LazyMind – 面向知识密集型工作的 AI 技能运行时

它是什么 LazyMind（由 LazyAGI 开发）是一个本地优先、桌面或服务形式的平台，可让您将知识库、专家“技能”和定义的工作流转化为可重复、可观察的 AI 驱动任务。它被定位为“AI 技能运行时”，让长时间运行、知识密集型的工作保持在用户控制之下，而不是简单的聊天界面。

核心概念

概念	作用
知识基础	摄取本地文件、云文档、对象存储，运行 OCR，解析 PDF，并构建带有重排序的混合（向量 + 关键词）检索层。
状态大脑	将工作流作为状态机步骤执行，暴露每个中间产物，允许审批、编辑、重试、回退和版本历史。
AI 增长引擎	捕获反馈（偏好、不良案例），运行评估/A-B 测试，并安全地更新技能或提示。

主要功能

• 桌面模式 – 使用 SQLite 和 Milvus-Lite 的原生应用（macOS arm64、Windows x64），提供完全离线体验。
• 企业部署 – 容器化堆栈（Kong、JWT/RBAC、PostgreSQL、外部 Milvus/OpenSearch），用于团队共享和权限控制。
• 可复用技能和工作流 – 定义技能（一组指令/工具）并将其转换为可重复调用的版本化工作流（状态机）。
• 可观察执行 – 每一步显示中间结果；用户可以从任何检查点批准、编辑或重新运行。
• 可追踪产物 – 生成的文档、幻灯片、图像等存储时带有引用、版本差异，并可导出（PDF、PPTX、图像）。
• 作为代理插件集成 – 其他代理（Codex、DeepSeek Harness、Cursor、WorkBuddy 等）可以通过 设置 → 助手 界面调用 LazyMind 的知识、技能和工作流。
• 能力中心 – 即用型场景库；每个条目捆绑技能/工作流、示例输入和交互式结果。
• 知识运维与进化管道 – 系统化捕获用户偏好，自动评估“不良案例”，并安全推出改进。

典型用例

• 研究与审查：检索来源、综合并生成带引用的版本化报告。
• AI 辅助写作：大纲、草稿、修订并导出完全可编辑的文档。
• 演示文稿创建：生成带演讲者备注的幻灯片，编辑布局，并导出为 PPTX/PDF。
• 图像/动画贴纸生成：收集参考、优化提示，并保留生成轨迹。
• 知识助手：基于企业知识库回答问题，并附带内联引用。
• 团队知识协作：在组织内共享技能、工作流和经过评估的改进。

工作原理（高层架构）

flowchart LR
    K[知识来源] --> R[检索与推理]
    S[技能与工作流] --> X[可观察执行]
    R --> X
    X --> A[可编辑产物]
    A --> F[反馈与评估]
    F --> K & S

• 知识：摄取管道（PDFReader、MinerU、PaddleOCR-VL）提供统一索引。
• 状态大脑：编排步骤，将状态存储在 SQLite（本地）或 PostgreSQL（服务）中，并提供用于审批/回退的 UI。
• 增长引擎：记录偏好，运行 evo 评估管道，并在 A/B 测试后更新技能。

入门指南

1. 桌面 – 从仓库下载相应的二进制文件（macOS arm64 或 Windows x64），运行安装程序并启动应用。首次运行会创建本地 SQLite 数据库和 Milvus-Lite 向量存储。
2. 创建任务 – 添加知识来源（文件夹、Notion、飞书、对象存储），选择技能（例如 PPT 工作流），然后启动工作流。
3. 交互 – 观察每一步，编辑产物，批准检查点，或回退到之前的版本。
4. 导出 – 满意后，导出最终产物（PDF、PPTX、图像等）。

对于团队部署，请按照 desktop/README.md 中的 docker-compose 说明启动 Kong、认证服务、PostgreSQL 和外部 Milvus/OpenSearch 集群。

社区与资源

• 展示视频（中文）在 Bilibili 上演示端到端流程（幻灯片生成、产品到原型、Codex 集成）。
• 文档 – 快速入门指南、架构概述、工作流格式规范以及 Codex 和 DeepSeek Harness 的集成文档。
• 示例 – examples/ 下的一系列现成场景，带有分步案例说明。
• 许可证 – MIT（见 LICENSE）。

总结 LazyMind 是一个全栈、本地优先的 AI 代理运行时，超越了单提示聊天。它让专业人士能够定义、运行和改进复杂的知识驱动任务，同时保持每个中间结果可见且可编辑。适用于需要可复现 AI 增强工作流的个人高级用户或企业。