starnet
androoAGI/starnet加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象你是一位游戏工作室的老板，坐在工位前，面前是一块巨大的像素风监视屏。屏幕里是一艘太空站——走廊连接着各个房间，每个房间里坐着一位 AI 员工，有的在敲代码，有的在查资料，有的在整理文件。你不用写一行 prompt，只需要把任务丢进 OUTBOX，把权限分配给对应的岗位，然后看着他们真正地把工作干完。
这就是 StarNet 给出的画面。
StarNet 由独立开发者 Andrew Sims（GitHub @androoAGI）构建，是一个本地优先（Local-first）的多 Agent 桌面工作站。它的核心创意不是又一个大模型聊天界面，而是把 AI Agent 的协作关系具象化为一艘可以亲手布置的太空站：你在站里放什么设备，就意味着你授权了什么能力；你把哪两个房间用走廊连起来，就意味着任务可以在它们之间自动流转。整个工作站本质上是一个实时的、可验证的 Agent 运行环境——界面展示的每一个像素，背后都对应着真实的模型调用和真实的工具执行。
截至目前，StarNet 在 GitHub 已有 708 Stars、116 Forks，仓库活跃更新中（最近一次提交 2026-09-28），被标注为 AI Agents 领域的创新项目。
StarNet 将 Agent 协作关系具象化为像素风太空站，站内的每个房间、走廊和设备都对应真实的 Agent 能力与工作流
过去一年多，AI Agent 领域的主流交互范式是对话式：用户和单个 Agent 来回对话，Agent 回答一个问题，执行一个任务，然后在上下文窗口里积累越来越多的信息。这种方式在小任务上很高效，但有三个根本性问题始终没有解决：
第一，状态不透明。 当你让 Agent"帮我分析这份数据"然后得到一个结论，你并不知道它调用了哪些工具、消耗了多少 Token、是否访问了不该访问的内容。Agent 的内部状态对用户来说是一个黑箱。
第二，单 Agent 能力上限明显。 真正复杂的工作（写代码 + 跑测试 + 部署 + 写文档）需要多个 Agent 分工协作。但目前的聊天界面无法原生支持多 Agent 的并发运行、状态同步和能力隔离。
第三，数据主权缺失。 大部分 Agent 产品要求用户把数据上传到云端，用户无法掌控自己的对话记录、Agent 记忆和工作成果的存储方式。
StarNet 直击这三个痛点。它的设计哲学是："界面展示的状态，必须是运行环境能够证明的状态。" 这是项目的核心产品契约，也是它与大多数 AI Agent 演示的本质区别。
StarNet 允许同时运行多个 AI Agent，每个 Agent 有自己独立的：
你可以为不同 Agent 配置不同的模型、不同的人设（Persona）和不同的能力集。比如"Overseer"负责整体协调，"Coder"专门写代码，"Researcher"负责信息检索，它们可以在同一个工作站里并行工作。
StarNet 的 UI 是一个像素风格的 2D 太空站，但这个视觉呈现并不是装饰——它是运行状态的实时投影。房间代表团队，走廊代表授权的数据传递通道，设备代表工具能力。当你在工作站里布置一个新设备，实际上是在给 Agent 授权一个新的工具能力；当你把两个房间用走廊连接，实际上是在定义任务可以在哪些 Agent 之间自动流转。
这种视觉化设计的价值在于：工作流的定义变得直觉化，非技术人员也能理解多 Agent 协作的拓扑结构。
StarNet 不强制用户使用特定模型服务。它支持多种接入方式：
API 密钥存储在操作系统密钥链中，不经过前端，数据流向透明。
Agent 可以使用的工具包括：文件读写、终端命令、浏览器控制、代码执行等。更重要的是 StarNet 支持 MCP（Model Context Protocol） 服务器连接，可以接入外部工具生态，扩展 Agent 的能力边界。Task Briefs 功能允许 Agent 在不确定时主动向用户提问，而不是盲目猜测——这是一个降低错误成本的有意识设计。
除了桌面端 COMMS 聊天窗口，StarNet 还支持将 Agent 接入 Telegram、Discord、Slack、Signal、Matrix 等即时通讯平台，用户可以在手机上向工作站发送任务指令，Agent 的工作结果也会推送到对应平台。
设置一个明确的"牵引范围"，Agent 可以在后台持续工作，所有操作都被完整记录，用户回来后可以审计每一步的行为和消耗。
StarNet 的代码组织体现了清晰的架构分层：
| 模块 | 技术栈 | 职责 |
|---|---|---|
| frontend/ | Vanilla JavaScript | 像素风工作站 UI，通过 localhost HTTP/NDJSON/SSE 消费 sidecar 事件 |
| sidecar/ | Node.js（纯核心模块，无额外依赖） | Agent 运行时：模型调用、工具执行、记忆管理、预算控制、权限验证 |
| shared/ | 共享 Schema 和事件契约 | 前后端事件协议，保证状态一致性 |
| src-tauri/ | Rust + Tauri | 桌面 Shell，打包运行环境和自动更新机制 |
技术选型上，StarNet 选择了 Tauri（Rust + WebView）而非 Electron，优势在于二进制体积更小、内存占用更低、系统集成更好。Tauri 2.0 提供了跨平台桌面打包能力，支持 Windows（Authenticode 签名）、macOS（Developer ID + Apple Notarization）和 Linux 构建。
Agent 运行时（sidecar）完全基于 Node.js 核心模块，无需安装额外依赖即可直接运行，门槛极低。
下载页在独立的 starnet-releases 仓库，提供：
StarNet_<version>_x64-setup.exeStarNet_<version>_aarch64.dmgStarNet_<version>_x64.dmgWindows 安装包经过 Authenticode 签名和可信时间戳验证，macOS 经过 Developer ID 签名和 Apple Notarization 上传，安全性标准与主流桌面应用看齐。
git clone https://github.com/androoAGI/starnet.git
cd starnet
npm ci # 安装依赖
npm start # 启动 sidecar + 打开 http://localhost:8787
只需要 Node.js 18+，无需 Docker，无需 Rust（Tauri Shell 是可选的桌面打包层）。
第一次启动后，在引导界面输入 OpenRouter API Key，或者选择 OAuth 登录（Anthropic / OpenAI / Google），也可以选择 Ollama 接入本地免费模型。完成后，在 COMMS 窗口对 Overseer Agent 说："给我列一个本周待办清单"，Agent 会调用真实模型完成任务，OUTBOX 里会出现真实文件。
StarNet 是一个早期发布（Early Release） 项目，当前存在几个需要正视的现实：
平台覆盖不均衡。 Windows 是测试最充分的目标平台，macOS 有一定覆盖但不如 Windows 完善，Linux 构建是内部产物而非公开支持目标，非 Windows/macOS 用户暂时需要通过源码方式运行。
本地模型能力有限。 虽然 Ollama 提供了免费离线的接入方式，但消费级硬件上的本地模型（Llama 3.1 8B 等）规模远小于云端旗舰模型，在复杂任务上的表现会有明显落差。StarNet 官方也坦诚说明了这一点。
安全签名不等于安装验证。 Windows 安装包有 Authenticode 签名，macOS 有 Notarization，但这些是发布管道的准入条件，并不能证明"你下载的这个文件被测试过"。项目明确要求用户在安装前检查签名信息，遇到 SmartScreen/Gatekeeper 警告时不要轻易放行。
Node.js sidecar 的沙箱边界。 Agent 通过 node-pty 模块执行终端命令，沙箱隔离依赖 Tauri 的安全机制。生产环境中将 Agent 接入外部工具和消息频道时，需要仔细配置 capability scope，避免越权风险。
StarNet 所在的赛道——本地 Agent 工作站——正在成为 2025-2026 年 AI 应用的一个重要分支。它的核心价值不在于用上了什么新模型，而在于重新定义了用户和 Agent 之间的权力关系：用户从"使用 AI 工具的人"变成"管理 AI 团队的人"。
对比同类项目（如 OpenClaw、HERMES Agent Desktop），StarNet 的差异化在于：
从增长曲线看，StarNet 自 2026 年 6 月创建以来保持了稳定的提交节奏，涵盖功能迭代、测试完善和文档更新，项目的工程成熟度在同规模开源 Agent 项目中处于中上水平。
StarNet 是一款将多 Agent 协作可视化为像素风太空站的桌面应用，适合以下用户：
如果你习惯在终端里手动调度 AI 任务，StarNet 不是必需品。但如果你想让 AI 工作流变得更直观、更可控、更有"真的在工作"的感觉，这是一个值得尝试的方向。