Skip to content
项目

skingko/rna_dev

在 GitHub 查看

skingko/rna_dev has 55 GitHub stars and 3 forks. GitHot measured 0 stars in 24 hours and +1 in 7 days. Last checked 2026-11-15 08:06 UTC. Last push 2026-10-23.

这些数字如何统计

55 星标3 复刻

可以做什么

  • Projects and sessions - Project folders, per-project capability assignment, archive / restore, deletion that also clears the evidence it produced, session worktrees for isolated edits
  • Models - DeepSeek, GLM (Zhipu), OpenAI-compatible endpoints, Anthropic via API key, ChatGPT subscription sign-in; per-session model and reasoning level, automatic reasoning level
  • Tools - Project file read / write / edit, command execution with a sandbox on macOS, a terminal, a side-panel browser, file preview with live reload, git status and worktrees
  • Skills and MCP - On-demand skills, a skill marketplace (ClawHub, skills.sh), stdio and Streamable HTTP MCP servers, per-project assignment and permission levels

实测星标增长

24小时
0
7天
+1
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。

关于

Local-first AI agent workbench for long-running projects: background work, built-in memory (no Docker), six web search services, MCP. macOS, Linux, Windows.

人工智能

README.zh-CN.md

原文

English · 简体中文

Rna Agent 标志

Rna Agent

面向长期项目的本地优先 AI Agent 工作台

以项目为单位，而不是一次对话。Agent 在后台持续工作，记得发生过什么，该找你的时候才找你。

Release License: Apache-2.0 Platforms

官网：www.rna.dev · 下载 · 为什么用 Rna · 功能 · 快速开始 · 记忆 · 联网搜索 · 常见问题 · 文档


Rna Agent 工作台：项目对话、工具结果、后台工作与“你不在时”的汇总

Rna Agent 是一个桌面应用和命令行工具，用来和 AI Agent 一起推进比一次对话更长的事情：一个游戏、一部小说、一个调研主题、一个代码库。你创建项目、指定目录并写一段介绍，之后 Agent 会跨会话保留上下文，有值得做的事时在后台继续工作，回来时给你一份简短汇总，而不是一屏日志。

更多信息见官网 www.rna.dev。

它运行在你的电脑上。项目、对话、记忆和密钥都在本地文件里；只有你配置的模型和搜索服务会收到网络请求。

下载

从最新发布下载对应系统的版本。

平台 文件 状态
macOS（Apple 芯片） Rna-Agent-<版本>-macOS-arm64.dmg 支持
macOS（Intel） Rna-Agent-<版本>-macOS-x64.dmg 支持
Linux x64 Rna-Agent-<版本>-Linux-x64.tar.gz 预览
Windows x64 Rna-Agent-<版本>-Windows-x64.zip 预览

每个版本由 GitHub Actions 构建，并在各自平台上启动一次后才发布。macOS 版本已用 Developer ID 签名并经 Apple 公证；Linux 和 Windows 版本尚未做代码签名，Windows 首次打开时 SmartScreen 会要求确认，处理办法写在发布说明里。

日常开发和使用都在 macOS 上。Linux 和 Windows 版本运行同一份代码，但依赖 macOS 能力的部分（命令沙箱、后台服务管理）在那里有所缩减，欢迎反馈。

为什么用 Rna

多数 Agent 工具是接在模型上的一个聊天框。Rna 围绕“工作要持续好几天”时才重要的部分来设计：

  • 以项目为单位。 项目拥有目录、记忆、技能与工具、日程和历史；会话在项目里来来去去。
  • 你不在时它也能干活，并且会告诉你。 后台调查、定时工作和跟进都在明确规则下运行；你回来会看到“你不在时”的汇总，你发来的新消息会先让后台工作停下并保留已做的部分。
  • 记忆不需要安装任何东西。 选内置本地记忆，对话和交付文件立刻可在本机检索；需要语义检索时再连接 OpenViking。
  • 大模型之前先过一道便宜的判断。 路由、“值不值得打扰你”、“要不要查记忆”这类是非题交给小型判断模型（JEV，成本约为主模型的千分之一），先判断，主模型才动笔。
  • 改动靠测量，不靠假设。 对项目自身行为的候选改动按冻结基线评测，通过明确门槛才采用，历史可见，可一键回退。

功能
项目与会话 项目目录、按项目分配能力、归档与恢复、删除时一并清理产生的证据、用于隔离修改的会话工作树
模型 DeepSeek、GLM（智谱）、OpenAI 兼容端点、Anthropic（API Key）、ChatGPT 订阅登录；按会话选择模型与推理档位，也可自动选档
工具 项目文件读写编辑、命令执行（macOS 上有沙箱）、终端、侧栏浏览器、可热更新的文件预览、git 状态与工作树
技能与 MCP 按需加载的技能、技能市场（ClawHub、skills.sh）、stdio 与 Streamable HTTP 的 MCP、按项目分配与权限档位
记忆 内置本地记忆或 OpenViking，按 token 预算自动引用，记忆浏览器，记忆按项目隔离并随对话删除
联网 FastCRW、Firecrawl、Tavily、Brave、智谱、博查六种搜索与读页服务
主动协作 后台调查、日程、“你不在时”汇总、随你的反馈调整的节奏、一键全局急停
进化 每个项目的行为规则基因树、受评测的候选、按原因统计工具失败的系统进化页
运维 带崩溃恢复的后台服务、恢复点、可回退的应用内更新、与应用共用同一服务的命令行
界面 中英文、浅色与深色、键盘优先

快速开始

使用发布版

  1. 下载对应平台的文件并打开（macOS：把 Rna Agent 拖进 Applications）。
  2. 设置 → 模型：添加提供商和密钥，选择默认模型。
  3. 设置 → 记忆：选 本地记忆（内置） 即可零配置使用，或连接 OpenViking。
  4. 可选：设置 → 网页工具，让 Agent 搜索和读取网页。
  5. 新建项目，指定目录，开始会话。

从源码运行

需要 Node.js 22.19 或更新版本。宿主和 SDK 没有运行时依赖。

git clone https://github.com/skingko/rna_dev.git
cd rna_dev/prototypes/control-center

# 构建一次 Web 界面
npm ci --prefix web && npm run build --prefix web

# 启动本机服务，然后打开 http://127.0.0.1:4317
./rna start

命令行

rna 命令与应用连接同一服务、同一批项目。

./rna help                       # 全部命令
./rna config                     # 脱敏配置与模型目录
./rna memory-config --backend embedded
./rna web-config --provider firecrawl --enabled true && ./rna web-test
./rna chat --workspace "$PWD"    # 在当前目录开始交互会话

记忆：有无 Docker 都能用

在 设置 → 记忆 里二选一。两种方式各存各的记忆，互不迁移；切回去后原有记忆仍在。

OpenViking 语义记忆 本地记忆（内置）
需要 Docker、OpenViking、向量模型、文本模型 什么都不需要
检索 按语义：换种说法、换种语言也能找到 按关键词（中文按相邻两字）
对话 由模型提炼成长期记忆 原样保存，不调用模型
数据 OpenViking 服务的数据卷 本机 <state>.rna/memory/embedded.sqlite

内置引擎在主机进程里回答原本发给 OpenViking 的同一组请求，所以自动引用、记忆工具、记忆浏览和删除会话在两种方式下走同一份代码。用 100 次真实检索回放：同一对话里更早的一轮排第一的占 90%，进前五的占 98%；说明文档也写明了关键词检索做不到什么。

联网搜索：六种服务，同一对工具

Agent 看到的永远是 web_search 和 web_fetch 这两个工具，由哪个服务回答是一项设置。

服务 搜索 读取网页 密钥
FastCRW（默认，可自建兼容服务） 是 经服务 可选
Firecrawl 是 经服务 可选，不填有次数限制
Tavily 是 经服务 必填
Brave Search 是 本机直接读取 必填
智谱 Web Search 是 经服务 必填
博查 Bocha 是 本机直接读取 必填

只提供搜索的服务，网页由本机直接读取：匿名请求、只访问公网地址，连接固定到已检查的地址，每一跳重定向都重新检查，也不发送密钥。换另一种服务时会切换到该服务的地址并清除已保存的密钥，密钥不会发给它不属于的服务。

设置 → 记忆：在 OpenViking 语义记忆与内置本地记忆之间二选一 设置 → 网页工具：六种搜索服务，含地址与密钥

常见问题

我的数据会离开本机吗？

项目、对话、记忆和凭据都是本地文件。Rna 只向你配置的模型提供商、搜索服务和 MCP 服务发请求，启用后也会访问 JEV 判断服务。没有 Rna 的服务器，也不会向项目回传任何信息。

必须装 Docker 吗？

不必。选内置本地记忆即可。只有 OpenViking 后端需要 Docker，它提供语义检索和模型提炼的记忆。

可以用哪些模型？

任何 OpenAI 兼容端点，以及 DeepSeek、GLM、Anthropic（API Key）和 ChatGPT 订阅。在设置 → 模型里添加；模型列表从提供商读取，删掉的模型不会再回来。

自进化是真的吗？

是一个可度量的过程，不是承诺。对项目行为的候选改动按冻结基线评分，通过明确的提升、安全和成本门槛才采用，历史与失败都可见。Rna 不宣称通用质量已经提升。

为什么 Linux 和 Windows 是“预览”？

代码相同，但开发和日常使用在 macOS 上。命令沙箱和系统服务管理是 macOS 特有的，所以 Windows 上后台服务只在应用打开时运行。每个版本在 CI 中都会在各自平台上启动一次再发布。

文档

文档 内容
内置本地记忆 原理、实测与限制
OpenViking 部署 语义记忆的 Docker 部署
SDK 指南 API 与示例
SDK 架构 设计、依据与边界
完整系统设计 产品、架构、调度、缓存、记忆、进化、安全
规格 控制接口与存储、流协议、上下文与能力、进化与评测
运维 应用维护、持续运行、恢复

参与贡献

欢迎提交 issue 和 PR，见 CONTRIBUTING.md。安全问题请按 SECURITY.md 私下报告。

许可证

Apache License 2.0。