KIRA：本地优先的 AI Agent，需用工具结果证明任务完成

大多数 AI 助手擅长给出一个答案。更难的问题是：它们是否真的完成了所声称的工作。

我在这个缺口上构建了 KIRA Superapp。KIRA 是一个开源的、本地优先的 Agent 运行时，专为 Apple 硅芯片 Mac 设计。它的编排模型可以在本机运行，工作内存保留在本地，语音可以保留在本地，操作经过权限门禁。当 KIRA 使用一个工具时，工具结果——而非模型的置信度——决定任务是否完成。

它的决策层是 Orchestrator V1，一个用于规划工具使用的模型，而非仅仅产生对话式回答。

KIRA 不应该说一个任务已完成，除非运行时从执行该任务的工具那里获得了证据。

本地模型：Orchestrator V1 通过 MLX 在 Apple 芯片上运行。

本地工作状态：聊天、记忆、日志、工件和下载的模型默认保存在 Mac 上。

本地语音：Whisper 处理语音转文字，Kokoro ONNX 支持文字转语音。

权限门禁：变更性工具在修改文件、运行命令或调用外部服务之前会请求权限。

结果验证：KIRA 从真实的工具输出中继续，而非从生成的文本中宣告成功。

诚实的网络访问：网页研究和配置的连接器仅在这些功能被使用时才上网。

代码和安装说明在 GitHub 上。我想要技术性的具体反馈，包括安装失败和 Agent 循环破裂——而非人为的吹捧。

聊天机器人收到一条提示并返回文本。Agent 有更难的工作：决定是否有足够的信息、选择正确的工具、执行它、解释结果，并决定是否需要下一步。

User goal
  -> Orchestrator V1 chooses the next step
  -> KIRA executes the selected tool
  -> the real result returns to the runtime
  -> the model evaluates that evidence
  -> repeat until the task is genuinely complete

模型是规划者。运行时拥有执行权、权限和证明。语言模型可以写出一个令人信服的句子，说文件已创建或命令已成功。KIRA 只有在相关工具确认后才会报告该结果。

KIRA 中的本地优先意味着什么

本地优先不是一个隐私宣传口号。它塑造了应用程序的运行方式和数据存储方式。

KIRA 使用为 Apple 芯片优化的 MLX。安装程序将 Orchestrator V1 下载到本地模型目录。KIRA 还可以发现在常见本地位置中的兼容模型文件夹，包括 LM Studio 目录。它拒绝云端占位的 iCloud 占位符，而非假装一个不完整的模型已就绪。

Orchestrator V1 也以 GGUF 格式提供，适用于兼容的本地运行时。

Apple 优化的 Whisper 模型提供本地语音转文字。Kokoro ONNX 路径提供本地文字转语音，因此语音输入和输出不必发送到云端语音服务。

边界内的本地记忆

KIRA 在本地存储有限期的近期连续性和选定的持久偏好。记忆层过滤可能的秘密，如密码、API 密钥、私钥、凭证和令牌。检索到的记忆是上下文，而非应该自动运行的新命令。

提供商设置、使用记录、聊天历史、记忆、日志、生成的工件和下载的模型被排除在 Git 之外。可选的提供商凭据存储在 macOS Keychain 中，而非源码管理中。

本地优先不等于离线表演

某些功能本质上是联网的。网页研究必须联系网站。MCP 连接器可以与外部服务通信。可选的模型提供商会发送用户所请求操作所需的数据。

目标不是声称每个功能都是离线的。而是在让外部访问明确且任务相关的同时，保持核心智能和个人工作状态在本地。

权限门禁是产品的一部分

本地软件如果获得无界限的广泛访问，仍然可能造成损害。本地 Agent 可能编辑文件、执行命令、与 IDE 交互、调用连接器或创建自动化。

KIRA 将变更文件、命令、IDE、MCP 和自动化操作保持在明确的权限门禁之后。目的不是让模型显得无畏。而是让系统足够可预测以至于可以信任。

私有推理在显示和聊天持久化之前被过滤。用户应该看到进度、权限请求、有用的证据和最终结果——而非不受控制的推理倾倒。

一个运行时而非脱节的演示

KIRA 将本地聊天、工具选择、结果驱动的继续、可选的网页研究、文档和演示文稿生成、编码工作流、本地语音、调度、插件、MCP 连接器管理、本地记忆和权限门禁整合在一起。

将其称为 Superapp 的意义并非一个界面神奇地完成一切。这些能力共享一个编排和安全层，而非表现得像无关的演示。

硬件和安装

当前版本面向 Apple 硅芯片 Mac（M1 或更新版本），不支持 Intel Mac。它需要 Python 3.11 或 3.12、至少 16 GB 统一内存和约 12 GB 可用磁盘空间。建议使用 24 GB 内存。

初始依赖项和模型下载需要互联网访问。安装后，本地功能从存储在 Mac 上的资源运行；依赖网络的功能仍需要连接。

git clone https://github.com/saggamer/KIRA-Superapp.git
cd KIRA-Superapp
chmod +x INSTALL_MACOS.command DOWNLOAD_MODELS.command superapp
./INSTALL_MACOS.command
./superapp

KIRA 以 Apache License 2.0 发布。使用前请查阅 Orchestrator V1 模型卡及其基础模型条款，以及可选集成的许可。

买家的问题——和建造者的回答

为什么安装这个而不是使用托管助手？

如果本地推理、本地工作数据、可检查的代码和注重权限的工具对你很重要，就安装 KIRA。如果你想要零设置的托管体验，早期本地项目可能还不是正确的选择。

一切都完全离线吗？

不是。核心模型、记忆、语音和工件工作流可以在本地操作。网页研究和配置的外部连接器使用网络，因为那是它们的目的。

这已经生产就绪了吗？

这是一个早期开源项目。它需要干净的安装测试、更强的文档、对抗性 Agent 循环测试和真实世界反馈。

试试它——并尝试打破它

KIRA Superapp: https://github.com/saggamer/KIRA-Superapp

Orchestrator V1 for MLX: https://huggingface.co/saggamer/Orchestrator_V1

Orchestrator V1 GGUF: https://huggingface.co/saggamer/Orchestrator_V1_GGUF

如果你有一台支持的 Mac，尝试一个真实的工作流并报告发生了什么。一个有用的 issue 包括你的硬件、macOS 版本、模型格式、确切提示、预期结果和你实际看到的工具结果。

我特别重视对权限模型、记忆边界和工具结果循环的批评。这些部分决定了一个 Agent 是仅仅令人信服还是真正可靠。

KIRA 是早期软件，所以最有价值的反馈是可复现的证据。如果你尝试了，请测试一个完整的工作流，而非仅仅打开聊天屏幕。

有用的测试用例包括：

在干净的受支持 Mac 上安装；

检查本地模型发现是否找到正确的文件夹；

启动本地语音识别和文字转语音；

让 KIRA 创建一个真实文件并检查返回的路径；

拒绝权限请求并确认操作停止；

强制工具失败并检查 KIRA 是否不会声称成功；

使用网页研究并检查网络行为是否清晰；

审查本地历史和记忆中的存储内容。

一份有力的 issue 报告包括 Mac 型号、统一内存大小、macOS 版本、Python 版本、模型格式、确切提示、预期结果、观察到的工具结果以及去除秘密后的相关日志。

本地 Agent 生态系统需要的不仅仅是模型基准测试。它需要对权限、记忆边界、工具执行、故障恢复和完成声明的可重复测试。这些运行时细节决定了一个 Agent 在日常工作中是否值得信赖。

我现在发布 KIRA 是因为外部测试会暴露开发机器上看不见的假设。如果安装程序很脆弱，请说出来。如果权限提示令人困惑，请展示确切的工作流。如果 Agent 在工具调用失败后声称成功，那是高优先级的 bug。

目标不是赢得一个演示。目标是构建一个行为可以被检查、挑战和在公开场合改进的 Agent。

如果你觉得方向有用，可以给仓库加星，但测试更有价值。提交一个包含可复现失败 issue，建议更安全的权限边界，或为工具结果循环提出一个基准测试。

Repository: https://github.com/saggamer/KIRA-Superapp

感谢阅读——如果你测试 KIRA，请严格一些。