Taskuary

English · 简体中文

⭐ 如果 Taskuary 对你有帮助，请给它一个 Star —— 这是别人发现它的方式。

你的工作管家。本地运行，安全可靠，尽在掌控。

一个为你的工作服务的个人 AI 助手。 邮件、聊天和工单变成任务，由你已经在用的智能体（Claude Code、Codex、Gemini）完成，未经你批准，什么都不会发出。开源，在你的电脑上运行，无需订阅。

Taskuary 仍处于早期阶段，目前为 v0.3.10.25，1.0 之前可能出现不兼容变更。 应用界面和演示截图目前以英文为主；下文保留英文按钮名称，方便对照操作。

_{真实界面，虚构数据。演示不会连接外部服务、发送消息或运行智能体。}

阅读文档（英文） —— 安装、初次运行、连接哪些系统，以及每一项设置。

想从 Qwen Code 开始？可以使用 本地 Taskuary + Ollama 分拣消息 + Qwen Code 编程， 无需把 Claude Code、Codex 或 Gemini 作为必选依赖。 Qwen Code 使用哪个云端或本地模型，由你配置。见使用 Qwen Code。

Taskuary 能做什么

用一个简单流程来了解应用：Ruth 希望在运营会议前拿到最新的供应商支出数据。 下面用同一项请求，从收到消息走到最终审核；所有业务数据均为虚构。

1. 所有工作汇集到一处

邮件、聊天、工单、提醒和报表都进入同一条工作栏，并按需要处理的方式分组： Tasks（所有未完成的任务，代理正在处理的那一项图标上有旋转的圆环）、For later、Reports、Advisor 的建议，以及 FYI。旁边是一天的开场卡片：昨晚以来的变化、 学到的东西、早间摘要、今天的会议，以及每个分组里在等你的事，不用逐个打开各个系统。

2. 让助手带你逐项处理

选择 Walk me through my tasks。助手每次把一件事带到对话里，形式就是你自己打开时看到的同一个任务。 下面只有一个小栏 Nav：Back 和 Next，无处可去时显示为灰色。对任务能做的操作都在任务本身上（见下文）。 其他需求在角落的对话框里提问，窗口会从那里展开，助手已经掌握这条消息、整个线程以及你过去的决定。

3. 每个请求都成为带有完整经过的任务

每个任务从左到右分为三部分：Came from（原始消息、分诊的结论和原因、要做的事）、Agent 和 Close out。 任务进行到哪一部分，就展开哪一部分；另外两部分收成窄栏放在旁边，仍然显示各自的状态。 每一部分都带着自己的操作——收起时在窄栏上，展开时在顶部的一条按钮栏里：

• Came from：Remind me、Not a task 和 Change ▾（拆分或合并、谁来做、优先级、指派、代码在哪里）。
• Agent：Send to agent，运行过后是 Continue 或 Run another agent。
• Close out：Draft reply 或 Reply、Hand it to a person、Mark done、Close with a note、Attach a file 和 Share。

4. 智能体展示它做了什么

打开 Agent 部分并点击 Send to agent，智能体就在那里工作。完成后，这一部分显示它的结果：做了什么、它的答案、 发现了什么，以及 What it made——每个文件都可以打开或下载，完整对话只是下面的一个链接。 Continue 带着你的一句说明让同一个智能体接着做；Run another agent 在同一个任务上启动第二个智能体。这里的智能体整理支出数据、 核对分类合计、保存一个工作簿，并准备回复草稿。任何内容都不会自动发出。

5. 最后由你决定

准备好的回复放在 Close out 里，收件人是 Ruth，旁边收起的是 Came from 和智能体的结果。阅读、修改，确认无误后点击 Send，或者 Redraft。 发送和结束是两步：任务会一直保持打开，直到你点击 Mark done。

6. 在忙起来之前开始一天

每天早上，助手先说明昨晚以来的变化、学到的东西、今天的会议，以及每个分组里在等你的事；早间摘要直接在卡片里展开， 看到时不会过时。Ruth 的请求有明确的期限：11:30 的运营会议。

核心功能

报表、仪表板和 FYI 也像工作一样打开

报表和任务一样分成三部分打开，中间是报表本身——图表、表格和附件——下面的 Nav 旁边有 Put it on my list，需要时把它变成任务。仪表板就放在报表旁边。 不需要你处理的消息会成批出现：一张 FYI 卡片装下整批消息，每条收成发件人、渠道和一行内容，点击 All read, next 继续。

通用智能体、编程智能体，以及工作如何并行

编程智能体在你的代码仓库里通过终端工作；通用智能体在对话里工作——调研、给出建议、起草回复——不触碰任何系统。 两者都运行在一个 brain 上：Claude Code、Codex 等 CLI，或一个 AI 连接，加上你为它选的模型。它们听从的是 profile： 例如通用工作用 ASSISTANT.md、代码用 CODING.md 的指令，可以放在任何一个 brain 上运行。

大多数通用请求都很短。分诊判断为简单的请求，用一次调用完成，在任务上留下和智能体一样的结果、草稿或提问； 困难的工作、需要浏览器的工作，以及简单调用发现需要更多步骤的工作，会交给完整的智能体会话。

工作在三个层次上并行：

• 智能体会话最多同时运行 Settings → Agents at once 设定的数量（默认 4，最多 16），其余排队，有会话结束就开始。你自己启动的会话不受限制。
• 简单工作有自己的池，最多同时 8 个调用，不占用上面的数量，一批邮件可以直接并行处理而不打开会话。
• 会话内部，CLI 可以启动自己的子智能体、后台 shell 和监视器。Taskuary 从会话中读取它们，在它们运行时把智能体显示为工作中；它们属于同一个会话，不算额外的会话。

使用你选择的编程 CLI

支持 Qwen Code、OpenCode、Kimi Code、Claude Code、Codex、Gemini、Cursor、Copilot、Muse Code、Devin， 也支持其他能够从标准输入接收提示词的 CLI。配置连接后，为不同智能体设置职责和指令， 在 Taskuary 中跟进会话、回答问题和审核结果。

通过 OpenCode 可使用 DeepSeek、GLM 或 MiniMax；Kimi Code 则提供 Moonshot 的编程 CLI。 在 Connections → AI CLI agents 中安装，OpenCode 用 /connect 配置服务，Kimi 用 /login 登录。 这两个预设用于执行任务；消息分拣和只读报告请选择 Qwen Code、Ollama 或 API 服务。 详见安装步骤和验证范围（英文）。

用 Hub 保留共享知识

按主题保存发现、决定和有用的提醒。智能体可以查阅前面的工作、补充讨论， 也可以根据新证据纠正结论，减少重复摸索。

智能体之间可以交接留言

Board 的 Live handoffs 展示当前进展、阻碍和待接手事项。 一个智能体留下说明，下一个接手时就能读到上下文；已读标记显示谁看过这条留言。

从你的决定中学习

你修改的草稿、重新分类的任务，都会成为了解你工作习惯的证据。 反复出现的规律会写入 LEARNED.md：你怎样写回复、负责什么、哪些事情值得创建任务。 例如，你多次把金额移到回复开头，它就可以学会以后先写总额。

打开 Docs → LEARNED.md，可以阅读、修改或删除这些记忆。 你在 SOUL.md 中写下的指令始终优先。

技术细节：LEARNED.md 如何形成记忆

• 从纠正开始。 模型把明确的纠正整理成假设；批量反思会比较多次决定，也会考虑未修改就批准的草稿。
• 保留依据。 自动生成的记忆带有 s（强度）、ev（证据编号）、seen（最近得到支持的日期），以及用于跨次改写识别同一条记忆的 k。
• 积累证据再生效。 新假设从强度 2 开始。反思指令要求达到 4，并有至少三个事件、来自至少两个人或两个会话的支持，才升级为有效记忆。反例会削弱它，长期没有支持的假设也会逐渐衰减。
• 只使用有效记忆。 提示词构建时会排除假设、待批准规则和原始决定记录。有效记忆用于消息分拣、回复草稿和智能体上下文。
• 控制权仍在你手里。 推断出来的隐藏或归档规则先进入待批准区；两次相符的明确用户决定可以提供授权。你手写的不带机器标签的内容会保留，也可以在 Settings 中关闭学习。

参见从你的决定中学习（英文文档）， 或查看实现：learn.py、learnedgraph.py。

什么数据会离开你的机器

Taskuary 在本机运行。使用云端模型时，完成工作所需的上下文会作为提示词发送给模型服务。 如果模型也运行在本机，AI 提示词也可以留在本机。 邮件等已连接的外部服务仍通过你配置的连接通信。

提示词发送前，能识别出的 API 密钥、带凭据的连接字符串、私钥等会被替换成带标签的占位符， 例如 [redacted:aws-key]。检测覆盖云端模型、无界面的 CLI 调用和智能体终端的第一条提示词。 原始邮件不会被改写；回复如果还包含这种占位符，会被阻止发送。

这套检测采用确定性规则，识别有特定结构的凭据，并不能发现所有秘密。 例如，“Wi-Fi 密码是 bluefish17”这样的普通句子未必能被识别。 安全问题请通过 SECURITY.md 报告。

安装

Windows 应用

下载并运行最新版 Windows 安装程序， 无需管理员权限，也无需单独安装 Python。

Python

支持 Windows、macOS 和 Linux，需要 Python 3.10 或更新版本：

pip install taskuary
taskuary

打开 http://127.0.0.1:7787。 若希望使用原生桌面窗口，安装 pip install "taskuary[desktop]"，然后运行 taskuary-desktop。

Docker

git clone https://github.com/ldbumble/taskuary
cd taskuary
docker compose up

随后打开 http://127.0.0.1:7787。 Docker 运行 Web 应用；编程 CLI 和可选的 WhatsApp 桥接程序位于宿主机。

首次运行时，在 Connections 中配置用于分拣的 AI、至少一个消息来源，以及处理任务的编程 CLI。 每个连接都可以先测试再启用。可以先用 IMAP 邮箱、已有数据库或手动创建的任务尝试基本流程。

使用 Qwen Code

1. 打开 Connections → AI CLI agents → Qwen Code，点击 Install。 官方独立安装方式包含所需运行时。若自己使用 npm 安装，需要 Node.js 22+： npm install -g @qwen-code/qwen-code@latest。
2. 点击 Set it up，在 Qwen 终端运行 /auth，选择模型服务。 使用阿里云百炼时，请选择与你的账号和套餐一致的区域与认证方式， 参照官方认证说明。
3. 保存并点击 Test。将 Qwen 分配给编程任务；模型字段留空时沿用 Qwen 自己的配置。
4. 先在测试仓库中完成一个小任务，核对结果，再停止并继续会话，确认上下文能保留。

若当前安装的 Taskuary 版本尚未显示 Qwen，请使用最新源码：

git clone https://github.com/ldbumble/taskuary
cd taskuary
pip install -e .
taskuary

消息分拣可以选择 Ollama，也可以在 Settings → How mail is sorted → Triage brain 中选择 Qwen。 Qwen Code 是本地 CLI，不等于本地模型：选择云端服务时仍会发送提示词； 希望本地推理时，需要另外配置本地模型端点。

已使用真实 Qwen Code 0.23.4 和本地模拟模型端点验证任务执行、进度、会话恢复、ACP 及分拣时的工具限制。 这不代表已经验证付费账号、真实模型效果或中国大陆网络环境。 完整步骤与验证范围见 Qwen Code 集成说明（英文）。

不连接任何服务，先试用

taskuary --demo
# 或：docker compose --profile demo up

演示使用虚构工作和预设回复，不会访问外部系统、发送消息、运行工具或启动智能体。 刷新后，演示中的修改会重置。

安装量

数据每天更新，不包含镜像流量。原始数据见 stats 分支上的 downloads.csv。

文档

完整文档（英文）在 taskuary.com/docs。

• 入门指南：安装、初始配置、Docker 和数据存储。
• 工作原理：完整流程、五条路径、学习机制和配置文档。
• 连接：消息渠道、AI、业务系统和报表来源。
• 任务与智能体：任务、智能体工作与回复是三条独立的生命周期。
• 助手按钮：助手卡片下的每个按钮、其中两个会问的那个问题，以及可以直接输入的词。
• 助手能看到什么：助手可用的全部工具，以及每一轮都会拿到的摘要。
• 报表与顾问：报表处理流程，以及以判断为职责的那份报表。
• 顾问：顾问的输入、它的两个时钟，以及教会它哪些做法有效的成效账本。
• 在手机上：通过 WhatsApp 或 Telegram 使用同一个助手，以及它在那里可以做什么。
• 设置参考：全部设置项，由应用自身读取的同一份 schema 生成。
• 出问题时：该检查什么，以及按什么顺序检查。
• 状态与路线图：当前能力和后续计划。
• 贡献指南：开发环境与贡献方式。

以上详细文档目前主要为英文。本页与 English README 对应；欢迎通过 Issue 或 PR 反馈翻译问题。 Taskuary 使用 MIT 许可证，免费开源。安全报告请使用 SECURITY.md 中的渠道。