wayland

你的 AI 工具，不再是孤岛

凌晨两点，你正在赶一个项目。Claude Code 在写代码，Gemini 在帮你润色文档，Codex 在跑测试——三个窗口来回切换，每个工具都只记得当前对话，文件改了哪里、上下文走到哪了，全靠你自己脑子里记。这种状态，是大多数 AI 工具使用者的日常。

Wayland 正是为解决这个问题而生：它是一个本地优先的桌面 AI Agent 控制中心，一个 Agent 去驱动其他所有 Agent。安装它，粘贴一个 API Key，从此你的 Claude Code、Codex、Gemini、Qwen、Goose 全部从一个界面出发，共享记忆，协同作战。

背景：为什么需要一个 "Agent 的 Agent"

2024 年开始，AI Coding 工具爆发式增长。Claude Code、GitHub Copilot、Codex、 Gemini、Bolt、 Goose……每个工具各有优势，但它们有一个共同缺陷：孤立。每个工具只管自己那一个会话，文件改了什么都记不住，下一个任务从头开始，更别说跨工具协作。

Wayland 的核心思路很简单：不要让用户在不同工具之间来回跳，而是让工具们在一个系统里协同。Wayland 本身是一个 Agent（Perceives、Reasons、Acts、Evolves），同时也是一个调度层，可以驱动本地安装的其他 Agent CLI。它由 FerroxLabs 开发，协议采用 AGPL-3.0，完全开源，引擎核心约 47MB。

核心功能：从"问答"到"协作"

Wayland 的使用模式叫 Cowork——你设定目标，Wayland 负责规划、执行、记忆、调度。它不是一个更漂亮的聊天窗口，而是一个真正会记住项目上下文的系统：

持久记忆：5 个 SQLite 分区存储状态、上下文、记忆，不会在会话之间重置。你关掉窗口再打开，Wayland 还记得你们上一次做到了哪一步。

Agent 团队：任务大了，Wayland 可以自动组建 Agent 团队——一个"管理者"Agent 和多个专家 Agent（代码、文档、测试等）协同作业，共享一块"黑板"交换中间结果。

跨工具路由：同一个任务，代码部分路由到 Claude Code，测试部分路由到 Codex，最终汇总到一份报告。你可以设定规则，也可以让它自动选择最合适的模型。

安全沙箱：Wayland 在各平台使用原生沙箱机制运行 shell 命令——Linux 用 Landlock、macOS 用 sandbox-exec、Windows 用 AppContainer。API Key 和数据始终留在本地。

本地 + 云端灵活切换：默认完全本地运行（可接入 Ollama），需要更强推理能力时随时切到 Claude/Gemini 等云端模型。

技术架构：Electron + Rust 引擎的三层分离

Wayland 的技术选型相当讲究，体现了作者对性能的追求：

Electron + Bun 运行时：主应用基于 Electron 构建，开发时使用 Bun 作为包管理器和运行时（Bun >= 1.3.0），构建产物通过 electron-builder 打包为 macOS .dmg / Windows .exe / Linux AppImage。引擎核心用 Rust 编写（Bun 通过 FFI 调用 Rust 编译产物），实测二进制大小约 47MB。

三层进程分离：src/process/（主进程，无 DOM API）、src/renderer/（渲染进程，无 Node.js）、src/preload/（IPC 桥接），三部分严格隔离，通过 Electron 的 contextBridge 通信，这是 Electron 应用的经典安全模式。另有 src/server.ts 作为独立 Web 服务器入口，可以在无 Electron 的服务器环境运行。

构建系统：使用 electron-vite 作为开发构建工具（electron-vite dev），UnoCSS 作为原子化 CSS 框架，Vitest 作为测试框架（覆盖率目标 >= 80%），oxlint/oxfmt 作为代码规范工具。

原生模块：项目依赖 node-pty（伪终端）、better-sqlite3（SQLite 绑定）、bcrypt（密码哈希）、web-tree-sitter（代码解析），这些需要原生编译的模块在 electron-builder 中有明确的白名单配置，体现了对打包复杂度的清醒认知。

Docker 支持：官方提供多阶段 Dockerfile，Node:20-slim 构建、oven/bun 运行时，最终暴露 3000 端口。可通过 docker run -e ALLOW_REMOTE=true 开启远程访问，支持数据卷挂载 $(pwd)/data:/data 持久化 SQLite 数据。

上手体验：桌面版 vs 命令行 vs Docker

桌面版（推荐新手）：下载对应平台的 .dmg/.exe 安装包，安装后打开应用，粘贴 API Key 即可使用。GUI 界面包含 Dashboard、Teams、Scheduled Tasks 等多个视图，上手门槛最低。

命令行版（适合开发者）：bun install && bun run cli，需要 Node.js >= 22 和 Bun >= 1.3.0。命令行界面适合已经习惯终端操作的开发者。

Docker 版（服务器部署）：官方 Dockerfile 支持，构建后 docker run -p 3000:3000 -v $(pwd)/data:/data 即可启动 Web 服务，通过浏览器访问。远程访问需显式设置 ALLOW_REMOTE=true 并配合反向代理和 TLS。

局限与挑战

配置复杂度：Wayland 的功能极其丰富，但也意味着初始配置有一定学习成本——如何设置 API Key、如何组织 Agent 团队、如何配置调度规则，都需要阅读文档。

多 Agent 协调的不确定性：让多个 AI Agent 协同工作听起来美好，但 Agent 之间如何避免重复劳动、如何处理冲突、如何保证输出质量，目前仍依赖设计者的经验。Wayland 提供了机制，但最佳实践仍在积累。

Electron 的性能代价：作为 Electron 应用，Wayland 的内存占用和启动速度比不上纯原生应用。对于追求极致轻量的用户，这是需要权衡的地方。

AGPL-3.0 协议：如果你基于 Wayland 开发并分发软件，AGPL-3.0 要求你必须开源修改后的代码。这对于个人用户无影响，但对于商业软件公司可能需要额外注意。

行业意义：AI 工具从"单打独斗"到"协同作战"

Wayland 的增长轨迹值得关注：发布不久即获得近 500 star，说明市场对"AI 工具整合"的需求是真实存在的。它代表了一种趋势：随着 AI 工具越来越多，用户需要一个控制平面来统一管理这些能力，而不是在各个窗口之间疲于奔命。

更值得关注的是它的开源属性——大多数 AI Agent 产品（如 Roo Code、Copilotilot 等）是闭源商业软件，而 Wayland 选择了 AGPL-3.0，这意味着任何人都可以审视它的代码、了解它如何处理 API Key、验证它的数据安全承诺。对于关注隐私的用户来说，开源本身就是最大的信任背书。

总结：Wayland 是一个野心勃勃的项目——它不只是一个"更好用的 AI 聊天界面"，而是一个试图将所有 AI 工具统一管理的本地优先系统。架构扎实、功能丰富、文档详尽，适合已经使用多个 AI 工具、渴望提升效率的高级用户。对于普通用户，桌面安装包仍是推荐入口。