Nuphus

September 5, 2026 · View on GitHub

版本: 0.2.7 · 状态: Alpha（积极开发中） · 平台: Windows / macOS / Linux 技术栈: Tauri v2 · Rust · React 18 · TypeScript

Nuphus 桌面端与移动端

Nuphus 是运行在你电脑上的 AI Agent——本地、私有、拥有真实的桌面执行力，手机是它的第二块屏幕。

它识别屏幕、操作鼠标键盘、控制窗口、读写文件、调度浏览器，把 LLM 的推理变成真实的自动化。数据留在本机，模型由你选择，Agent 替你做事情。你在桌面发起的每一个会话，手机上都实时同步——同一份记忆、同一个 Agent、同一场对话，随时随地继续。

设计哲学

不在乎华丽的炫技，只在乎实用的能力。极简实用主义，功能按需呈现，拒绝堆砌套壳、重复探索和无意义消耗，主张一切落到日常工作中。

Leader：串行思考，并行执行

Nuphus 的核心引擎用 Rust 构建，工具调用在毫秒级完成，延迟瓶颈在模型推理而非引擎。Agent 决策本身就是因果链——每一步依赖上一步的结果，桌面系统操作更应遵循串行逻辑。

全局理解，掌控任务 — Leader 解析目标、规划路径、监督进度、汇总交付
内部编排（串行） — 调度内置 GoalType ExecAgent（项目分析 / 代码生成 / 调试诊断 / 文件操作等）按因果链逐步执行
外部调度（并行） — 通过显式交互指令，同时打开 Cline 修 bug、Claude Code 写测试、浏览器查文档——每个外部 Agent 拥有自己的上下文理解，Nuphus 在之上截图验证、阅读产出、汇总决策
上下文传递 — 显式指令让外部 Agent 拥有任务上下文，减少重复指令和探索

串行的是思考，并行的是执行。

Workflow：把一次探索固化为确定性执行

LLM 每次用 token 解决 85% 相同的任务，是对算力和时间的双重浪费。Nuphus 的解法——让 LLM 推理一次，编译为工作流，之后极低 token 重复执行：

自然语言交互 → Agent 共同探索（理解界面/流程/参数） → 逐步固化参数 → 编译为确定性执行序列 → 引擎重复执行

这不是定时任务，而是把一次有智慧的探索，固化为可重复的确定性执行：

自然语言探索 — 用自然语言与 Agent 交互，批阅试卷、浏览器自动化、桌面软件操作……Agent 理解意图、识别界面、逐帧操作
参数固化 — 共同探索后，把每一步的定位、操作、异常处理固化为参数（参数即契约，全部有界面证据）
确定性执行 — 编译后的执行序列极低 token 重复执行，不再依赖 LLM 每次重新推理
值守修复 — 运行时 Agent 负责值守：发现错误时，根据设计意图和目标自动修复、记录、优化，而非盲目重试

一次编译的投入，换来确定性、可重复、极低边际成本的自动化。

核心亮点

真实桌面执行力

Nuphus 直接安装在你的操作系统上，拥有原生级的屏幕感知和输入控制能力：

操控任意 GUI — 窗口 + OCR + 键鼠，任何桌面软件/网页都能自动化，无需对方提供 API
内置浏览器 — 可编程的浏览器内核，网页自动化、信息采集、表单交互都在本机完成
编程与项目分析 — 项目分析、代码生成、调试诊断、文件操作，深度理解项目上下文
多 Agent 调度 — 并行调度 Cline、Claude Code 等外部 Agent，统一汇总决策

双端实时同步：桌面干活，手机掌控

Nuphus 把「执行」和「掌控」分开：桌面是 Agent 的双手，手机是你的遥控器。

同一会话，双端同步 — 手机连接的正是桌面那个 Agent：发消息走同一个会话入口，桌面和手机共享历史、记忆与状态
实时事件流 — Agent 的每一步（思考、工具调用、执行结果）通过 WebSocket 实时推送到手机
工作流遥控 — 手机上直接暂停、恢复、停止正在执行的工作流
执行轨迹回放 — 手机上查看 Agent 的完整执行轨迹，每一步都透明可查
远程访问免费 — 局域网内自动直连（零配置）；出门在外通过中继服务器远程访问，不落盘存储内容，只做身份校验与转发路由

双通道自动切换：同一 WiFi 下手机直接连桌面（快、免费）；离开局域网自动走中继（稳定、可靠），回来自动切回直连。

本地优先，隐私自有

数据留在本机 — 对话、记忆、插件全部存储本地
本地 AI 引擎 — PP-OCRv4（OCR）、Candle（语义搜索）全部本地运行，日常识别零 API 消耗
4 层安全体系 — 权限开关 → 人在回路 → 注入检测 → 熔断保护
模型自由 — OpenAI / Anthropic / DeepSeek / Qwen / 智谱等主流厂商统一接入，随时切换

内置工具页：PDF / 图像 / 视频 / 音频 / 文档

无需安装任何外部工具，工具页内置 23 个处理命令：

分类	能力
PDF	合并 / 压缩 / 文本提取 / 图片转 PDF / 抽页 / 旋转
图像	压缩 / 格式转换 / 缩放 / 拼接 / 批量压缩 / 批量转换
视频	压缩 / 抽帧 / 转 GIF / 截取片段
音频	提取音频 / 音频转换 / 语音克隆（走云端）
文档	docx / pptx / xls / pdf 等转文本

能力	说明
记忆系统	跨会话经验积累，SQLite 持久化 + FTS5 + 向量语义检索，越用越懂你
零编译扩展	知识库、技能、工作流、ui-maps 均为纯文本文件，放入 `plugin/` 即生效
视觉感知三层	内置 OCR（零 API 消耗）→ 可配置视觉模型（复杂场景）→ 用户视觉引导（最灵活 fallback）
确定性工作流	常用任务编译为工作流，零 token 重复执行（见上文设计哲学）
音效反馈	任务完成 / 错误 / 重试均有音效提示，不盯屏也能感知状态

安装

npm 一键安装（推荐）

一条命令完成安装，自动匹配当前平台的二进制（Windows x64 / macOS arm64 / Linux x64），无需下载安装包、无需 Node.js / Rust 环境：

# 全局安装（提供 nuphus 命令）
npm install -g @nuphus/nuphus-desktop

# 或免安装体验（不写入全局）
npx @nuphus/nuphus-desktop

安装完成后在终端输入 nuphus 即可启动。

首次安装体积较大（桌面应用含本地 OCR / 语音模型），请耐心等待。

下载安装包

面向不熟悉命令行的用户，无需命令行、无需 Node.js / Rust 环境：

从 GitHub Releases 下载对应平台的安装包：
- Windows：.exe（NSIS 安装包，用户级安装，无需管理员权限）
- macOS：.dmg
- Linux：.deb / .AppImage
双击安装包完成安装（Windows 安装后桌面生成 Nuphus 快捷方式）
双击快捷方式即可启动

从源码构建（开发者）

前置条件：

工具	版本	用途
Rust	≥ 1.95	核心引擎编译
Node.js	≥ 18	Tauri 前端构建
Tauri CLI	`cargo install tauri-cli --version "^2"`	桌面应用开发

git clone https://github.com/mrpulor-gh/nuphus.git
cd nuphus

# 安装依赖（根目录 Tauri CLI + 前端依赖）
npm install

# 开发模式启动
npx tauri dev

快速开始

配置模型

首次启动进入引导页，选择模型提供商并填入 API Key
按 Enter 提交即完成配置

也支持环境变量免配置启动：QWEN_API_KEY="sk-xxx" npx tauri dev

引导完成后可在「设置 → 模型」面板修改配置。API Key 加密存储：Windows 上经系统级 DPAPI 加密后写入本地 config.toml（enc:v1: 格式，绑定当前用户）；macOS/Linux 暂以明文保存（依赖系统文件权限，OS 凭据链接入在路线图中）。请勿分享或提交该文件。

连接手机

在桌面端「手机」设置页开启移动端服务（默认端口 18772）
手机浏览器打开配对页，输入配对密码完成绑定
添加到主屏幕（PWA），以后像 App 一样使用

同一 WiFi 下自动局域网直连；离开局域网自动走中继远程通道，全程免配置。

架构概览

Nuphus 采用六层架构，自底向上，安全贯穿各层：

┌─────────────────────────────────────────────┐
│ Tauri 壳                                    │  ← 前端 UI + 系统级能力（通知、托盘、快捷键）
├─────────────────────────────────────────────┤
│ Runtime                                     │  ← 统一主循环，三模式路由（Leader / Workflow / Custom）
├─────────────────────────────────────────────┤
│ Agent                                       │  ← Leader 决策 / ExecAgent 执行 / WorkflowAgent 设计
├─────────────────────────────────────────────┤
│ Transport                                   │  ← 多 Provider 抽象层（主流 AI 厂商统一接入）
├─────────────────────────────────────────────┤
│ Tools / Memory / Workflow                   │  ← 执行基础设施
├─────────────────────────────────────────────┤
│ Security / Permissions                      │  ← 贯穿所有层的安全链（注入检测 / 权限分级 / 审核）
└─────────────────────────────────────────────┘

双端同步架构：

┌──────────┐   WebSocket 实时事件流    ┌──────────────┐
│  手机 PWA │ ←──────────────────────→ │ 桌面 mobile  │
│ (聊天/遥控)│   POST /message 共享入口   │  server(18772)│
└──────────┘                          └──────┬───────┘
      ↕ 局域网直连（同 WiFi 自动）              │ 共享会话/记忆/状态
┌──────────┐                          ┌──────┴───────┐
│ 中继服务器 │ ←──── 远程通道（免费）────→ │  Nuphus 桌面  │
│ (不落盘)  │                          │  Agent 引擎   │
└──────────┘                          └──────────────┘

手机端发消息走 submit_user_message(source="mobile")，与桌面共用同一 leader_agent / busy 锁 / 去重逻辑——双端是同一个 Agent 的两个界面，不是两个独立系统。断线自动指数退避重连，重连成功后重拉历史补齐间隙，不会丢消息。

数据流：用户输入 → Tauri 事件 → Runtime 路由 → Leader 决策 → task_dispatch → ExecAgent 执行 → 结果返回 → 前端展示（桌面与手机同步）

配置

Nuphus 使用 TOML 配置文件，src/config/mod.rs::load_registry 按优先级搜索：

序号	路径	适用
1	`<exe_dir>/config.toml`	绿色版 / 便携部署
2	`./config.toml`	开发
3	`~/.config/nuphus/config.toml`	Linux/macOS 用户级
4	`~/.nuphus/config.toml`	兼容旧版
5	`<AppData>/nuphus/providers.toml`	Windows 桌面版规范配置（桌面端锚定，首次启动自动生成）

设计原则

本地优先 — 数据默认留本机，云端只在用户选择时介入
极简心智 — 每个功能都尽量简单，避免过度抽象
确定性优先 — 能编译为工作流就不反复推理，能复用就不重写
Long-Term First — 优先选择与现有架构一致、可维护的方案
克制优于堆叠 — 每个新功能必须证明自己不可替代
闭环设计 — 每个功能模块从输入到产出形成完整闭环

如何贡献

Nuphus 是一个社区驱动的开源项目。除了代码贡献，你还可以通过以下方式参与生态建设：

贡献插件（后续开放）

插件类型	说明	示例
ui-maps	任何软件的界面布局描述（按钮位置、窗口识别特征）	Photoshop 导出面板、企业 ERP 系统布局
workflows	可复用的工作流模板	"每日备份项目文件夹"、"批量图片压缩"
skills	领域方法论和操作指南	"前端 UI 设计规范"、"特定框架的代码模式"
knowledge	项目领域知识文档	API 参考、配置说明、架构文档

所有插件均为纯文本文件（.md / .json），放入 plugin/ 对应目录即可被 Nuphus 加载。

参与讨论

GitHub Issues：Bug 报告和功能请求
GitHub Discussions：使用问题、经验分享、插件推荐