DWork：面向 AI Agent 的桌面工作流与工具编排平台

核心创新与工程设计

DWork 的价值不只是“把聊天、插件、浏览器、手机、Git 放在一个桌面里”，而是把 Agent 真正落地时绕不开的控制面做出来：上下文怎么长期保持、工具怎么安全执行、外部能力怎么动态接入、生成产物怎么继续编辑、长任务怎么隔离和恢复、多人/多 Agent 怎么并行但不互相踩线。

运行流程图

下面把 DWork 的关键运行链路整理成流程图：从用户输入进入 Agent loop，到工具治理、上下文压缩、记忆维护、插件路由、worktree 隔离、渲染产物编辑闭环，以及会话绑定的浏览器和手机自动化。流程图按源码结构抽象关键链路。

flowchart TD
  U["用户输入 / 图片 / 资源引用"] --> F["前端组装请求<br/>model + kb_refs + browser + context"]
  F --> S["Axum 会话 API<br/>创建 / 恢复 Session"]
  S --> R["ConversationRuntime"]
  R --> G{"请求前检查"}
  G -->|上下文超阈值| C["自动压缩<br/>compaction event"]
  C --> R
  G -->|可继续| M["Provider 流式调用"]
  M --> E["事件流<br/>Text / Thinking / ToolUse / Usage"]
  E --> UI["前端时间线实时渲染"]
  E --> T{"有 ToolUse?"}
  T -->|是| X["执行工具并写入 ToolResult"]
  X --> R
  T -->|否| P["持久化会话<br/>usage / metadata / snapshots"]

flowchart TD
  A["ToolUse 请求"] --> B["ToolRegistry 匹配工具声明"]
  B --> C["PermissionPolicy<br/>required_permission"]
  C --> D{"权限允许?"}
  D -->|否| Z["返回拒绝原因<br/>写入 ToolResult"]
  D -->|是| H["PreToolUse Hook"]
  H --> I{"Hook 决策"}
  I -->|deny| Z
  I -->|updated_input| J["使用改写后的输入"]
  I -->|allow| J
  J --> K["执行工具<br/>文件 / 浏览器 / 手机 / MCP / Agent"]
  K --> L{"输出过大?"}
  L -->|是| O["落盘 tool-results<br/>上下文保留预览 + 路径"]
  L -->|否| N["直接返回输出"]
  O --> P["PostToolUse Hook"]
  N --> P
  P --> Q["ToolResult 进入会话"]

flowchart TD
  A["会话累计变长"] --> B["估算 token + 读取模型窗口"]
  B --> C{"超过用户阈值<br/>或模型窗口阈值?"}
  C -->|否| D["继续正常请求"]
  C -->|是| E["CONTEXT CHECKPOINT COMPACTION"]
  E --> F{"模型摘要成功?"}
  F -->|是| G["高信号 handoff summary"]
  F -->|否| H["本地 fallback 摘要"]
  G --> I["保留最近消息<br/>避免切断 tool-use / tool-result"]
  H --> I
  I --> J["更新 compaction metadata<br/>前端显示压缩卡"]
  J --> K["会话记忆维护 agent"]
  K --> L["workspace-session-memory 队列"]

flowchart TD
  A["@插件 / @Skill / 工具搜索"] --> B["插件目录合并<br/>远程 registry + 本地 manifest"]
  B --> C{"插件暴露能力"}
  C -->|Skills| S["Skill 工具加载说明和模板"]
  C -->|MCP| M["MCP manager 连接 / 鉴权 / 列工具"]
  C -->|Host connector| H["宿主连接器工具"]
  S --> R["selected_plugins 指令<br/>skill-first / mcp-first / hybrid"]
  M --> R
  H --> R
  R --> T["Agent 按路由调用能力"]

flowchart TD
  A["新建会话或工作流"] --> B{"选择 worktree 隔离?"}
  B -->|否| C["使用原工作区"]
  B -->|是| D["检查 Git<br/>已初始化 + 有 HEAD + 干净"]
  D --> E["创建 session / workflow worktree<br/>临时分支"]
  E --> F["Agent 在隔离工作区修改"]
  F --> G["版本面板审阅 diff / stash / commit"]
  G --> H{"人工批准合并?"}
  H -->|否| I["保留 / 回退 / 删除 worktree"]
  H -->|是| J["提交 worktree 改动"]
  J --> K["merge 回源工作区"]
  K --> L{"冲突?"}
  L -->|是| M["AI 冲突解决会话"]
  L -->|否| N["清理 worktree 与临时分支"]

flowchart TD
  A["模型输出 fenced code"] --> B["前端识别渲染类型"]
  B --> C["渲染组件<br/>Mermaid / Draw.io / Three.js / PPT / HTML 等"]
  C --> D{"用户动作"}
  D -->|收藏| E["保存为 Favorite Resource"]
  D -->|修改| F["打开 BlockEditModal"]
  F --> G["写入临时文件"]
  G --> H["AI 读取文件并 edit_file 局部修改"]
  H --> I["override 持久化"]
  E --> J["资源选择器再次引用"]
  I --> J
  J --> K["进入下一轮会话上下文"]

flowchart TD
  A["会话开启浏览器 / 手机"] --> B["后端注入环境能力<br/>CLAW_BROWSER_ENABLED / CLAW_PHONE_ENABLED"]
  B --> C{"目标类型"}
  C -->|浏览器| D["会话独立 profile<br/>DOM / click / run_js"]
  C -->|手机| E["ADB session scope<br/>snapshot / find_ui / tap / type"]
  D --> F["ToolResult 返回页面或设备状态"]
  E --> F
  F --> G["Agent 读取状态并决定下一步"]
  G --> H{"任务结束?"}
  H -->|否| C
  H -->|是| I["状态写入会话历史"]

flowchart TD
  A["新建工作流"] --> B["AI 拆解任务 / 人工录入任务"]
  B --> C["待办"]
  C --> D["执行中"]
  D --> E{"需要人工确认?"}
  E -->|是| F["人工复核"]
  F --> G{"通过?"}
  G -->|否| H["失败 / 退回修改"]
  G -->|是| I["合并中"]
  E -->|否| I
  I --> J{"合并成功?"}
  J -->|否| H
  J -->|是| K["已完成"]
  H --> C

产品截图

以下展示 DWork 的主要产品界面，覆盖 Agent 工作台、插件中心、会话渲染、手机监控、版本管理、工作流看板和生产力模块。

截图：插件中心能力市场与依赖状态

截图：手机监控ADB 设备与实时画面

截图：版本管理敏感内容已隐藏

截图：差异查看敏感内容已隐藏

截图：新建 worktree 会话工作区路径已隐藏

截图：Draw.io 会话渲染输出可收藏、可修改

截图：Draw.io 块编辑器AI 辅助局部修改

截图：AI 工作流看板任务状态与流转视图

截图：Agent 工作台与 WebSearch 会话会话、资源与工具区

截图：收藏中的 Three.js 渲染结果渲染资源沉淀

截图：手绘画板画板输入与 AI 协作

截图：PPT 设计器演示文稿生成与编辑

插件系统

插件中心用于安装和管理第三方操作能力。截图中可以看到分类、已安装数量、可用状态、配置路径、标签能力和依赖提示。源码显示它不是静态清单，而是“远程注册表 + 本地 manifest + 依赖适配器”的运行时系统。

会话渲染输出与可编辑产物

DWork 的会话不只是 Markdown 聊天。模型输出指定 fenced code block 后，前端会识别渲染类型并直接转成可交互产物；产物可以收藏为资源，也可以在会话中打开“修改”进入块编辑器，让 AI 读取临时文件并用 edit_file 做局部修改。

会话内 Draw.io 渲染可收藏、可修改

渲染块编辑器AI 读取文件后局部修改

支持的渲染类型

模型 Provider 支持

模型配置支持多 profile：每个 profile 保存 id、name、model、provider、baseUrl、apiKey，可设为默认，也可绑定到会话、定时任务、工作流步骤。运行时会把 profile 转成对应 provider 的环境变量，并按模型名优先路由。

会话级内置浏览器隔离

DWork 的浏览器能力不是全局共享开关，而是绑定到具体会话。开启后，当前会话会使用独立 Chrome profile，Agent 可以在这个隔离浏览器里打开网页、读取 DOM、点击元素、执行 JavaScript，并在每次关键操作后验证页面状态。

手机控制 / 移动端自动化

DWork 可以把 USB/ADB 连接的 Android 手机接入 Agent 工具链。前端提供手机监控面板，后端负责设备发现、连接、截图、UI 层级读取和输入动作执行；会话启动时把已连接设备以环境变量注入给运行时，让 Agent 能在当前会话内直接观察并操作手机。

截图：手机监控面板实时设备画面

Agent 工作台

左侧功能区把知识库、定时任务、网页设计、PPT、文档编写、Excel、我的应用、插件、服务器集中到一个入口；右侧会话区支持 WebSearch、资源引用、模型选择、浏览器开关和深度研究开关。

截图：Agent 工作台与 WebSearch 会话会话与工具执行视图

AI 工作流看板

工作流看板支持任务创建、AI 拆解、运行、审批、拒绝、重试、继续、停止、移动状态、会话关联和 Git worktree 隔离。状态列覆盖待办、执行中、人工复核、合并中、已完成、失败。

截图：AI 工作流看板任务状态看板

版本管理系统

DWork 内置 Git 版本管理面板，用来承接 Agent 生成代码后的人工检查、暂存、提交、分支切换、提交历史查看和差异审阅。除了工作流执行会创建独立 Git worktree，普通会话在新建时也可以勾选“创建为 worktree 会话”，把本次对话的改动放到独立分支和独立工作区里，完成后再由用户合并回源工作区。

版本管理面板内容区已打码

差异查看器内容区已打码

新建 worktree 会话工作区路径已打码

记忆系统：会话记忆与工作区记忆

DWork 的记忆不是单一提示词，而是分层的长期上下文系统：会话记忆负责把当前对话的任务状态、文件、错误修正和结果沉淀下来；工作区记忆负责把跨会话仍然有价值的项目状态、决策和架构信息沉淀下来；Agent/项目记忆再把 CLAUDE.md、团队记忆和不同作用域的 Agent memory 加载进运行时。

会话自动压缩：按设置与模型动态调整

DWork 的压缩机制用于解决长会话上下文膨胀问题。它不是把旧消息粗暴删除，而是把较早的对话切成高信号摘要，保留最近一段原文、工具调用连续性和必要文件内容，再把摘要作为“上一段会话的交接信息”放回会话开头，让 Agent 在长任务里继续工作。

生产力模块

截图：PPT 设计器演示文稿生成与编辑

截图：手绘画板画板输入与 AI 协作

自动化与资源能力

源码锚点

文档内容基于项目源码阅读整理，重点锚点如下。

技术架构

项目摘要