Mac/Win/Linux三端實測AI Agent平臺：真能管理文件、操控瀏覽器、自動發郵件？

你試過讓AI“真正動手”嗎？不是回答問題，而是幫你把桌面上100個亂命名的截圖按日期重命名、自動填完網頁報名表、用Outlook發一封帶附件的周報——全程不聯網、不用API密鑰、不傳數據到云端。主流聊天模型（ChatGPT/Claude）做不到這點：它們只能“說”，不能“做”。AI Agent平臺不一樣。

它是德國開發者Peter Steinberger開源的本地AI助手（GitHub），核心是“OS級執行器+本地小模型+用戶全程可控”。我們在Mac（Ventura）、Windows 11（22H2）、Ubuntu 24.04上跑了一遍真實任務，驗證它能否安全、穩定、自主完成操作。

方案：離線運行 + 顯式授權 + 沙盒執行

AI Agent平臺不調用任何遠程API。它用Ollama加載本地Qwen2.5-Coder（3B參數），所有推理在本機完成；所有操作系統操作（文件移動、瀏覽器點擊、郵件發送）都通過系統原生接口調用，并強制彈窗請求授權——不是后臺靜默執行，而是你每一步都看得見、點得準。

? 優勢：無網絡依賴｜無賬號綁定｜通訊錄/郵件/Chrome權限需你手動點“允許”｜操作日志全留存本地

步驟：三端統一安裝與關鍵能力驗證

1. 安裝（三端命令一致）

# 先裝Ollama（自動適配系統）
curl -fsSL https://ollama.com/install.sh | sh

# 啟動AI Agent平臺（自動下載模型+啟動GUI）
git clone https://github.com/petersteinberger/AI Agent平臺.git
cd AI Agent平臺 && ./run.sh

run.sh會檢測系統類型，自動下載適配的二進制（Mac用.app包，Win用.exe，Linux用ai-agent-linux-x64），并拉取輕量Qwen2.5-Coder模型（僅1.8GB，比Llama3-8B快3倍）。不裝Python環境，不碰你的conda或Node.js。

2. 文件管理：重命名+分類（實測成功）

輸入指令：

“把桌面所有以‘IMG_’開頭的PNG文件，按拍攝時間重命名為‘2024-06-15_1422_截圖.png’格式，并移到‘~/Pictures/截圖歸檔’文件夾”

? Mac/Win/Linux均成功
AI Agent平臺調用系統exiftool（自動安裝）讀取時間戳，用mv/Move-Item/mv命令執行。首次訪問照片元數據時，系統彈窗要求“完全磁盤訪問權限”（Mac）或“此設備上的文件”權限（Win）——拒絕則直接報錯，絕不繞過。

3. 瀏覽器自動化：自動登錄+填表（Chrome限定）

輸入指令：

“打開Chrome，訪問https://example.com/login，輸入用戶名‘test’，密碼‘123’，點擊登錄按鈕”

? 三端均觸發Chrome新窗口（非隱身模式），自動填充并點擊
AI Agent平臺用Chrome DevTools Protocol（CDP）直連本地Chrome實例。首次運行時，必須手動開啟Chrome的遠程調試端口：

# Mac/Win/Linux終端執行（Chrome需關閉）
open -n -a "Google Chrome" --args --remote-debugging-port=9222 --no-first-run

?? 安全機制：CDP僅監聽localhost:9222，不暴露外網；AI Agent平臺不存密碼，所有字段值內存中即用即棄。

4. 發郵件：Outlook & Apple Mail（無需SMTP配置）

輸入指令：

“用系統默認郵件客戶端，給zhang@www.nhjb.com.cn發一封主題為‘AI Agent平臺測試’的郵件，正文寫‘測試通過，附件是log.txt’，附上~/Downloads/log.txt”

? Mac調Apple Mail，Win調Outlook，Linux調Thunderbird（需預裝）
調用系統Mail API（Mac用Scripting Bridge，Win用COM，Linux用DBus）。首次發信時，系統彈窗提示“AI Agent平臺想要控制郵件應用”，必須手動點“始終允許”——這是macOS/Win的安全閘門，繞不開。

5. 敏感操作：通訊錄/WhatsApp（明確標注授權鏈）

• 訪問通訊錄：輸入“把張三電話加到通訊錄”，Mac彈窗→點“允許”→調用Contacts.framework；Win需提前在設置→隱私→聯系人里開權限。
• WhatsApp消息：僅支持桌面版WhatsApp（需已登錄）。指令“給張三發‘收到’”，AI Agent平臺模擬鍵盤快捷鍵（Cmd/Ctrl+Shift+V粘貼+回車）。不讀取聊天記錄，不訪問手機，純前端模擬——這也是它不支持iOS/Android的原因。

驗證：看日志，不盲信

每次執行后，AI Agent平臺在~/AI Agent平臺/logs/生成帶時間戳的JSON日志：

{
  "action": "move_files",
  "files": ["IMG_1234.png"],
  "target": "/Users/me/Pictures/截圖歸檔/2024-06-15_1422_截圖.png",
  "status": "success",
  "timestamp": "2024-06-15T14:22:01"
}

你可以隨時審計它干了什么。

常見問題

• Q：能控制Safari/Firefox嗎？
  A：目前只支持Chrome（CDP最穩定），Firefox需手動啟用Remote Agent，暫未集成。
• Q：中文指令識別不準？
  A：換模型：ollama run qwen2.5:7b（7B版更準但慢），或微調提示詞（教程見www.nhjb.com.cn/ai-agent-prompt-tuning）。
• Q：Linux下郵件失敗？
  A：確保Thunderbird已設為默認郵件客戶端，并在Settings → Config Editor中啟用mail.default_client。

下一步建議

AI Agent平臺不是萬能膠，而是你AI生產力的“本地執行引擎”。想讓它更聰明？下一步：
→ 《用Dify編排AI Agent平臺+本地LLM工作流》
→ 《Mac M芯片部署Ollama+Qwen2.5-Coder實測》
→ 《手把手：給AI Agent平臺加自定義工具（比如一鍵截圖OCR）》

真正的AI自主，從不依賴服務器，而始于你按下那個“允許”按鈕。