按任务使用 OpenMake，而非按子系统

从聊天开始。侧边栏只保留五个顶层入口——聊天、智能体任务、自定义智能体、产物，以及面向运维人员的管理。其余都在下一层：技能库是自定义智能体旁边的一个标签页，深度研究是历史旁边的一个标签页，API 访问是开发者下的一个标签页，MCP 监控和智能体学习则是管理内部的标签页。设置、用量和开发者从侧边栏底部的个人资料菜单打开。

设置囊括了关于工作台如何运作的一切，分为九个标签页，其中包括扩展和连接器。

输入区是控制面：它会显示已装载多少工具、当前处于哪种模式、选中了哪种回答风格，以及将由哪个模型来回答。

• 在开销较大的任务之前、而非之后选好模型角色
• 用智能体任务来查看长时间运行的工作，而不是在聊天线程里干等
• 界面语言跟随浏览器设置，或你在设置里保存的选择
• 在手机上侧边栏会收起为底部栏——聊天、智能体和完整菜单

默认的本地路由使用 qwen3.8-27b。行为由几个可见的正交维度控制——模型、回答风格、模式和自定义智能体——而不是隐藏的预设。

模型角色让运维人员可以把智能体工作、研究、派生智能体、复审、评判和思考摘要分别路由到合适的模型，而无需把每个凭据都交给每个用户。聊天和图像请求沿用原有请求路径，而讨论模式和深度研究在派发之前会被拦截，进入各自的流水线。

• 风格——简洁、默认或详尽
• 模式——讨论模式、思考、答案校验、深度研究、网页、智能体、图像、产物或结构化，可逐条消息选择
• 思考模式会把推理呈现为带一句话标题的时间线，两者都会在你重新打开对话时恢复；开启它会显示一个推理投入度控制，可设为低、中或高
• 答案校验会让一个评判模型把回复读一遍，指出它会质疑之处——它绝不会替你改写答案
• 审批——手动会对每一次工具调用都要求审批，自动只对高风险调用（shell、Python、浏览器、删除）要求审批，跳过则无人值守地运行一切
• 本地执行——在服务器沙箱里运行工具，或在你自己机器上的某个文件夹里运行，可从输入区切换文件夹而无需重启任何东西
• + 菜单用来附加文件或选择文件夹

一个智能体任务会跨多个调用工具的回合去达成一个目标。当任务沙箱启用时，shell、Python、浏览器、文件和规划工具都在一个 Docker 工作台里运行；桌面版本地桥接则是一个需单独启用、受确认门控的执行器。

它在失败时会如实汇报。未完成的运行会被标记为未完成并接受评判，而不是悄悄报成已完成；交付物可以包含 .xlsx 文件，以及内嵌了中文和 CJK 字体的 PDF 和 DOCX 导出。

任务从输入区的智能体模式创建和运行；智能体任务页面是你跟进它们并回应审批的地方。当一次运行在等你时，侧边栏会带一个待审批计数，你可以批准单次调用，也可以一次性批准该任务余下的调用——但提问仍然会回到你这里。

• 18 个内置行业智能体，覆盖 100 种专家角色
• 自定义智能体是项目范围内的角色人设，每个都可选地固定到自己的模型
• 技能是带工具绑定的可复用清单——可上传、从 Git 导入或由模型生成
• 只有当 SKILL_AUTO_SELECT_ENABLED=true 时，技能自动选择才会作用于聊天和智能体任务
• 任务可保存为模板，或设为周期性排程

深度研究会在网页搜索中扇出、抓取来源、让各条声明彼此交叉核验，然后才写出带引用的综述。自 1.12.0 起，它还会纳入已配置的技能知识和 MCP 工具证据，因此报告反映的是你自己连接的来源，而不仅仅是开放网络。

NotebookLM 依据是故事的另一半。从输入区固定一个你自己的笔记本，回答就会被那份材料约束；该固定只作用于单个对话，且依据前缀绝不会污染已存储的消息或侧边栏标题。

• 流水线是可见的：拆解问题、收集来源、交叉核验、综合
• 报告保留编号引用，指回真正被抓取的那些来源
• NotebookLM 连接器使用你自己的 Google 会话 cookie，静态加密，仅在服务器派生时注入
• 在长时间运行之前设好研究范围——开销在扇出，而非写作

OpenMake 内置 22 个 MCP 工具——其中包括网页搜索、事实核查、抓取与爬取、图像分析、智能体任务控制和 git 导入——并可从设置 → 连接器的目录中连接外部 MCP 服务器。

产物把结果变成可供你查验的东西。它们在沙箱化的 iframe 里渲染，可在 Docker 中执行 Python 或 JavaScript，并通过一个采用严格内容安全策略的独立源查看器发布。

• Docker 沙箱化的 stdio 服务器以 --cap-drop ALL、非 root 用户、内存限制、网络策略和经 realpath 校验的挂载运行
• 远程 MCP 服务器使用 SSE 或 Streamable HTTP；这些网络传输不会被放进 stdio 的 Docker 沙箱
• 目录级的工具白名单让聊天自动暴露保持聚焦，而 REST 执行和显式的工具选择器仍保留完整访问权限
• OpenAI 兼容 API 以 message.artifacts 扩展返回产物

一个扩展是一批一起安装的技能和 MCP 服务器。你在聊天里请求即可安装——“安装这个扩展：github.com/owner/repo”——组件会以草稿形式到达，而不会自行开启。

设置 › 扩展列出你已安装的内容、每个包里有什么，以及它的状态：已激活、待审批、已归档或已禁用。草稿组件在技能库和 MCP 服务器页面上审批，那里也是你读清一个包实际带来了什么的地方。

• 在聊天里请求更新某个扩展，新版本会替换它，同时旧组件被归档
• 把一个包分享到工作台库，同事就能把它安装进自己的账户，同样是以待他们审批的草稿形式
• 管理员可以注册经过甄选的目录来源——一个仓库或一个 .zip URL——供所有人从中安装
• 移除一个扩展会把它带来的技能和 MCP 服务器归档，而不是从你脚下把它们删掉

跨对话记忆会把明确的长期笔记注入系统提示词，而一个逐会话的开关让你在某个对话应当从干净状态开始时排除它们。相比之下，自定义指令始终生效。

语言、记忆、供应商密钥和隐私都放在拥有该工作台的账户下的设置里，因此用户可以改自己的路由而不触碰任何其他人的。

• 系统提示词的组装顺序：先记忆，再自定义指令，最后风格
• 记忆是明确的——一条记录存在，是因为它被保存了，而不是因为某个启发式猜到了
• 访客只能使用默认的本地模型；外部供应商需要登录

OpenMake 在 /api/v1/chat/completions 暴露一个 OpenAI 兼容端点，用带有各自角色和限速策略的 API 密钥进行认证。可选的 Discord 网关机器人正是构建在这一层之上。

用量按账户和按模型记录。外部 BYOK 供应商的用量在 1.13.0 中被明确排除在本地 token 配额之外，而 ChatGPT OAuth 角色路径会记录用量，好让运维人员分辨一个请求实际走了哪条路由。

• 为 API 密钥赋予角色和限速策略，而不是共享个人会话
• publish_artifacts: true 让无法发布的 API 客户端也能收到共享链接
• 关注按模型的明细，确认流量停留在你预期的地方

OpenMake Bench 是紧挨着 OpenMake 的测量工具。它在相同条件下——温度 0、固定随机种子、重复三次、一次只跑一个模型——把同一批提示词跑遍多个模型和路由，并在一份报告里对比质量、速度和成本。只有在该主机上执行的运行才计入；不会导入任何外部排行榜分数。

运维人员发布面向所有人的通用模型测量。已登录用户可私下对自己连接的模型（包括 BYOK 供应商）做基准测试，并自行决定某个结果是否共享。登录通过你的 OpenMake 账户完成：Bench 会在该账户里签发一个名为 bench 的 API 密钥，你的密码绝不会到达它，从 API 密钥界面吊销该密钥即可切断这一关联。

Bench 也可以在自托管的 OpenMake 旁边做本地部署。

• 选两个或更多模型，或同一个模型跑直连、网关和 OpenMake 三条路由，把平台开销与模型行为区分开
• 盲态两两投票喂给一个 Bradley-Terry 排行榜；投票时模型名称保持隐藏
• 把你最终选定的模型从 Bench 应用到你的角色设置——这是它对 OpenMake 唯一的一次写入，且只在你按下按钮时发生

管理控制台是运维人员看系统而非看对话的地方：仪表盘、分析、指标、MCP 监控、智能体学习、审计日志、告警、MCP 目录和全局模型角色。

特权操作会被审计，而审计轨迹会喂给告警路径——例如一次上下文溢出，会同时产生一条审计记录和一个 webhook 告警，而不是无声地失败。

• 设定全组织范围的角色默认值，并注册带 token 预算的服务器共享外部密钥
• 复查特权操作和受限速路由的审计记录
• 在一个地方监控迁移、模型路由、连接器健康状况和资源使用

下面的快捷键是 Web 应用实际绑定的那些。每一个都有上下文——它只在它所属的界面里生效。

• Enter——从输入区发送消息
• Shift + Enter——插入换行而不发送
• 上、下方向键——在输入区的建议之间移动
• Escape——关闭输入区的模式面板，或智能体任务、自定义智能体、技能库里任何打开的详情面板
• Ctrl/Cmd + Enter——向一个正在运行的智能体任务发送引导消息