTX 三种格式导出}

5. 从能力中心发现开箱即用的场景

能力中心把快速问答、复杂任务和精选案例组织在统一入口中。用户可以按场景、能力类型和技术标签筛选，查看能力介绍、工作流程、示例输入与交互式结果，再通过“试一试”进入对应 Chat 或 Work。精选能力与真实可运行的 Skill 绑定，并在首次使用时按需安装。

_{按场景和目标搜索、筛选开箱即用的能力}	_{查看案例执行步骤与结果预览，点击“试一试”开始使用}
_{一键载入案例任务模板，补充自己的需求与参考素材后即可发起任务}
_{查看任务执行过程，对照参考图预览生成的表情包，并下载产物}

6. 在文档中直接阅读和追问

知识库文档预览页支持围绕当前文档进行对话，并可引用 PDF 选区、知识切片或切片中的部分内容。临时会话不会污染普通聊天历史，也可以在需要时转为正式会话继续保存。

_{选中 PDF 文本，在当前文档对话中发起提问}

_{对照 PDF 阅读回答，并按需将临时对话保存到 Chat}

7. 让外部 Agent 使用同一套知识与能力

LazyMind 可以发现 Codex、Cursor、WorkBuddy、TRAE Work、DeepSeek Harness 等外部 Agent 的本地项目和历史任务，并在统一工作台中创建、继续和查看执行过程。外部 Agent 还可以通过 MCP 使用 LazyMind 的 Workflow、Skills、知识库和云文档，而无需重复搭建任务材料。

_{Codex 控制 LazyMind 生成图片，并展示工作流结果}	_{Codex 使用 LazyMind Workflow 完成图片生成与产物交付}
_{在 Codex 中内嵌 LazyMind Workflow，查看并审阅中间结果}	_{在 DeepSeek Harness 中展示 LazyMind Workflow，审阅幻灯片与演讲稿}

8. 只在证据支持时改进系统

“智积阅累”负责沉淀用户想要什么——偏好、术语、经验与 Skill；evo 负责验证系统怎样做得更好——把 badcase 变成评测样例，依次执行基线评测、问题诊断、修复与 A/B Test。

_{智积阅累：复盘 Skill，沉淀偏好、术语与经验}

_{算法跃迁：经过评测验证，再安全发布改进}

9. 从本地开始，在需要协作时扩展

Desktop Mode 使用原生进程、SQLite 和 Milvus Lite，并遵循平台规范管理数据目录；团队部署可以进一步接入 Kong、JWT/RBAC、Core ACL、外部 Milvus/OpenSearch 与私有化 OCR。两种模式保持一致的工作方式。

_{本地运行：SQLite 数据库与状态存储，服务监听本机地址}

_{容器部署：Kong 与 RBAC 访问控制、鉴权服务及 PostgreSQL 持久化存储}

快速开始

安装桌面应用（本地使用推荐）

从 GitHub Releases 下载最新安装包：

**macOS（Apple 芯片）：**下载 .dmg，打开后将 LazyMind 拖入“应用程序”。
**Windows x64：**下载并运行安装程序 .exe。

安装包已包含 Desktop Mode 所需的本地运行环境。日常本地使用建议直接安装 .dmg 或 .exe，无需从源码重新构建和打包。

从源码在本机运行

前置条件：Go、Python 3、uv、pnpm 和 Node.js。

make local-up

Windows PowerShell 使用：

make local-win-up

启动后访问：

LazyMind：http://localhost:8090
API 文档：http://localhost:8090/docs.html
默认账号：admin / admin

登录后进入前端的设置页面：

在模型供应商中添加供应商凭证与 API Key，再到系统默认设置中选择默认的大模型、向量模型和重排序模型；多模态向量、图文、语音、图片、视频和自进化模型均可按需配置。
在工具中按需配置服务凭证，包括用于文档解析的 MinerU 或 PaddleOCR、网页与学术搜索引擎，以及其他集成。使用 MinerU 在线服务时，无需再通过环境变量配置 API Key。

_{为不同系统能力选择默认模型}

_{配置文档解析、搜索与其他工具凭证}

停止本地运行：

make local-down

Windows 使用 make local-win-down。完整配置见快速开始。

从源码构建桌面应用

以下命令主要用于开发和发布打包；普通本地用户建议直接使用上方安装包。

Mac 本地打包并上传 RAG 依赖，请按 Mac 构建、上传与安装验证流程操作。文档包含构建环境、原始组件 ZIP 的位置、ModelScope 上传及安装后测试步骤。

平台	命令	产物
macOS arm64	`make desktop-darwin-arm64`	macOS 桌面应用
Windows x64	`make desktop-windows-x64`	便携 ZIP
Windows x64	`make desktop-windows-x64-installer`	安装程序

容器部署

make up

该命令会同时启动 Docker 服务和本机「助理桥接器」。打开“设置 → 助理”即可一键连接 Codex、Cursor、WorkBuddy、TRAE Work 或 DeepSeek Harness，无需再运行 MCP 配置命令；只安装 Docker、未安装 Go 时，桥接器会由 Docker 自动交叉编译为当前宿主机版本。

Windows 请在已安装 make 的 Git Bash 中执行该命令，不要改用裸 docker compose up：容器无法检测或启动 Windows 主机中安装的程序。macOS 和 Windows 都会通过宿主机桥接器自动发现 CLI 与桌面应用；若程序位于自定义或便携目录，可在“设置 → 助理”中定位程序或输入完整宿主机路径。

启动命令速查

场景	命令
构建镜像并启动	`make up-build`
私有化 MinerU OCR	`make up LAZYMIND_DEPLOY_MINERU=1`
私有化 PaddleOCR	`make up LAZYMIND_DEPLOY_PADDLEOCR=1`
外接 Milvus/OpenSearch	`make up LAZYMIND_MILVUS_URI=http://your-milvus:19530 LAZYMIND_OPENSEARCH_URI=https://your-opensearch:9200`

Docker/Colima 配置见 Colima 配置说明或完整的快速开始，服务依赖、环境变量和鉴权链路见架构文档。

当前已具备的能力

领域	当前能力
知识库	多数据源、OCR、向量化、混合检索、重排、同步管理
Agent	RAG 对话、工具调用、子任务时间轴、Artifact、任务中心、长对话压缩
内容创作	AI Writer、PPT Workflow、AI Image 与多格式导出
Workflow	状态机、动态路由、自动验收、重试/回退、可视化执行、版本化产物
Skill	安装、组织、审核、版本、回滚、Skill → Workflow
能力中心	精选 Skills、场景分类、交互式 Demo、按需安装
文档阅读	当前文档问答、PDF 选区引用、来源回跳、临时会话
外部 Agent	本地项目与会话发现、任务继续执行、MCP 知识与能力接入
任务与会话	终止状态、归档、回收站、恢复、任务与会话状态同步
自进化	评测集、评测、badcase 分析、修复、部署、A/B Test
本地体验	macOS/Windows 本地运行时、Desktop 构建、平台规范数据目录
企业能力	Kong、JWT/RBAC、ACL、OAuth 数据源、可选外部存储

这份列表描述的是仓库中已经实现的能力，不是未来 Roadmap。具体模块的设计与实现状态见 docs。

Roadmap

LazyMind 接下来的重点不是继续堆叠孤立功能，而是强化 Skill Runtime，让知识、Skill、Workflow 和自进化能力在 LazyMind 与其他 Agent 中共同形成完整任务闭环。

近期：完善 0.4 核心能力

Skill Runtime 与 Desktop

热门 Skill 兼容与评测：建立可安装性、安全性、核心流程和效果评测，让经过验证的热门 Skill 可以直接安装并稳定运行，失败时给出明确原因。
精选 Skill 规模化：围绕典型行业与任务扩充官方精选 Skill 和可复现 Demo，并将质量验证结果作为推荐依据。
Skill → Workflow 体验：增加转换前预检、进度与失败诊断、任务恢复和原 Skill 关联；执行时由用户选择使用 Skill 还是关联 Workflow。
Skill 与 Tool 按需检索：任务开始时只召回相关能力，命中后再加载完整定义，降低上下文和 Token 消耗。
可信本地工作区：在 Desktop Work 模式中选择和授权本地文件夹，允许在明确边界内读写文件，并支持查看和撤销授权。
浏览器内容感知：通过 Chrome 插件在用户授权后读取当前页面的标题、正文、链接和基础元数据，为复杂任务补充浏览器上下文。
首次使用与任务预检：围绕非开发者优化模型配置、依赖检查、权限提示、失败恢复和本地运行时诊断。

外部 Agent 生态

完整 Workflow 调用：让 Codex、Cursor、WorkBuddy、TRAE Work、DeepSeek Harness 等提交 Skill 与任务，获取执行状态、结果文件和 LazyMind 任务链接。
统一文档访问：让外部 Agent 在现有授权边界内使用本地文件、飞书、Notion 和 Google Drive，并获得统一的内容与来源信息。
模型与工具共享：由 LazyMind 代理调用用户授权的模型和工具，实现一次配置、多 Agent 使用，同时不暴露原始 API Key。
权限与审计：统一管理外部 Agent 的能力授权、调用状态、用量和执行记录。

任务与资源基础设施

统一 File Resource：覆盖附件、知识库、网络结果、MCP Resource 和各类 Artifact，并对大体积内容按需读取。
会话组织：支持会话 Fork、对话组和子对话保留，让复杂任务的探索分支可整理、可继续。
产物交付：统一任务产物的发现、预览与下载，让文档、表格、图片、代码和压缩包都有明确的交付状态与入口。
偏好整理：自动合并重复或冲突偏好、清理低价值记录，让重要偏好持续进入任务上下文。

中期：打通知识、创作与分发闭环

知识源、编辑与发布

长文本知识源：接入 Obsidian、GitHub Docs/Wiki、语雀，并完善 Notion 的同步、附件与写回能力。
统一内容格式：完善 Markdown、Writer IR 与平台富文本的双向转换，预览格式降级并避免静默丢失图片、代码或正文。
结果交付：增强 DOCX 等高保真导出、可分享结果页，以及飞书、Notion 和微信公众号草稿箱等发布目标。
多渠道通知与邮件：让定时任务通过飞书、企业微信、微信等渠道交付结果，并支持邮件读取、任务协助和草稿生成。
场景包与团队治理：将 Workflow、Skill、知识包、审阅规则和输出格式组合为可安装方案，补充依赖、安全、版本和组织权限治理。

旗舰场景：证据驱动的论文研究与技术写作

在 PDF 中完成选区翻译、解释、深入提问、生词收集和证据保存，并始终可以回到原文。
从当前论文扩展到相关论文搜索、导入、多论文对比和文献综述，明确区分全文、摘要与模型推断。
在论文与最终文稿之间建立 Evidence，按章节绑定证据、分段写作并检查关键论断是否得到来源支持。
复用 AI Writer 完成材料分析、大纲、分章节草稿、局部补证据、引用核验和带参考论文列表的导出。

图片占位：论文阅读到技术攻略的产品闭环图。 建议采用横向流程图或四联屏，依次展示 PDF 选区阅读、论文 Evidence 列表、多论文对比、AI Writer 引用写作；每一步都应显示来源或原文回跳能力。

长期：从执行工作流走向自进化工作系统

根据用户修改、步骤重跑、知识引用和最终采纳结果，自动发现流程与知识缺口。
对检索策略、Prompt、模型、工具和 Workflow 版本进行持续评测与 A/B Test。
将成功经验沉淀为可复用的 Skill、模板和组织记忆，并保留完整来源与版本记录。
通过“横向任务模板 + 纵向行业知识包 + 可安装场景包”覆盖更多行业，而不是为每个行业重复开发产品。

Roadmap 会根据真实场景的完成率、结果质量、人工干预次数、执行时间和成本持续调整；具体版本内容以仓库 Issue、里程碑和发布说明为准。

项目结构

LazyMind/
├── frontend/                   # Web UI 与桌面前端
├── backend/
│   ├── auth-service/           # 鉴权、OAuth 与用户服务
│   ├── core/                   # 数据、任务、检索、Workflow 与 ACL
│   └── scan-control-plane/     # 数据源扫描与同步控制
├── algorithm/
│   └── lazymind/               # 对话、解析、检索与 Agent 运行时
├── workflows/                    # 内置 Workflow
├── skills/                     # 内置及精选 Skill
├── evo/                        # 自进化与评测闭环
├── desktop/                    # Electron 桌面应用与打包
├── local/                      # 本地运行时管理
├── api/                        # OpenAPI 规范
├── docs/                       # 架构、使用与设计文档
└── tests/                      # 跨服务测试

开发与测试

make lint              # Python + Go + 文档等静态检查
make lint-only-diff    # 只检查变更文件
make test              # 使用宿主机环境运行测试
make test-hermetic     # 使用项目管理的隔离环境运行同范围测试

Python 3.11+
Go 1.24.0
Node.js 20
OpenAPI 规范集中维护在 api/

License

见 LICENSE。