Lumen Agent Platform

不只是一个聊天机器人外壳

Lumen 是一个本地优先的 AI 桌面工作平台，用来使用模型、系统测试模型，并让 Agent 在证据和权限边界清楚的情况下完成较长任务。它最初是 v1.0.0 的 Local Intelligence Console——一个连接 GPT OSS 120B 的本地聊天客户端。经过 587 次 DEVLOG 记录、发展到 v4.14.2 后，它已成为更完整的 AI Agent 与研究运行系统。

项目真正困难的部分不是把消息转发给模型 API，而是模型之外的系统：判断任务需要什么能力、组织工具调用、保存任务状态、检查证据、呈现失败，并让用户始终掌握对本地权限和数据的控制。

三个相互连接的工作区

Chat 是日常使用 AI 的工作区。系统可以先判断任务是否需要联网、读取文档、理解图片或执行代码，再通过证据管线完成来源筛选与引用校验、带页码的 PDF 和 Office 文档检索、视觉证据提取，以及在受限环境中进行计算和生成文件。

Test 用来隔离并批量评测模型与工具链。它可以在文本、数学、文件、视觉、安全和实际任务上，对不同模型、推理强度、速度与工具权限进行评测，同时记录模型是否真正使用了所需工具，以及失败来自模型还是基础设施。

持久化 Agent 与深度研究

Agent 通过“规划—执行—观察”循环，调用内嵌浏览器、终端、本地文件、网页搜索、记忆和子代理。任务由 Temporal 持久化，而不是受限于一次长时间 HTTP 请求，因此能经受暂停、重试、临时故障、网络中断和程序重启。Tasks Center 会清楚展示规划、执行、等待审批、暂停、完成与失败等状态。

Deep Research 会把问题拆成研究单元，并通过证据登记追踪每项重要结论是否得到支持、来源是否冲突、覆盖是否足够，再对缺口进行定向补搜。它的控制器也由 Temporal 持久化，使证据状态、预算、取消和恢复过程能够保持一致。

真实工具周围的安全边界

Lumen 不会让 Agent 获得完全不受限制的电脑权限。高风险文件修改需要预览和审批；允许访问的文件夹与受保护路径会同时防范路径绕过和符号链接攻击。网页、文档、邮件与工具结果会被视为不可信外部内容，在重新进入 Agent 上下文前经过隔离和提示注入检查。

Memory 也遵循同样的原则：Agent 可以提出候选记忆，但只有经过用户批准才会永久写入。受限代码执行、结构化工具结果、失败记录与回归测试共同让长任务更透明，也更容易恢复。

当前状态

Lumen 已经形成一套相对完整的端到端体系，但项目仍在持续开发。接下来的重点不只是继续增加功能，而是提高可靠性、评测覆盖、可观察性，以及处理不稳定模型与真实本地系统之间的边界。

项目大量使用 AI 辅助开发与检查，但产品取舍、系统架构、测试标准、问题定位、版本推进和最终整合由我持续负责。Lumen 采用本地优先（local-first）设计，并不意味着所有场景都完全离线：界面、数据存储、本地工具和任务运行时可以在本地运行，模型则可以选择本地部署或外部服务。

项目记录