BitFun开源评测：Rust+Tauri可扩展AI Agent桌面系统
最近业余时间折腾了一个叫 BitFun 的 AI Agent 桌面项目，刚把代码整理好开源出来。今天想聊聊这个项目背后的一些设计思考和技术实践，希望能给同样对 AI Agent 感兴趣的朋友一些参考。
项目地址：
https://github.com/GCWing/BitFun
一、为什么做这个项目
过去一年，AI 工具层出不穷，但仔细看会发现，大多数产品的形态其实高度相似——ChatBox + LLM，用户通过对话获取结果。问题在于，AI 很少真正参与到实际任务的执行流程中。
更值得关注的，其实是另一种模式：
AI 不只是回答问题，而是变成一个可以持续工作的 Agent。这意味着它需要具备几个核心能力——能够调用工具、执行任务、拥有长期记忆、可以持续协作。BitFun 正是围绕这个思路展开的实验性项目。核心目标也很明确：探索能否构建一个可扩展的 AI Agent 系统，用于真实工作场景。
二、系统整体架构
BitFun 的核心设计，简单说就是 Agent + 能力模块（Skills）+ 工具系统。整体结构大致可以理解为：
User
│
▼
Personal Agent
│
├── Code Agent
├── Cowork Agent
└── Custom Agent
│
▼
Skills / Tools / MCP核心思路其实很清楚：Agent 负责决策，Skills 负责执行，工具系统提供能力扩展。三者组合在一起，形成一个可组合的 AI 工作系统。
三、Agent 体系设计
目前项目实现了两个主要 Agent，分别面向不同的使用场景。
1 Code Agent（开发者场景）
Code Agent 的定位是面向软件开发流程，目标是让 AI 真正参与到开发 workflow 中。主要能力包括对话驱动代码生成、自动读取项目代码、修改代码并执行、运行测试并验证结果。
实际工作中，它支持几种不同的工作模式：
Agentic Mode 下，AI 可以自主完成读代码、修改代码、运行验证的全流程；Plan Mode 专门应对复杂任务，先规划再执行；Debug Mode 用于排查问题，包含插桩记录、路径分析、根因定位、验证修复四个步骤；Review Mode 则用于代码审查。说到底，代码能力依然是硬指标，而这些模式的设计，本质上是为了让 AI 更好地融入开发者的工作流。
2 Cowork Agent（知识工作场景）
Cowork Agent 更偏向知识工作的自动化。目前支持的能力包括 PDF 处理、Word 文档生成、Excel 数据分析、PPT 生成以及浏览器自动化。举个例子，可以自动生成报告、从网页抓取数据、批量处理文档，这些场景其实在很多办公环境中都有切实的需求。
这个 Agent 的核心探索方向，是理解 AI 在知识工作流程中的角色——是替代，还是增强？从目前的表现来看，更接近后者。
四、扩展机制设计
为了避免 Agent 之间的逻辑过于耦合，项目设计了几个关键的扩展机制。
1 Skills
Skills 是 Agent 的能力模块。可以理解为教 Agent 如何完成某一类任务。Skill 的定义方式很灵活，可以通过 Markdown、脚本或者外部工具来实现。这种设计让 Agent 的能力边界可以不断扩展，而不需要修改核心代码。
2 MCP 集成
项目支持 MCP（Model Context Protocol）。通过 MCP，可以连接外部工具、数据源和自动化系统，从而进一步扩展 Agent 的能力。这个协议的出现，某种程度上解决了不同 Agent 和工具之间的通信标准化问题。
3 Agent 自定义
有趣的是，用户可以通过 Markdown 快速定义自己的 Agent。比如投资分析 Agent、研究助手、数据分析 Agent——本质上，这是把 Agent 变成了一种可配置的能力插件。如果善加利用，完全可以形成领域专家型的 Agent 生态。
五、技术选型
技术栈方面，选择了 Rust + TypeScript 的组合。核心能力部分用 Rust 实现，主要看中它的性能、并发能力以及跨平台支持；前端界面和业务逻辑则用 TypeScript，开发效率更高。
桌面端框架选择了 Tauri，而不是更常见的 Electron。原因很简单：Tauri 更轻量，与 Rust 生态的结合也更自然，性能表现更好。目前支持 Windows 和 macOS 两个平台。
六、项目现状
坦白说，BitFun 目前仍然是一个实验性项目。规划中的形态还包括 CLI、Server、Mobile 以及 Telegram / Discord Agent 接入。希望未来能逐步形成一个可扩展的 Agent 生态。
这里有个比较真实的情况值得说：项目 97%+ 的代码是通过 Vibe Coding 完成的，所以代码结构还有不少可以优化的地方，也欢迎一起改进。
七、结语
这个项目本质上是一次业余时间的探索：Agent + Tools + Memory 是否会成为未来一种新的人机协作模式？从目前的方向来看，这个可能性正在逐步变成现实。如果你对 AI Agent、开发工具或自动化系统感兴趣，欢迎提出 issue 或 PR，分享你的想法。