nanoMuse

nanoMuse 是由浙江大学 APRIL 实验室与杭州数智鲲鹏科技有限公司联合发起并持续维护的开源个人智能体，核心定位是“把个人智能体从大厂云端交回到你自己的设备上——手机、电脑、浏览器共享一个账号和同一段对话，模型由你选，relay 可以自己托管，每一行代码都向你公开”。它不满足于做一份简单的跨设备聊天工具或单一平台的自动化脚本，而是将 跨设备统一 Agent、Hands 屏幕操作、持续后台运行、可编辑 Markdown 记忆、Sentinel 安全门禁、任意模型接入、MCP 工具生态、自托管 relay 整合于一套完整的开源体系中，全部配有 Android / iOS / Windows / macOS / Linux / Web 全平台客户端，GPL-3.0-or-later 开源协议，以及发布 18 天即冲到 1,000 GitHub Stars 的社区认可。

一、nanoMuse 是什么

nanoMuse 采用“每台设备运行独立智能体 + relay 中继协同 + 用户自选模型”三位一体的架构，通过 GitHub 完全开源发布。项目由浙江大学 APRIL 实验室研究团队发起，论文《nanoMuse: An Open-Source Personal Agent for Every Device You Own》于 2026 年 10 月登上 Hugging Face Daily Papers 当日榜第三，配套开源项目同步上线。截至 2026 年 10 月，项目 GitHub Stars 约 1.3k，最新版本为 1.0.5 Lookout。

nanoMuse 的运作机制与市面常见的“云端专属计算机 + 瘦客户端”模式有本质区别。Meta Muse 等产品的底层架构是“云端为每位用户配一台专属计算机，用户手里的设备是瘦客户端，模型由厂商训练、部署、说了算”。nanoMuse 给出了另一条路：个人智能体是一个软件问题，不是一个模型问题——它跑在哪里、由谁运行、在谁的注视下运行，这些不是部署细节，这些就是产品本身。每台设备（手机应用、桌面应用、Web 控制台以及连接它们的 relay）都在同一个仓库中，可以完全自托管。它的风格对标 Meta Muse：替你做事而不是回答问题，应用关闭后继续工作，记得你，并在任何不可逆操作前先询问。

二、nanoMuse 能做什么

nanoMuse 的核心能力可以精炼地概括为：跨、手、续、记、安，围绕这五大维度提供了从跨设备协同到安全执行的完整路径，覆盖个人智能体使用的全方位需求，具体包括：

跨设备统一与任务接力（跨） ——不是“每台设备一个独立的助手”，而是“一个 Agent 贯穿你拥有的所有设备”。手机、电脑、浏览器共享一个账号和同一段对话，聊天记录在设备之间同步。在手机上交代一句 @Mac 编译一下项目，把日志发我，任务从中继路由到 Mac 执行，结果和需要批准的操作送回手机。跨设备是设计目标而非事后补丁——应用、Web 控制台和 relay 全部在同一个仓库中交付，可以自己部署。

Hands 屏幕操作（手） ——不是“只能调用 API”，而是“直接操作那些从未提供 API 的软件”。开启“Hands”后，Agent 可以查看截图、点击、输入、滑动，再观察操作后的屏幕继续下一步。Android 端操作手机 App，桌面端操作电脑窗口；iOS 端受系统限制不具备操作其他 App 屏幕的能力。工具优先级是明确的：先找 Skill、CLI 或 MCP 工具，再尝试网页和浏览器，最后才操作设备屏幕——能用现成工具完成的动作不绕到屏幕上。

持续运行与定时例程（续） ——不是“你关掉 App 它就停了”，而是“应用关闭后仍在后台工作”。Agent 可以按计划检查目标、应用关闭后继续运行例程、每天早晨为你生成一份信息流。这背后是个人智能体从“回答完就等待”到“持续在场”的范式转变——正如论文摘要所说：“2011 年的助手回答完就等待，2023 年的智能体做完一个任务就停止”。

可编辑 Markdown 记忆（记） ——不是“记忆藏在黑盒里”，而是“智能体的身份、对你的了解和唤醒时间都是可读可编辑的 Markdown 文件”。你可以直接打开这些文件，看到 Agent 记住了什么、为什么记住，也可以修改或删除。这种“记忆即文件”的设计，让个人智能体的记忆从“厂商的私有资产”变为“用户可审计的文本”。

Sentinel 安全门禁与确认机制（安） ——不是“出了事才追责”，而是“不可逆操作前一定停下来问你”。删除、发送、支付等操作前暂停确认；登录和验证码交还给用户，点按完成后继续。底层安全设计平移继承自 Meta Muse 的 Sentinel 模型：所有权限收归到 Sentinel 一道关卡，真实凭证放在网络边界之外，工具进程在内核层被追踪并以“是否触碰用户数据”作为污染判定——智能体即便被攻破，也拿不到用户的真金白银与隐私数据。确认机制是一等公民：不可逆操作需要按单次、单会话或永久粒度授权，密码和验证码始终由用户手动输入。

三、nanoMuse 适合谁用

nanoMuse 的内容设计使其适配各类希望拥有一个“真正属于自己的”个人智能体的用户与开发者，核心聚焦那些“不想把对话、文件、屏幕交给大厂云端，但又希望 Agent 能跨手机和电脑替自己干活”的人群，主要涵盖以下几类：

数据主权优先的个人用户——希望个人智能体跨手机和桌面工作，但数据永远不离开自己的家。nanoMuse 的 relay 可以在单台 VPS 或家用服务器上自托管，文件和截图保留在生成它们的设备上，会话文本经 relay 传输但不落盘。

跨设备工作的开发者与知识工作者——经常在手机和电脑之间切换，需要在手机上发起任务、让电脑执行、在手机上审批结果。nanoMuse 的 @设备名 任务路由和审批卡片回流机制，让“手机上吩咐一句，电脑接着干”成为原生体验。

需要操作“无 API 软件”的用户——很多桌面应用和手机 App 从未提供 API，但用户需要在其中完成重复性操作。Hands 的屏幕操作能力覆盖了这些“API 够不着”的场景。

愿意折腾早期项目的开发者——项目发布不到一个月，功能仍在快速演进，适合愿意参与开源共建、反馈问题、提交 PR 的开发者。论文、demo 和开源代码三者齐全，也适合研究者复现和扩展。

希望模型自由选择的用户——不想被锁定在某一家模型提供商上。nanoMuse 支持 18 家提供商（OpenRouter、OpenAI、Gemini、DeepSeek 等）的自有密钥，也可以使用已付费的 ChatGPT、Claude、Kimi 订阅；社区 relay 提供免费额度，用尽后切换为自己的 Key 即可。

四、nanoMuse 的应用场景是什么

基于其内容设计与定位，nanoMuse 的应用场景主要围绕跨设备任务接力、无 API 软件操作、定时后台例程和私有智能体自托管，覆盖从个人自动化到团队协作的多个场景，具体包括：

跨手机与电脑的个人任务自动化场景——你在手机上给在线的电脑交代任务（编译项目、处理文件、运行脚本），电脑执行后把结果和需要审批的操作送回手机。手机负责发起和跟进，繁重的工作仍然发生在有代码、有环境的电脑上。

仅图形界面、无 API 的应用操作场景——某个 App 只能在屏幕上点击，没有开放接口。开启 Hands 后，Agent 截图、识别按钮、点击输入，完成操作后再看屏幕继续下一步。这是 nanoMuse 区别于“只调用 API 的 Agent”的核心场景。

定时例程与后台目标持续运行场景——给 Agent 一个长期目标或每日例程，它按计划检查进展、应用关闭后仍继续工作，每天早晨为你生成一份信息流。

自托管私有智能体场景——在单台 VPS 上运行自己的 relay，所有设备连接这个 relay，对话和任务数据在自己的基础设施内流转，数据不出家门。relay 架构的设计是：登录后的各设备智能体在 relay 上会合并可互相请求协作，会话文本经 relay 传输，而文件和截图保留在生成它们的设备上。

融入日常 IM 的团队访问场景——团队成员可以通过飞书、钉钉、企业微信和 Telegram访问同一个智能体。这为小团队提供了一种“不离开日常聊天工具就能调用 Agent”的协作方式。

五、nanoMuse 为什么值得关注

nanoMuse 之所以值得关注，核心在于它将“个人智能体从大厂云端专属计算机的封闭架构中解放出来，回归用户自己的设备、自选的模型和可审计的代码”，并具备“跨设备原生设计、Hands 屏幕操作、Sentinel 安全平移继承、可编辑 Markdown 记忆、自托管 relay”的独特价值，具体体现在以下几点：

从“云端瘦客户端”到“用户自己的设备”的架构革命。2026 年 9 月，Meta Muse、Today、OpenMuse、Manus Cue、OpenAI dots 在三周内密集发布，底层是同一套架构：云端为每位用户配一台专属计算机，用户手里的设备是瘦客户端。nanoMuse 给出了根本性的替代方案：智能体运行在用户自己的手机、电脑和服务器上，跨设备协同，模型由用户自由选择，所有工具调用、记忆与权限边界向用户公开。这种“跑在哪里、由谁运行、在谁的注视下运行”的产品哲学，是 nanoMuse 区别于所有闭源个人智能体最核心的价值。

从“只能调用 API”到“直接操作屏幕”的能力延伸。大多数 Agent 的能力边界由 API 决定——没有 API 的软件，Agent 就束手无策。nanoMuse 的 Hands 通过截图识别和模拟操作，覆盖了那些从未提供 API 的软件，把 Agent 的“手”真正伸到了图形界面。同时它坚持工具优先级——先 Skill/CLI/MCP，再网页，最后才是屏幕操作——避免不必要的模型调用和时间消耗。

Sentinel 安全模型的“平移式继承”——开源复现大厂级安全。Muse 的 Sentinel 设计把智能体的所有权限收归一道关卡，真实凭证放在网络边界之外，工具进程在内核层被追踪并以“是否触碰用户数据”作为污染判定。nanoMuse 把这套安全模型以开源形式还原，让任何 AI 从业者都能在自己的部署里复用，而不是只能信任大厂的内部承诺。这种“安全设计可审计”的立场，在个人智能体领域极为罕见。

“记忆即 Markdown 文件”的可审计性。大多数 Agent 的记忆是黑盒——你只能猜测它记住了什么。nanoMuse 将智能体的身份、对你的了解和唤醒时间暴露为可读可编辑的 Markdown 文件。用户可以直接审阅和修改记忆，这种“记忆透明”的设计与“自托管、自选模型”形成了完整的用户主权链条。

论文 + demo + 开源代码的三位一体验证。nanoMuse 不是“先开源再看效果”的实验品——它伴随着一篇完整的 arXiv 论文（arXiv:2610.08699），论文定义了个人智能体的“五问三层框架”，从 Meta 公开的产品文档和生产环境 system prompt 中反向推导出架构，再给出开源实现。配套的在线 demo（demo.nanomuse.dev）让用户可以在登录后操作一个模拟手机上的 Agent，没有 benchmark 数字，但你可以用 demo 和论文自行判断。

现实挑战与生态成熟度。nanoMuse 并非没有短板。首先，项目发布不到一个月，Star 数约 1.3k，功能仍在快速演进，生产级稳定性尚不成熟。其次，完全离线运行的细节不明确——推理默认在 relay 上运行，本地 GPU 需求、VRAM 需求和完全离线可行性在文档中没有完全说明，需要用户自行验证。再次，iOS 端不具备操作其他 App 屏幕的能力，Hands 的能力在 Android 和桌面端更完整。最后，模型能力需要分别配置——聊天、屏幕操作、图片生成、视频生成各需对应模型，填一个 API Key 并不代表全部能力就绪。