这段时间，我把自己一直在用的一套 AI 工作台整理了一遍，也终于把它开源了。项目叫 Light AI。

一开始做它，并不是因为市面上缺一个聊天页面。恰恰相反，能和大模型聊天的界面已经很多了。真正让我觉得麻烦的是：聊天在一个网站，写代码要打开另一个终端，生成图片又是第三套工具；模型、账号、文件和历史记录各管各的。每切一次工具，刚刚建立起来的上下文也跟着断一次。

我想要的是一个自己和小团队都能长期使用的地方：打开之后，可以先聊清楚问题，也可以把真实任务交给 Agent，还能直接做图；所有这些能力共用同一套账号、导航和数据边界。

所以就有了 Light AI。

它不是三个功能拼在一起

Light AI 目前有三个主要工作区：对话、任务和图像。

对话区支持多会话、流式回复、Markdown、附件、分享、归档和导出，操作方式尽量保持熟悉。任务区可以运行 Codex、Gemini CLI 和 Claude Code，让 Agent 进入项目、读取文件、执行命令并完成修改。图像区则接入了 OpenAI 兼容接口和 Gemini 图像模型，可以带参考图生成，也可以沿着一次任务继续重试和迭代。

但我不希望它们只是侧边栏里的三个入口。

我更在意的是，用户从“有一个模糊想法”到“拿到可以继续使用的结果”，中间不要反复学习三套交互逻辑。三个工作区用了相同的导航、状态反馈和视觉语言；桌面端把空间尽量留给内容，移动端则单独做了抽屉、底部导航和触控细节，而不是把桌面页面硬挤进手机屏幕。

这些地方不会出现在模型能力排行榜里，却决定了一个工具第二天还会不会被打开。

我专门做了几个自己很在意的小功能

第一个是 任务过程要看得见。

编码 Agent 不是输入一句话、等半天、最后只收到一句“完成了”。Light AI 会把计划、执行过程、文件变更和产物整理出来。任务可以选择模型、推理强度、Plan 模式和工作区权限，也可以按项目归类。这样既能把事情交出去，又不会完全失去控制感。

第二个是 长任务不绑住网页。

对话、绘图和 Agent 都可能运行很久。我把这些任务交给独立 Worker 处理，编码任务还会进入一次性的 Docker Runner。关掉页面不代表任务消失，重新回来以后仍然能看到状态；取消、失败和重试也都有明确反馈。这里做了不少看起来很小的保护，例如任务租约和取消后的结果隔离，避免一个已经被取消的旧请求晚到一步，又把新状态覆盖掉。

第三个是 把推理过程变成能读的东西。

除了普通 Markdown 和代码高亮，界面还可以渲染 Mermaid 图。项目里也有单独的推理可视化入口，希望把模型复杂的分析过程整理成更容易跟随的结构。模型输出很长时，“能生成”只是第一步，“人能看懂”才算真正完成。

第四个是一个有点特别的入口：微信。

扫码配对后，微信消息可以被转成 Agent 任务，处理结果再回到聊天里。图片、文件、视频和语音也能作为附件进入任务工作区。它不是为了把微信变成另一个聊天机器人窗口，而是让我在离开电脑时，也能随手把一件事交给自己的工作台。

另外，我还做了统一的模型管理、邀请注册、用户权限、运行日志和用量估算。管理员可以集中配置模型端点和密钥，普通用户不需要在浏览器里反复粘贴 API Key。密钥由服务端加密保存，编码任务则放进资源和 capability 受限的独立容器里运行。

自托管，但我不想假装它没有边界

Light AI 使用 Next.js、SQLite 和 Docker Compose，个人或小团队在一台 Linux 主机上就可以跑起来。SQLite 开启 WAL 模式，部署和备份都比较直接；如果以后要支撑更大规模，再把数据库和任务队列替换成外部服务会更合适。

编码 Agent 的 Worker 需要访问 Docker socket，这意味着它在宿主机上拥有较高权限。Runner 做了 CPU、内存、进程数和 capability 限制，但它并不是一个面向陌生用户的多租户安全沙箱。所以我在 README 里把这条边界写得很明确：只给受信任的人开放 Agent 权限，也不要在没有 HTTPS、强密码和防火墙的情况下直接暴露到公网。

我一直觉得，开源一个能跑起来的项目，也应该把“它不适合做什么”一起讲清楚。

现在开源，欢迎一起把细节磨顺

Light AI 已经在真实环境里使用，不过开源版目前仍然处在早期阶段，接口和数据库结构还可能继续调整。仓库里准备了 Docker 部署文档、Agent 部署说明、单元测试和基于 Mock Provider 的端到端测试，不配置真实模型密钥也能跑验证流程。

项目采用 Apache License 2.0 开源：

GitHub：JimiZhou/light-ai

如果你也想搭一套自己的 AI 工作台，或者正在研究 Chat、编码 Agent、图片生成和多端入口怎样更自然地放在一起，欢迎来试试。遇到问题可以提 issue；如果你发现某个交互还能更顺、某段部署流程可以更稳，也非常欢迎直接提交 PR。

很多我最喜欢的小功能，最初都只是因为某次使用时冒出一句：这里要是再顺手一点就好了。