Wolffish 实战：如何用一款本地优先的「大脑架构」AI 桌面 Agent 管理你的日常任务
厌倦了”黑盒”AI Agent？
你是否也遇到过这样的困境：AI 编码工具确实强大，但它们总是以 CLI 或云端服务的形式存在——要么是一个你不知道内部在做什么的黑箱，要么需要打开端口暴露在互联网上，要么每次更新后都要重新学习配置流程。
如果你想要一个安装即用、数据完全在本地、而且能让你真正理解 Agent 思考过程的桌面工具，Wolffish 值得一试。
Wolffish 是一个开源的、本地优先的 AI 桌面 Agent。它会安装为一款原生桌面应用（macOS/Windows/Linux），不需要配置服务器，不需要打开端口，所有数据都存储在 ~/.wolffish/ 目录下。删除这个目录，系统就回到出厂状态。
但它的独特之处不在于”本地运行”——而在于它的架构设计。
一套「大脑模块」架构
Wolffish 的内核由 15 个运行时模块组成，每个模块类比人脑的某个功能区。它们通过一个名为 Corpus（类比胼胝体）的类型化事件总线相互通信。
每次消息的流转路径是确定性的：
用户消息 → 前额叶（构建上下文）→ 丘脑（调用 LLM）→ 布罗卡（流式输出） → 韦尼克（解析工具调用）→ 杏仁体（安全检查）→ 运动皮层（执行操作） → 海马体（保存记忆）→ 基底节（记录结果）
整个过程只有一个环节依赖 LLM 的创造力（thalamus.stream()），其他所有环节都是可预测的确定性代码。这意味着你可以精确追踪 Agent 每一步的思考过程。
15 个模块的具体分工如下：
| 模块 | 功能 | 大脑类比 |
|---|---|---|
| 丘脑 | 路由输入到 LLM 提供商 | 感觉网关 |
| 前额叶 | 构建上下文 | 执行功能 |
| RAS | 注意力筛选 | 网状激活系统 |
| 皮层 | 快速检索索引(SQLite FTS5) | 模式匹配 |
| 海马体 | 记忆存储与整合 | 记忆中心 |
| 小脑 | 加载能力模块 | 运动协调 |
| 韦尼克 | 解析 LLM 输出 | 语言理解 |
| 布罗卡 | 流式输出到界面 | 语言产生 |
| 杏仁体 | 安全门控 | 威胁检测 |
| 运动皮层 | 执行任务 + 重试 | 运动皮层 |
| 基底节 | 记录结果用于反馈学习 | 奖励处理 |
| 下丘脑 | 监控系统健康 | 体内平衡 |
| 脑干 | 后台进程与定时任务 | 自主功能 |
| 胼胝体 | 事件总线 | 连接两半球 |
| 岛叶 | 自我感知与内省 | 内感受 |
安装：一条命令启动
Wolffish 的安装非常简单。先确保已安装 Node.js 24+ 和 npm 11+，然后执行：
curl -fsSL https://releases.wolffi.sh/install.sh | sh irm https://releases.wolffi.sh/install.ps1 | iex
也可以从 wolffi.sh 直接下载对应平台的安装包，或者从源码构建：
git clone https://github.com/thewolffish/wolffish-app.git cd wolffish-app npm install npm run dev
首次启动时，Wolffish 会自动在 ~/.wolffish/workspace/ 下创建默认的大脑模块文件。一切都在这个文件夹内——迁移、备份、重置都非常简单。
如果要使用本地推理，需要先安装 Ollama 并在配置中启用本地提供商。如果需要更高的回复质量，可以添加 Anthropic（Claude）或 OpenAI（GPT）的 API 密钥。
三层记忆系统
Wolffish 的记忆系统不依赖向量数据库，而是使用纯 Markdown 文件：
| 层级 | 位置 | 机制 |
|---|---|---|
| Episodes | episodes/YYYY-MM-DD.md | 每日对话日志，逐条追加。零延迟，不调用 LLM |
| Consolidated | consolidated/YYYY-WNN.md | 每周自动打包的摘要。LLM 压缩为模式识别 |
| Knowledge | knowledge/*.md | 关于人、项目、偏好的长期事实。可从对话提升或手动创建 |
前额叶模块在每次交互时会从三个层级拉取相关记忆，通过 RAS 模块做相关性打分，只把最重要的部分放入当前上下文。这种设计比把全部历史日志塞进上下文的方式高效得多。
20+ 内置能力
Wolffish 内置了 20 多项能力，以模块化方式组织在 brain/cerebellum/ 目录下：
| 分类 | 能力 |
|---|---|
| 系统 | Shell、文件系统、包管理器、Node.js |
| Web | 网页搜索、浏览器自动化 |
| 文档 | Word、PDF、Excel/CSV |
| 媒体 | FFmpeg、语音识别(Whisper)、语音合成 |
| 代码 | Git、GitHub (OAuth API) |
| 服务 | Gmail、Drive、Calendar、Notion |
| 桌面 | 计算机使用（截图、鼠标、键盘） |
| 其他 | 表情包、GIF 搜索、内省 |
能力的扩展也非常简单——在 brain/cerebellum/ 下放一个包含 SKILL.md 的文件夹，Agent 就会自动学会新技能。如果需要复杂逻辑，可以添加 plugin/index.mjs 文件来编写可执行代码。
三通道交互
Wolffish 支持三种交互渠道，共享同一份大脑状态：
- Electron 桌面应用：原生 UI，实时流式响应，支持丰富 Markdown 渲染
- Telegram Bot：通过内联按钮完成审批操作
- WhatsApp：通过 WhatsApp Web 协议直接消息
一个 TurnRunner 以 FIFO 队列序列化跨渠道的请求，TurnRouter 将审批请求路由到当前活跃渠道。这意味着你可以在电脑前用桌面 UI 工作，外出时用手机继续和同一个 Agent 对话。
安全与控制
Wolffish 在设计中内置了多层安全机制：
- 杏仁体模块：在危险操作执行前进行安全检查，需要明确审批
- Credential 封锁：配置项
blockCredentials可防止 Agent 意外暴露密钥 - 自包含沙箱：所有数据、配置、能力都在
~/.wolffish/一个目录里，删除即重置 - 本地优先：Ollama 模式下完全离线运行，数据永远不会离开本地
配置你的 Agent 人格
Wolffish 最有趣的地方在于——你通过编辑 Markdown 文件来定义 Agent 的行为，而不是修改代码。
brain/identity/soul.md：Agent 的性格——语气、冗长度、行为指导原则brain/identity/user.md：关于你的信息——姓名、角色、技术栈、项目、偏好brain/prefrontal/agents.md：操作手册——工具规则、流程、约束条件
想改变 Agent 的说话方式？编辑 soul.md。想让它记住你的项目结构？更新 user.md。一切都在纯文本 Markdown 中完成。
适合谁使用？
Wolffish 非常适合以下场景：
- 想要一个真正属于自己的 AI Agent——不需要把数据上传到第三方云端
- 想要理解 Agent 的思考过程——15 模块的确定性流水线可精确追踪每一步
- 需要跨平台运行——macOS、Windows、Linux 全部支持
- 偏好 Markdown 工作流——所有配置和记忆都是可读可编辑的纯文本
- 希望 Agent 有长期记忆——三层记忆系统让 Agent 从使用中持续学习
如果你只是想要一个快速生成代码的 CLI 工具，Wolffish 可能不是最佳选择。但如果你想要一个能理解你的上下文、记住你的偏好、并在本地安全运行的个人桌面 Agent——它的”大脑架构”设计提供了一种全新的 Agent 交互范式。
项目仓库：https://github.com/thewolffish/wolffish-app