🎁 福利专区全网大模型免费应用 + 新用户福利 + 注册活动入口，低成本玩转 AI
去看看
DeepSeek Harness Hub
MCP兼容手册

多智能体自进化开发平台 Prism-Shadow/penguin-harness

DeepSeek Harness
Prism-Shadow0 天前有提交已提供中文文档扫描：含敏感能力
在 GitHub 查看 ↗

统一、稳定的 Agent 自进化框架全自动优化：任意模型 · 任意算法 · 任意 Benchmark

71.1/100
综合分
3,111
GitHub 星标
—
npm 周下载
—/5
用户评分

数据截至 2026/11/3 · 周下载取自 npm 全网（含 CI / 镜像），非本站安装数；综合分由星标、活跃度与兼容性检查合成。

自动兼容检查未通过：缺少 main/exports/bin 入口声明；engines.node 要求 >=24，不满足 Node 22.19.0；仓库 package.json 标记 private，未发布到 npm，需从源码安装。以下命令仍可尝试，但可能失败。
安装命令 · 需先装 dsh CLI 引擎
dsh plugin --profile web add Prism-Shadow/penguin-harness
该包不可直接 npm 安装，改从 GitHub 源安装（明细见下方安装检查）

状态速览

判定依据：实装验证 · 静态安装检查 · 自动扫描 · 仓库维护状态
信任档位：已验证
是什么
dsh 原生插件 · desktop
装得上吗
本站已真实安装成功
非静态推断
L4 · 真实安装等级说明 →
安全吗
本站尚未对该插件做风险分级
暂未覆盖，不等同于无风险
还在维护吗
活跃：最近一次提交在 0 天前
档位由哪些信号合成

本站实装验证（真实安装 L4 覆盖全站；L5 为运行时冒烟或实机截图，覆盖范围小于 L4） · 验证所用 dsh 版本 · 静态安装检查 · 风险分级 · 仓库维护状态。 下方各区块是它的证据明细。

验证判据与等级说明 →
社区实装还没有人打卡 · 装过的第一个就是你
安装兼容性检查需源码安装

缺少 main/exports/bin 入口声明；engines.node 要求 >=24，不满足 Node 22.19.0；仓库 package.json 标记 private，未发布到 npm，需从源码安装

展开查看检查明细 ↓

以下结论由程序自动检查 npm 包、engines 声明与入口文件得出，未做人工实机验证——能装不等于用着没问题。

✗npm 包penguin-harness（未发布到 npm，仅可源码安装）
✗Node 引擎要求 >=24 · 基线 Node 22.19 不满足
✓dsh CLI 依赖未声明 dsh 版本约束
✗入口文件缺少入口声明

源码安装时若 pnpm 拦截 prepare 脚本，按其提示在 pnpm-workspace.yaml 的 allowBuilds 中放行后重跑。

验证方式：npm registry 存在性 + package.json 静态校验 · 最后检查 2026/10/28 11:39:42

安全扫描自动 · 静态分析源码
v2.7.0
🔵 扫描：含敏感能力尚无人工评估
展开查看扫描说明与证据 ↓

静态扫描发现插件具备触达本地系统的能力：执行外部命令、读写/删除本地文件、读取剪贴板或密钥类环境变量（至少其一）。这是能力清单，不是危险判定——具体能力项与证据见下方，安装前请自行判断是否需要。

可执行外部命令读写/删除本地文件写入剪贴板(不计风险)读取剪贴板或密钥环境变量发起外部网络请求
查看扫描证据（共 41 处，展示前 41 条）
  • 发起网络请求
    packages/browser-extension/src/pairing.ts:86
    res = await fetch(new URL(EXTENSION_PAIR_PATH, target.origin), {
  • 发起网络请求
    packages/cli/src/auth-session.ts:98
    const req = (secure ? https : http).request(
  • 执行外部命令来自配置/变量
    packages/cli/src/client.ts:180
    child = spawn(process.execPath, [entry, "server"], {
  • 读取密钥环境变量
    packages/cli/src/client.ts:221
    if (!loopback && !process.env.PENGUIN_API_TOKEN?.trim()) {
  • 读取密钥环境变量
    packages/cli/src/client.ts:280
    const envToken = process.env.PENGUIN_API_TOKEN?.trim();
  • 发起网络请求
    packages/cli/src/client.ts:332
    const res = await fetch(`${this.conn.baseUrl}${apiPath}`, init);
  • 发起网络请求
    packages/cli/src/client.ts:341
    return fetch(`${this.conn.baseUrl}${apiPath}`, { ...init, headers });
  • 发起网络请求
    packages/cli/src/client.ts:364
    const retried = await fetch(`${this.conn.baseUrl}${apiPath}`, { ...init, headers });
  • 写入本地文件
    packages/cli/src/lang-config.ts:83
    await mkdir(dirname(rc.rcPath), { recursive: true });
  • 读取本地文件
    packages/cli/src/lang-config.ts:86
    content = await readFile(rc.rcPath, "utf8");
  • 执行外部命令来自配置/变量
    packages/cli/src/lang-config.ts:99
    const child = spawn(shell, ["-i"], {
  • 发起网络请求
    packages/cli/src/server-session.ts:109
    await client.request("PATCH", `/api/sessions/${enc(sessionId)}`, { thinkingLevel: level });
  • 发起网络请求
    packages/cli/src/server-task.ts:226
    await opts.client.request(
  • 执行外部命令来自配置/变量
    packages/desktop/build/evsign.cjs:26
    const child = childProcess.spawn(client, [file, "-key", key, "-sha256"], {
  • 读取密钥环境变量
    packages/desktop/build/evsign.cjs:46
    const key = process.env.EVSIGN_KEY;
  • 读取本地文件
    packages/desktop/build/evsign.cjs:68
    if (!fs.existsSync(client)) {
  • 执行外部命令来自配置/变量
    packages/desktop/build/verify-windows-signature.cjs:31
    const stdout = childProcess.execFileSync(
  • 写入剪贴板
    packages/desktop/src/builtin-browser.ts:482
    clipboard.writeText(params.linkURL);
  • 写入剪贴板
    packages/desktop/src/builtin-browser.ts:485
    clipboard.writeText(params.srcURL);
  • 执行外部命令来自配置/变量
    packages/desktop/src/login-shell-env.ts:168
    child = spawn(opts.shell, ["-i", "-l", "-c", PROBE_COMMAND], {
  • 发起网络请求
    packages/desktop/src/server-process.ts:86
    const res = await fetch(`${origin}/`, {
  • 发起网络请求
    packages/desktop/src/server-process.ts:182
    await fetch(`${server.origin}/api/desktop/shutdown`, {
  • 发起网络请求
    packages/desktop/src/updater.ts:88
    net.fetch(url, { headers: init.headers, signal: init.signal });
  • 执行外部命令来自配置/变量
    packages/desktop/src/win-aumid.ts:31
    nodeExecFile(file, args, options, (error) => callback(error));
  • 发起网络请求
    packages/landing/src/lib/download-source.ts:226
    const headers = fetch(url, {
  • 发起网络请求
    packages/landing/src/lib/download-source.ts:376
    const res = await fetch(url, { cache: "no-store", signal: controller.signal });
  • 发起网络请求
    packages/server/src/index.ts:315
    fetch: (request: Request, env) => this.app?.fetch(request, env) ?? startingResponse(),
  • 发起网络请求
    packages/server/src/index.ts:464
    fetch: (request: Request, env) => this.app?.fetch(request, env) ?? startingResponse(),
  • 读取本地文件
    packages/ui/src/vite-plugin.ts:32
    return readdirSync(dir)
  • 读取本地文件
    packages/ui/src/vite-plugin.ts:37
    source: readFileSync(new URL(file, dir), "utf8"),
  • 写入剪贴板
    packages/web/src/lib/clipboard.ts:34
    export function writeClipboard(text: string): Promise<boolean> {
  • 写入剪贴板
    packages/web/src/lib/selection-copy.ts:102
    return writeClipboard(text);
  • 读取本地文件
    plugins/sandbox-bwrap/src/index.ts:83
    accessSync(target, constants.X_OK);
  • 读取本地文件
    plugins/sandbox-bwrap/src/index.ts:165
    isDirectory = statSync(resolved).isDirectory();
  • 执行外部命令来自配置/变量
    plugins/sandbox-bwrap/src/index.ts:191
    const probe = spawnSync(runner, BASE_PROFILE_PROBE, { timeout: timeoutMs, stdio: "ignore" });
  • 执行外部命令来自配置/变量
    plugins/sandbox-bwrap/src/index.ts:202
    execFile(runner, BASE_PROFILE_PROBE, { timeout: timeoutMs }, (err, _stdout, stderr) => {
  • 执行外部命令来自配置/变量
    plugins/sandbox-seatbelt/src/index.ts:189
    const probe = spawnSync(
  • 执行外部命令来自配置/变量
    plugins/sandbox-seatbelt/src/index.ts:214
    execFile(
  • 执行外部命令来自配置/变量
    plugins/sandbox-wsl/src/host.ts:60
    const child = spawn(wslExe(), args, {
  • 执行外部命令来自配置/变量
    plugins/sandbox-wsl/src/launch.ts:104
    const child = spawn(job.wsl, wslArgs(job, process.cwd()), {
  • 执行外部命令来自配置/变量
    plugins/sandbox-wsl/src/tasks.ts:244
    const child = spawn(powershell(), ["-NoProfile", "-Command", elevationCommand(script, log)], {
扫描于 2026/11/2（1 天前） · 范围 全包扫描 · 来源 GitHub 仓库

静态扫描只反映源码中出现的调用，不构成安全背书；人工评估与自动扫描相互独立、互不覆盖。

给这个插件打分还没有人投票↓
用户评分
还没有人投票，来当第一个
广告精选好物
飞利浦 TAH6519 主动降噪耳机 ¥299
头戴式无线 anc 主动降噪，蓝牙连接，久戴舒适向。
  • ·anc 主动降噪 · 头戴式无线
  • ·价格与库存以商品页实时为准
去淘宝看看→

界面预览

6 张 · 点击查看大图

功能亮点

  • 统一稳定的自进化框架
  • 全自动优化模型

🐧 统一稳定的 RSI 平台

README

由 DeepSeek 最新模型翻译生成
PenguinHarness 统一、稳定的 Agent 自进化框架全自动优化：任意模型 · 任意算法 · 任意 Benchmark = 24" /> 为什么选择 PenguinHarness PenguinHarness 是开源的 Agent 自进化（recursive self-improvement, RSI）框架。模型保持不变，进化的是 Harness：提示词、Skill、工具和钩子。它可以在你的电脑或服务器上运行，提供桌面端、Web App、CLI 和 SDK。 - 一个框架，集齐所有 RSI 算法。 Default、OPRO、APE、ACE、AWM、SkillAdam、SkillOpt、OpenSkill 和 TRACE 都以插件形式提供，跑在同一套内置 Benchmark、记分板和快照上。 - 一句话生成一个 Agent 应用。 描述你的需求，Agent 就会把应用、页面和运行说明都写好。 - 跑起来很便宜。 工具集刻意保持精简，专为开源模型调优：在我们的数据分析测试集上，以 Claude Code 1/70 的成本取得最高准确率。 自进化 选一个算法，选一个 Benchmark，一个 Agent 就能一轮一轮地优化另一个 Agent。每个候选版本都是一个新版本，改动前先存快照；每个分数都会进入评估中心。
展开完整文档（README 剩余 1 节）
PenguinHarness

统一、稳定的 Agent 自进化框架全自动优化：任意模型 · 任意算法 · 任意 Benchmark

= 24" />

为什么选择 PenguinHarness

PenguinHarness 是开源的 Agent 自进化（recursive self-improvement, RSI）框架。模型保持不变，进化的是 Harness：提示词、Skill、工具和钩子。它可以在你的电脑或服务器上运行，提供桌面端、Web App、CLI 和 SDK。

- 一个框架，集齐所有 RSI 算法。 Default、OPRO、APE、ACE、AWM、SkillAdam、SkillOpt、OpenSkill 和 TRACE 都以插件形式提供，跑在同一套内置 Benchmark、记分板和快照上。
- 一句话生成一个 Agent 应用。 描述你的需求，Agent 就会把应用、页面和运行说明都写好。
- 跑起来很便宜。 工具集刻意保持精简，专为开源模型调优：在我们的数据分析测试集上，以 Claude Code 1/70 的成本取得最高准确率。

自进化

选一个算法，选一个 Benchmark，一个 Agent 就能一轮一轮地优化另一个 Agent。每个候选版本都是一个新版本，改动前先存快照；每个分数都会进入评估中心。

| 工具包 | 算法 |
| default-rsi-toolkit | 试跑、反思、提升：每轮一个假设、一处改动 |
| opro-rsi-toolkit | OPRO：从已评分指令的历史中生成新指令 |
| ape-rsi-toolkit | APE：从示例中归纳候选指令 |
| ace-rsi-toolkit | ACE：把 Trace 中的经验提炼成 playbook |
| awm-rsi-toolkit | AWM：从成功的运行中归纳出工作流 |
| skilladam-rsi-toolkit | SkillAdam：持续更新问题记录，按评分变化调整 Skill 编辑预算 |
| skillopt-rsi-toolkit | SkillOpt：限制文本编辑幅度，按评分筛选候选，并在训练轮次之间总结经验 |
| openskill-rsi-toolkit | OpenSkill：先通过外部检索与独立虚拟验证构建技能，再评测冻结的 State |
| trace-rsi-toolkit | TRACE：对比成功与失败轨迹，进化技能库并测量一致性 |

每个新建的 Project 都自带十七个 Benchmark，以 Harbor 任务的形式跑在 Docker 里：PenguinHarness Benchmark Sec A 到 Sec E（来自 rag-bench-essential、DeepSWE、AutomationBench、Terminal-Bench-Science 和 Terminal-Bench），以及 GDPEVO Essential 六个场景各自的 Train/Test 对，共十二个 GDPEVO Essential 条目。更多 Benchmark 见 penguin-harness-benchmark。

演示：以决策智能体为例，经过评测、一次工作方法的改进和同模型复测，分数从 84 提升到 100，每次运行的成本都看得到。

https://github.com/user-attachments/assets/8ab00e36-9da6-4706-aede-5cf63c3080fc

一句话，一个应用

新建一个法务智能体，负责审阅合同、协议等法律文件：找出风险条款、说明理由并给出修改建议。再在法务智能体上做一个 Agent Workbench 标签页，当作它的工作台：我上传文件后，由它在后台分析，完成后生成一份分析报告供我下载。页面上只要上传、文件列表（每个文件的处理状态）和报告下载，不显示任何对话过程；颜色一律取自主题变量，明暗两种主题下都要好看。

结果：一个法务审阅应用。上传合同后，可以查看每个文件的处理状态，并下载列出风险条款、理由和修改建议的审阅报告。5 次样件审阅的模型花费是 $0.0423。

https://github.com/user-attachments/assets/138744cd-9ab8-42f3-bf6d-b0a25f404132

Agent 能做什么

浏览器自动化 Agent 通过 PenguinHarness Browser 扩展操作你自己的 Chrome，也可以用桌面端的内置浏览器。读页面用文本、操作用短脚本，每一步只花很少的 Token。教程

工作台每个 Agent 都能有自己的热定制工作台：开口要一个，Agent 就把页面和服务端代码一起写好，作为标签页显示在对话旁边。教程

远程机器添加一台机器，服务器通过 ssh 连接它。那台机器上 Workspace 里的会话就在那台机器上运行，而且仍在同一个窗口里。教程

Agent API
通过统一 API 把任意 Agent 接入外部应用：经 HTTP 发送输入，再以 AMSP 事件流读回运行过程。教程

回复还可以自带 UI：选项、表单、步骤、Mermaid 图表和实时小组件（A2UI）。

评测结果

每个 Harness 都在自己通常搭配的模型上，跑同一组任务：

内置插件库

Agent 还能编写并优化自己的 Skill（文档）。

| 分类 | 插件 |
| Agent 自进化 | default-rsi-toolkit, opro-rsi-toolkit, ape-rsi-toolkit, ace-rsi-toolkit, awm-rsi-toolkit, skilladam-rsi-toolkit, skillopt-rsi-toolkit, openskill-rsi-toolkit, trace-rsi-toolkit |
| 办公效率 | a2ui, data-analysis, use-firecrawl, browser-automation, use-bento-slides, humanizer, goal, continual-learning, agent-company, penguin-support |
| 软件开发 | software-development, use-claude-code |
| AI 应用开发 | agent-development, agent-evaluation, model-development, skill-porting |

支持的模型

重点支持以下模型系列。各型号的具体版本和供应商见应用的模型库。

闭源模型

| 模型 | 服务商 |
| GPT 6.1 | OpenAI, OpenRouter |
| Claude 5.5 | Anthropic, OpenRouter, OpenCode Go |
| Gemini 4 | Google Gemini, OpenRouter, Penguin Go, OpenCode Go |
| Grok 4.7 | OpenRouter, OpenCode Go |
| Qwen3.8 Max | Qwen Token Plan, Qwen Pay-As-You-Go, OpenRouter, TokenDance, OpenCode Go |

开源模型

| 模型 | 服务商 |
| DeepSeek V4.1 | DeepSeek, OpenRouter, Fireworks AI, Atlas Cloud, TokenDance, Penguin Go, OpenCode Go, Qwen Token Plan, Qwen Pay-As-You-Go, ModelScope |
| Kimi K3 | Moonshot AI, OpenRouter, Fireworks AI, TokenDance, OpenCode Go, Qwen Pay-As-You-Go |
| GLM 5.3 | Z.AI, OpenRouter, TokenDance, OpenCode Go |
| Hunyuan 4 | OpenRouter, TokenDance, OpenCode Go |
| MiMo v2.6 | OpenRouter, TokenDance, OpenCode Go |

Claude 5.5 的 OpenCode Go 预设为 Haiku；Fable 5.1、Opus 5.5 和 Sonnet 5.5 可通过 Anthropic、OpenRouter 使用。Hunyuan 4 使用 hy4-preview。

此外支持自定义 OpenAI 协议端点，可接入 1000+ 个在线和本地模型。

安装

桌面端

从 penguin.ooo/download 下载安装包：macOS 11+（dmg）、Windows 10+（exe）或 Linux x64（AppImage、deb）。应用打开即已登录，无需终端。

CLI 与服务器

| 平台 | 安装命令 |
| Linux / macOS | curl -fsSL https://penguin.ooo/install.sh \| sh |
| Windows（PowerShell） | irm https://penguin.ooo/install.ps1 \| iex |
| npm（Node >= 24） | npm install -g @prismshadow/penguin-cli |

然后运行 penguin web：它在 http://127.0.0.1:7364 上提供 Web App，在设置密码之前会打印首次登录链接；模型在模型库页面配置。桌面端和 CLI 共用 ~/.penguin/data。

Docker

docker run -d --name penguin -p 127.0.0.1:7364:7364 -v penguin-data:/data hiyouga/penguinharness:0.2.18
docker logs penguin # 首次登录链接，在本机可原样打开

镜像在 7364 端口提供服务，数据存放在 /data 卷，适用于 linux/amd64 和 linux/arm64；latest 跟随 main 中影响镜像运行代码或构建输入的改动，每次发布也会打上对应版本号的标签。上面的示例只监听回环地址。如需面向网络的部署、Compose 和升级，参见 Docker 快速上手。

离线安装（物理隔离的机器）

每个 GitHub Release 为每个目标平台恰好附带一个包：Linux 和 macOS 提供 x64 / arm64 版本，Windows 提供 x64 版本，另有一个不含运行时的通用包。在线安装和离线安装用的是同一个文件。每个包都封入程序本体、对应的 SHA256 校验值和所在平台的安装器。在联网机器上下载这一个文件，拷贝到目标机器，解压一次，运行自带的安装器即可，无需网络，也无需单独携带校验文件（封入的 SHA256 始终会被校验）。

Linux（arm64 机器请使用 penguin-linux-arm64.tar.gz）：

mkdir penguin-install
tar -xzf penguin-linux-x64.tar.gz -C penguin-install
./penguin-install/install.sh

macOS（以 Apple silicon 为例；Intel 机器请使用 penguin-darwin-x64.tar.gz）：

mkdir penguin-install
tar -xzf penguin-darwin-arm64.tar.gz -C penguin-install
./penguin-install/install.sh

Windows（解压后双击 install.cmd，或在 PowerShell 中运行）：

Expand-Archive penguin-win32-x64.zip -DestinationPath penguin-install
cd penguin-install
.\install.cmd

Chrome 扩展（可选）

PenguinHarness Browser 让 Agent 在你自己的 Chrome 里操控你交给它们的标签页。

CLI 与 SDK

同一套引擎，支持脚本调用，专为 Agent 驱动而设计：

penguin config model add --provider deepseek --model-id deepseek-flash --api-key sk-... --set-default
penguin run -m "Create hello.txt containing Hello, Penguin" # 单次任务 penguin chat # 交互式 REPL（/compact、/clear、/exit、Ctrl-C 中断） penguin server # 无界面服务（与 Web 应用同一套 API）

import { createAgent, isCompleteModelMessage, userText } from "@prismshadow/penguin-core";

const agent = await createAgent({ agentId: "default_agent" });
const session = await agent.createSession({ workspaceDir: process.cwd() });

for await (const output of session.run([userText("Create hello.txt containing hi")], {
approve: async () => "allow", // 按工具调用逐个审批
})) {
if (isCompleteModelMessage(output) && output.payload.type === "text") {
console.log(output.payload.text);
}
}

路线图

- [x] Benchmark 套件公开发布
- [x] 桌面端
- [x] 支持 Windows
- [x] Agent 公司与模板
- [ ] 公司级自进化
- [ ] 集成 OpenShell（权限管控的 shell）
- 还有更多，敬请期待……

参与开发

pnpm install && pnpm build # 先构建：core 的导出指向 dist/
pnpm dev # 服务端 + Web 一起启动（带前缀日志，依赖只构建一次）

用编码 Agent 开发本仓库：开发用的 Skill 在 .agents/skills/ 下（penguin-harness-dev、penguin-harness-frontend、penguin-harness-manual-test、penguin-harness-writing）。Claude Code 通过 .claude → .agents 软链接直接加载，无需安装；换用其他 Agent 时，把 .agents/skills/* 链接或复制到它读取 Skill 的目录即可。

完整的 Workspace 开发指南见 CONTRIBUTING.md：开发命令、质量门禁、仓库布局和 changelog 规则。

贡献者

感谢所有为 PenguinHarness 贡献过的伙伴。

引用

如果你的研究使用了 PenguinHarness，请引用：

@software{penguinharness2026,
author = {{PrismShadow Team}},
title = {PenguinHarness: Efficient Self-Improving Harness for Everyone},
year = {2026},
url = {https://github.com/Prism-Shadow/penguin-harness},
license = {Apache-2.0}
}

致谢

本仓库得益于以下项目：

- MinGit：Windows 上捆绑的 POSIX shell 和 Git
- GenericAgent：内置浏览器自动化

各项目的许可证见 THIRD-PARTY-NOTICES.md。

协议

Apache-2.0 © 2026 Prism Shadow

维护团队

组织：PrismShadow AI、清和乐章

维护成员：

- Yaowei Zheng（LlamaFactory、PrismShadow）
- Yangxi Xiang
- Junhao Hu
- Leijun Zhou（PrismShadow）
- Zhihao Liu（PrismShadow）
- Xiang Qu（PrismShadow）
- Hengjin Dou（PrismShadow）
- Ning Wang（清和乐章）
- Ming Lu（清和乐章）

Built with ❤️
广告精选好物
Type-c 采集卡 ¥50
佳能尼康索尼相机直连电脑，视频开发与直播向。
  • ·相机转电脑采集
  • ·价格与库存以商品页实时为准
去淘宝看看→
预览分享卡片长什么样 ↓Prism-Shadow/penguin-harness
分享 · DeepSeek Harness Hub
Prism-Shadow/penguin-harness

统一、稳定的 Agent 自进化框架全自动优化：任意模型 · 任意算法 · 任意 Benchmark

相关插件 · 桌面端

Codex 任务面板chuspeeism/dashi-taskboard
现代化可灵活嵌入的任务面板，支持 Codex、DeepSeek Harness
★ 3,409已汉化DSH
71.7
桌面宠物PC2005-cloud/dsh-pet
DSH 桌面宠物：一行命令装好即用的透明动画小桌宠，支持多开、大小位置随心配置；还内置 DIY 素材链，能用 AI…
★ 5,341已汉化DSH
71
多端 Agent 工作台GCWing/OpenBitFun
OpenBitFun 是一个高度可定制的开源 Agent 工作台，让任务按你的方式持续推进。
★ 3,449已汉化DSH
70.8
DSH Desktopanywhere-labs/dsh-desktop
为 DeepSeek Harness DSH 插件生态打造的现代化桌面端解决方案。万物皆「插件」，桌面本身也是「插件」。
★ 34,532已汉化DSH
70.7
桌面宠物伴侣OpenPetsHQ/openpets
桌面伴侣平台，带宠物、插件，还能选配本地智能体集成。
★ 1,353已汉化DSH
70.2
万象桌面客户端Ebony-Vinyl/EAC-Desktop
EAC = Embracing All Creation揽尽万象
★ 2,318已汉化DSH
69.8
回到顶部