# AriaAI：面向专业知识工作的开源Agentic Workspace > AriaAI是一个开源的AI原生工作空间，探索AI如何通过长期项目记忆、客户上下文、可复用技能和工作流，将上下文转化为可靠交付。 - 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm) - 发布时间: 2026-05-31T06:48:44.000Z - 最近活动: 2026-05-31T06:54:17.602Z - 热度: 152.9 - 关键词: Agentic Workspace, AI工作空间, 项目记忆, 客户记忆, 技能工作流, 知识工作流, FastAPI, React 19, 开源AI - 页面链接: https://www.zingnex.cn/forum/thread/ariaai-agentic-workspace - Canonical: https://www.zingnex.cn/forum/thread/ariaai-agentic-workspace - Markdown 来源: ingested_event --- ## 原作者与来源 - **原作者/维护者**: guoliang1114-boop - **来源平台**: GitHub - **原始标题**: AriaAI - **原始链接**: https://github.com/guoliang1114-boop/AriaAI - **发布时间**: 2026年5月31日 --- ## 背景：超越单次聊天的AI工作方式 当前大多数AI工具仍将工作视为孤立的提示交互。用户提出问题，AI给出答案，对话结束。但真实的专业工作截然不同： - **项目有历史**：风险、文件、任务和交付约束随时间累积 - **客户有上下文**：长期偏好、决策模式和关系背景需要被记住 - **团队需要可复用方法**：而非一次性答案 - **重要操作需要审查**：可追溯性和回滚路径是必需的 - **知识需要成为工作流的一部分**：而非仅仅是搜索结果 AriaAI正是针对这一痛点设计的开源实验——一个AI原生工作空间，将记忆、技能、知识检索、工具使用和人工审批作为一等公民的产品概念。 --- ## 核心理念：从聊天到工作空间 AriaAI的定位不是另一个SaaS仪表盘或通用聊天机器人，而是探索AI如何长期理解用户、项目、客户、知识与交付过程，并将这些能力组织成可追踪、可复用、可沉淀的工作系统。 这种转变的本质是从"对话"到"工作流"——AI不再是回答问题的一次性助手，而是参与完整项目生命周期的协作伙伴。 --- ## 核心能力架构 ### 项目记忆（Project Memory） 结构化项目上下文，包括进度、风险、开放问题、交付信号和生成的摘要。这不是简单的聊天记录，而是项目状态的持续更新模型。 ### 客户记忆（Client Memory） 跨项目的长期客户上下文，包括可复用的经验教训、偏好和关系信号。当AI记住"这位客户喜欢先看到数据再讨论结论"时，交互质量会发生质变。 ### Agentic对话 项目感知和工作空间感知的对话，具备流式输出、工具调用、RAG上下文和生成工件的能力。AI在对话中不仅访问当前消息，还主动引用项目记忆和客户记忆。 ### 技能工作流（Skill Workflows） 可复用的专业工作流，用于简报、策略、分析、文档生成和咨询交付。技能不是静态模板，而是参数化的、可组合的、可演化的工作单元。 ### 知识工作流（Knowledge Workflows） 文档摄取、检索、源感知上下文，以及与项目/客户记忆的未来集成。知识不是被搜索的，而是被激活的——在合适的时机自动出现在合适的工作流中。 ### 人工介入审批（Human-in-the-Loop） 高风险写/删/更新操作的服务端待处理动作。这是关键的安全网，确保AI在重要决策点等待人类确认。 ### 可审计运行（Run Harness） 向可审计AI运行的设计路径，包含步骤、工具、工件、审批和记忆更新。每一次AI参与的工作都留下可追溯的痕迹。 --- ## 技术栈与架构 ``` AriaAI ├─ web/ React 19 + TypeScript + Vite ├─ backend/ FastAPI + SQLModel + Alembic ├─ skills/ 可复用技能包和方法提示 ├─ docs/ 产品、架构、记忆、技能和运行设计文档 └─ .github/ 工作流和贡献模板 ``` ### 前端技术栈 - React 19：最新版本带来的并发特性和自动批处理 - TypeScript：类型安全的专业级前端开发 - Vite：极速的开发体验和优化的生产构建 - React Router：客户端路由管理 - Tailwind CSS：实用优先的样式系统 - i18next：国际化支持，体现项目的全球视野 ### 后端技术栈 - FastAPI：高性能异步Python Web框架 - SQLModel：类型安全的ORM，基于SQLAlchemy和Pydantic - Alembic：数据库迁移治理 - PostgreSQL：生产级关系数据库 - SQLite：开发环境兼容路径 ### AI与运行时 - 模型提供商配置：灵活的模型接入能力 - 项目/客户上下文：记忆系统的核心实现 - RAG：检索增强生成，连接知识库与对话 - 工具调用：扩展AI能力的插件机制 - APScheduler：任务调度 - SSE流式：实时响应推送 --- ## 快速开始 ### 启动后端 ```bash cd backend ./start.sh ``` ### 启动前端 ```bash cd web npm install npm run dev ``` ### 生产构建检查 ```bash cd web npm run build ``` ### 数据库迁移治理 ```bash cd backend python scripts/migration_governance.py report python scripts/migration_governance.py ensure python scripts/migration_governance.py upgrade python scripts/migration_governance.py check ``` 迁移治理脚本是AriaAI工程严谨性的体现——数据库变更不是随意执行的操作，而是需要报告、确认、升级和检查的治理流程。 --- ## 文档体系 AriaAI拥有令人印象深刻的文档体系，15份文档覆盖从产品战略到技术实现的各个层面： 1. **项目总览**：整体愿景和定位 2. **产品战略方向**：长期发展路径 3. **Skill体系**：技能系统的核心设计 4. **Skill标准化规范**：技能开发的约定 5. **RAG演进方案**：知识检索的技术路线 6. **对话系统设计与规范**：交互层的设计原则 7. **Human-in-the-Loop Tool Approval设计**：安全机制的技术实现 8. **AriaAI架构与对话逻辑图**：系统架构的可视化 9. **Skill体系评估与优化路线图**：技能系统的演进计划 10. **Skill编写规范**：开发者指南 11. **Model + Harness产品方案设计**：运行模型的设计 12. **记忆系统优化方案**：记忆层的技术细节 13. **V0.0.5知识库开发方案**：具体版本的开发计划 14. **Agentic Workspace升级功能设计说明书**：功能迭代的详细设计 15. **OSS-Roadmap**：开源路线图 这种文档密度反映了项目的成熟度——不是实验性的原型，而是经过深思熟虑的产品级设计。 --- ## 项目状态与贡献 AriaAI正在积极开发中，当前重点： - 使项目和客户记忆层可靠运行 - 将技能转化为面向交付的工作流 - 构建一流的知识库 - 改进AI运行/ Harness模型 - 使工作空间适用于真实专业交付 代码库变化迅速，部分文档描述的是近期设计方向而非已完成实现。 ### 贡献方向 - 文档改进 - 技能编写示例 - 前端打磨和可访问性 - 聊天、记忆、知识和技能工作流的测试 - 后端可靠性、迁移和任务治理 --- ## 设计启示 AriaAI代表了AI应用架构的一个重要演进方向：**从对话到工作空间**。 ### 记忆即架构 项目记忆和客户记忆不是可选功能，而是核心架构组件。这改变了AI系统的设计范式——记忆不是缓存，而是持久化的、结构化的、可查询的知识资产。 ### 技能即代码 将专业工作流编码为可复用技能，使AI能力从"回答问题"扩展到"执行任务"。技能是AI时代的函数库。 ### 治理即产品 迁移治理、审批流程、可审计运行——这些"基础设施"功能被提升到产品层面，反映了专业场景对可靠性的严格要求。 ### 开源即策略 MIT许可证、详细的贡献指南、安全政策、行为准则——AriaAI从第一天就按照专业开源项目的标准构建，这种成熟度本身就是一种竞争力。 --- ## 结语 AriaAI为AI在专业工作场景的应用提供了一个系统性的思考框架。它展示了当AI不再被当作聊天工具，而是作为工作空间的有机组成部分时，可能产生的产品形态。 对于正在探索AI原生应用的开发者，AriaAI的架构设计和文档体系都是值得深入研究的参考。