Kition: 将 AI 助手装进桌面工作区

从"空白提示框"说起

你一定有过这种体验：打开 AI 助手，满怀期待地准备让 AI 完成一项任务，结果面对的只是一个空白的输入框。那一刻的挫败感并不来自于 AI 不够聪明，而在于——你还得自己搞清楚：任务是什么？要输入什么？输出放在哪里？

Kition 想解决的问题正是这个。它不只是一个 AI 聊天窗口，而是一个完整的多模态桌面工作区：Markdown 文档、结构化数据表、白板画布、视觉化工作流，再加上一个能够真正操控文件的 AI Agent。

简单来说，Kition 把 AI 的能力嵌入了你真实的工作场景中，而不是让它漂浮在一个孤立的对话框里。

---

为什么做这个项目

Kition 背后的团队 KitionAI 认为，当前 AI Agent 的最大局限，不是模型能力不足，而是缺乏持久化的上下文。

当你让 AI 去"分析一下我的项目文档"，但文档散落在不同文件夹、Notion 页面和邮箱里，AI 每次都只能从零开始。而 Kition 的思路是：让 Agent 始终运行在一个有结构的本地工作区里——文档就是文档，表就是表，图像就是图像，Agent 的每一步操作都落在这里，随时可审查、可撤回、可复用。

这个设计哲学在 Kition 的开源边界说明里体现得很清楚：公开的代码只是客户端和桌面壳层，运行时核心是闭源的。这种架构选择让团队能够快速迭代产品体验，同时保持社区参与和透明度的平衡。

---

核心功能：五个工作台，一个 Agent

文档编辑器

基于 CodeMirror 构建的 Markdown 编辑器，支持实时预览、内部链接、双向链接（backlinks）、Callout 块、代码高亮（借助 highlight.js）、数学公式（KaTeX）、Mermaid 图表渲染，以及文档大纲和全文搜索。写完可以直接导出 PDF。

结构化数据表（.kitable）

区别于 Excel 或普通 CSV，Kition 的数据表是"类型化"的：每个字段有明确的数据类型（文本、数字、日期、附件、AI 生成字段等），支持公式、筛选、分组和多视图。官方给出的使用场景包括：研究资料整理、轻量 CRM、库存管理、项目跟踪。

AI 字段是这里最有意思的部分——你可以让 AI 根据上下文自动生成缩略图、文案变体，甚至从收据照片中提取结构化信息（通过视觉模型识别 + OCR + JSON 提取）。

白板（Whiteboard）

无限画布，支持思维导图、流程图、便利贴和自由草图。Agent 可以在白板上提出变更建议，用户逐条接受或拒绝预览后再应用——这意味着 AI 不再是"一键生成结果"，而是"协作式修改"。

AI Agent

Kition 的 Agent 具备真正的工具调用能力：读取文档、检查表结构、修改记录、搜索网页、执行计划，最终将结果写回到工作区。和传统对话式 AI 的最大区别是——它的输出物直接落在你的文件里，而不是一个需要手动复制粘贴的回复。

Agent 对文档的编辑采用 Diff Review 机制：每一处增删改都会高亮显示，用户可以逐条接受或拒绝。

工作流（Workflows）

可视化触发-动作工作流引擎。用户可以手动组装流程、测试单步执行、检查运行历史，在确认无误后再启用自动化。这和 Notion Actions 或 Zapier 的思路类似，但完全本地运行。

---

技术架构

层次	技术选型
桌面壳层	Tauri 2（Rust）
前端框架	React + TypeScript + Vite
文档渲染	CodeMirror + Marked + Mermaid + KaTeX
数据存储	IndexedDB（本地优先）
状态管理	Jotai + Zod
测试	Vitest + Playwright

这是一个典型的本地优先（Local-first）架构：所有数据存在本地 IndexedDB，跨设备同步靠用户自己选择方案（Tauri's sync 或第三方工具），不依赖云端。这在隐私敏感场景下很有价值。

技术栈的选择也很有针对性：用 Tauri 替代 Electron，意味着更小的二进制体积和更好的原生系统集成；用 Jotai 管理原子化状态，对应着文档、表、白板并存的复杂 UI 状态。

---

部署与上手

安装方式： 官方提供预编译桌面安装包（macOS .dmg、Windows 安装程序、Linux .AppImage 实验性支持）。从源码构建需要 Node.js 22、pnpm 10、Rust stable 以及 Tauri 系统依赖。

pnpm install --frozen-lockfile
pnpm dev

pnpm dev 会下载并缓存官方发布的运行时，然后启动 Tauri 桌面客户端。如果只需要调试前端 UI 层，可以用 pnpm dev:web 在浏览器中快速预览（不包含运行时集成逻辑）。

注意： 核心 AI 运行时未开源，源码构建后需要自行配置 API Key 和模型来源。

---

局限与争议

1. 运行时闭源：最关键的 Agent 逻辑和 AI 模型调用部分不开源，社区无法深度定制或自托管。对隐私敏感用户来说，这是一个不确定性因素。

2. 容器化不支持：项目没有提供 Dockerfile 或 docker-compose.yml，无法在服务器端部署或容器化运行。依赖桌面环境限制了它的使用范围。

3. Linux 实验性支持：Linux 平台标记为"experimental"，实际体验可能不稳定。

4. Beta 阶段：官方明确建议备份重要工作区，Agent 生成的变更在生产场景中使用前需仔细审查。

---

行业意义

Kition 代表了 AI 应用的一种新范式：从"对话优先"转向"工作区优先"。与其让用户学会写 Prompt，不如让 AI 学会理解用户已有的工作结构。

类似 Obsidian + AI Agent、Notion AI 或 Craft 的方向都在探索这个方向，但 Kition 的多模态整合（文档 + 数据表 + 白板 + 工作流）让它更像一个真正意义上的"本地 AI 工作站"。

随着 local-first 软件和端侧 AI 模型的发展，这种架构的商业价值和技术可行性会持续提升。Kition 的增长轨迹值得持续关注。