构建一个可扩展 AI Agent 桌面系统：开源项目 BitFun（Rust + Tauri）

最近在业余时间做了一个 AI Agent 桌面项目 BitFun，刚整理代码并开源，想分享一下这个项目的一些设计思路和技术实践。

项目地址：
https://github.com/GCWing/BitFun

一、为什么做这个项目

过去一年，大量 AI 工具涌现，但大多数产品形态仍然是：

ChatBox + LLM

用户通过对话获取结果，但 AI 很少真正参与到 实际任务执行流程 中。

我更感兴趣的是另一种模式：

AI 不只是回答问题，而是 成为一个可以持续工作的 Agent

也就是说：

能 调用工具
能 执行任务
能 拥有长期记忆
能 持续协作

BitFun 就是围绕这个思路做的一个实验项目。

目标是探索一个问题：

是否可以构建一个可扩展的 AI Agent 系统，用于真实工作场景。

二、系统整体架构

BitFun 的核心设计是 Agent + 能力模块（Skills）+ 工具系统。

整体结构大致可以理解为：

User
  │
  ▼
Personal Agent
  │
  ├── Code Agent
  ├── Cowork Agent
  └── Custom Agent
        │
        ▼
      Skills / Tools / MCP

核心思路是：

Agent 负责决策
Skills 负责执行
工具系统提供能力扩展

这样可以形成一个 可组合的 AI 工作系统。

三、Agent 体系设计

目前项目实现了两个主要 Agent。

1 Code Agent（开发者场景）

Code Agent 面向软件开发流程，目标是让 AI 可以参与到开发 workflow 中。

主要能力包括：

对话驱动代码生成
自动读取项目代码
修改代码并执行
运行测试并验证结果

支持多种工作模式：

Agentic Mode

AI 自主完成：

读代码
修改代码
运行验证

Plan Mode

复杂任务先规划，再执行。

Debug Mode

用于排查问题：

插桩记录
路径分析
根因定位
验证修复

Review Mode

用于代码审查。

2 Cowork Agent（知识工作场景）

Cowork Agent 更偏向知识工作自动化。

目前支持一些常见办公能力：

PDF 处理
Word 文档生成
Excel 数据分析
PPT 生成
浏览器自动化

例如：

自动生成报告
从网页抓取数据
批量处理文档

目标是探索 AI 在知识工作流程中的角色。

四、扩展机制设计

为了避免 Agent 逻辑过于耦合，项目设计了几种扩展机制。

1 Skills

Skills 是 Agent 的能力模块。

可以理解为：

教 Agent 如何完成某一类任务。

Skill 可以通过：

Markdown
脚本
外部工具

进行定义。

2 MCP 集成

项目支持 MCP（Model Context Protocol）。

通过 MCP 可以连接：

外部工具
数据源
自动化系统

从而扩展 Agent 能力。

3 Agent 自定义

用户可以通过 Markdown 快速定义自己的 Agent：

例如：

投资分析 Agent
研究助手
数据分析 Agent

从而形成领域专家型 Agent。

五、技术选型

项目采用 Rust + TypeScript 技术栈。

主要原因：

Rust

用于核心能力部分：

更好的性能
更好的并发能力
跨平台支持

TypeScript

用于：

前端界面
业务逻辑

开发效率更高。

Tauri

桌面端框架选择 Tauri，主要考虑：

比 Electron 更轻量
Rust 生态结合更自然
更好的性能表现

当前支持平台：

Windows
macOS

六、项目现状

目前 BitFun 仍然是一个 实验性项目，一些规划中的形态包括：

CLI
Server
Mobile
Telegram / Discord Agent 接入

希望未来可以逐步形成一个 可扩展的 Agent 生态。

顺便说一个比较真实的情况：

项目 97%+ 的代码是通过 Vibe Coding 完成的，
所以代码结构还有很多可以优化的地方，也欢迎一起改进。

七、结语

这个项目主要是业余时间的一个探索：

Agent + Tools + Memory

是否会成为未来一种新的 人机协作模式。

如果你对 AI Agent、开发工具或自动化系统感兴趣，欢迎一起交流：

提 issue
提 PR
分享你的想法