你不用问它，它自己知道你要干嘛
传统 AI 等你描述问题，AxonCog 看着你的屏幕就知道
fn verify_token(token: &str) -> Result<Claims> {
let decoded = decode::<Claims>(token)?;
Ok(decoded.claims)
}通用智能底座的核心能力
不仅是智能助手，更是可扩展、可定制的通用智能基础设施
举几个例子
具体功能
统一智能接口
标准化AI能力接入
提供统一的API接口，支持多种模型和服务，简化集成流程
插件生态系统
可扩展的能力体系
支持自定义插件开发，轻松扩展底座能力，满足特定业务需求
世界模型能力
环境理解与推理
具备对环境的理解和推理能力，超越传统AI的局限
多模型管理
智能模型调度
支持29+种模型，智能选择最适合的模型处理任务
智能集群
分布式算力管理
多节点部署，任务自动分发，按需扩展算力
多Agent协作
智能体协同工作
多个专业智能体协同工作，完成复杂任务
安全是底线，不是加分项
从第一行代码就考虑安全，不是出事再打补丁
沙箱隔离
危险操作关在笼子里跑
执行命令、跑脚本，都在沙箱里隔离执行。就算出事也不会影响你的主系统。支持 5 种沙箱后端。
默认本地绑定
不会莫名其妙暴露到公网
默认只监听 127.0.0.1，不会绑定 0.0.0.0。想暴露到公网必须手动配置。
操作审计
每一步都有记录
AI 做了什么操作，全部记下来。HMAC-SHA256 签名验证，出问题能追责。
确认机制
高风险操作必须你点头
删文件、执行命令这些危险操作，必须你确认才会执行。
白名单控制
命令、路径都要在白名单里
只能执行白名单里的命令，只能访问白名单里的路径。危险命令直接拦截。
加密存储
敏感数据加密保存
API 密钥、凭证这些敏感数据，用 AES-256-GCM 加密存储。密钥本地管理。
我们的安全理念
- 1.默认拒绝，显式允许
- 2.最小权限原则
- 3.所有操作可追溯
- 4.敏感数据本地存储
四层认知架构
从感知到执行的完整闭环，让 AI 真正理解并参与你的工作
感知层
屏幕内容识别、窗口状态监控、用户行为追踪
理解层
上下文引擎、意图理解、语义分析
决策层
世界模型、规划引擎、风险评估
执行层
工具调用、工作流执行、硬件控制
从感知到执行再到反馈，形成完整的认知闭环，持续优化决策质量
毫秒级响应，在你操作的同时 AI 已经理解并准备好下一步行动
每个层级都有安全检查，敏感操作需要确认，支持紧急停止
世界模型
AI 的认知系统：理解现状、预测未来、规划行动
分层世界表示
系统层
系统状态、网络拓扑、服务依赖
用户层
用户状态、偏好、历史行为
工作层
工作上下文、项目状态、任务进度
任务层
当前任务、子任务、执行状态
状态表示
四层世界模型实时表示当前状态
预测能力
预测操作结果和成功概率
反事实推理
回答"如果...会怎样"的问题
持续学习
从操作结果中学习，优化预测
多 Agent 共享世界模型
多个 Agent 共享同一个世界模型，避免重复描述上下文，节省 Token
硬件控制能力
不止于屏幕内的智能，更打通数字世界与真实物理世界
这是 AxonCog 走向通用智能的核心能力
支持平台
Raspberry Pi
GPIO 控制，支持 40 个引脚
Arduino
串口通信，实时控制
ESP32
WiFi/蓝牙，物联网接入
STM32
工业级，高性能
传感器
输入执行器
输出应用场景
智能温控
检测环境温度，自动调节空调或风扇
自动照明
根据光线强度自动开关灯
安防监控
检测异常运动并报警
安全机制
危险操作需用户确认，如继电器控制大功率设备
温度、电流等超过安全阈值自动断开
一键停止所有硬件操作，防止意外
我们有什么不一样
这些功能，同类产品目前还没有
上下文感知引擎
它知道你在干什么
你问它才答，不知道你在做什么
看着你的屏幕，识别你在写代码、回邮件、看文档，自动切换帮忙模式
工作流学习
它记住你的习惯
每次都要重新描述，完全不记得你昨天干了什么
学习你的操作模式，第三天就知道你早上的 routine
痛点自动检测
它发现你的效率问题
你不说它就不知道你效率低
发现你频繁切窗口、重复复制粘贴，提示你优化
模型智能集群
多个 Agent 协同工作
一个 AI 干所有事，又要写代码又要测试又要改
开发Agent写代码，测试Agent写测试，前端Agent写界面，各司其职
与同类产品对比
| 能力 | 同类产品 | AxonCog |
|---|---|---|
| 世界模型 | 无 | 理解环境、预测变化、规划行动 |
| 上下文感知 | 无 | 12种活动识别 |
| 工作流学习 | 无 | 自动学习习惯 |
| 痛点检测 | 无 | 9种效率问题 |
| 专注助手 | 无 | 番茄钟+防干扰 |
| 智能集群 | 无 | 多节点协同 |
| 多Agent协作 | 无 | 开发/测试/前端各司其职 |
| 安全设计 | 事后打补丁 | 从始安全 |
| 沙箱隔离 | 部分支持 | 5种后端 |
| 操作审计 | 无/简单日志 | 签名溯源 |
| 平台支持 | 单平台 | Win/Linux/Mac |
| 国产模型 | 一般支持 | 深度适配 |
| 开源协议 | MIT/Apache | MIT |
常见问题
你想知道的都在这里
AxonCog 和 OpenClaw 有什么区别？
我们立项更早（2025.8 vs 2025.11），支持更多平台，更安全（0漏洞 vs 5个CVE），功能更丰富（上下文感知、工作流学习、痛点检测等）。OpenClaw 作者已加入 OpenAI，更新减速，AxonCog 是更好的替代选择。
真的完全开源吗？
MIT 协议，完全开源。想用就用，想改就改，商用也没问题。代码在 GitHub 上，欢迎 Star 和贡献。
支持哪些模型？
支持 29+ 模型：OpenAI、Claude、Gemini、DeepSeek、Kimi、通义、智谱、文心、豆包、Groq、Mistral、Ollama 等。国产模型深度适配。
数据安全吗？
数据默认本地存储，不上传云端。OCR、语音识别、向量搜索全部本地处理。API 调用只发送必要内容给模型服务商。
支持哪些操作系统？
Windows 10/11、Linux（Ubuntu 20.04+ 等）、macOS（Intel 和 Apple Silicon 都支持）。
需要什么配置？
4GB+ 内存，不需要 GPU。想用本地模型的话，推荐 8GB+ 内存。
怎么安装？
cargo install axoncog（需要 Rust），或者从 GitHub Releases 下载预编译版本。解压就能用。
为什么说在探索 AGI？
传统 Agent 是被动执行命令的工具。我们在探索让 AI 理解用户、学习用户、主动帮助用户——这是往通用智能方向走的尝试。
还有其他问题？
3分钟上手
不用复杂配置，装上就能用。如果你想，它甚至可以自己跑在后台
下载安装
1分钟cargo install axoncog 或者下载预编译版本
运行配置向导
1分钟选你的 Provider，填 API Key，安全策略按需配置
开始用
立刻运行 axoncog chat 开始对话，或者让它自己在后台跑
没有复杂配置，没有必须填的选项。你想用哪个模型就用哪个，想本地跑就本地跑。