Marvis
不只是聊天机器人，而是真正能"干活"的 OS 级 AI 助手。
让它帮你管理文件、操控应用、整理桌面、处理文档——你只需要用自然语言下指令。
引言
AI 工具的爆发式增长带来了无数"聊天机器人"，但它们的边界止于对话框——能回答你的问题，却碰不到你电脑里的文件、打不开你的应用、管不了你的桌面。
Marvis 打破了这条边界。它深度集成在操作系统中，像一位坐在你身边的数字同事：懂你的文件体系、熟悉你的应用生态、理解你的工作流程。它不是"告诉我怎么做"，而是"我来帮你做"。
Marvis 是什么？
Marvis 是一款 OS 级 AI 桌面助手，目前支持 Windows、macOS、Android，iOS 也在规划中。它采用多 Agent 协作架构——不是一个大模型包打天下，而是六位专业 Agent 各司其职、协同作战：
Main Agent 负责理解你的自然语言指令，将其拆解为可执行的子任务，然后调度专业 Agent 协同完成。复杂 任务可以并行分派，操作过程全程可视可追溯。
核心特点
1. 环境优先，隐私可控
Marvis 的设计哲学是"能用本地解决的，不绕路云端"。面对一个任务，它优先调度电脑上已有的工具、文件和应用，而非一味依赖在线模型生成。
| 运行模式 | 说明 | 适用场景 |
|---|---|---|
| 效率模式 | 端云智能结合，响应速度快 | 日常高频任务、联网搜索、复杂推理 |
| 隐私模式 | 100% 本地运行，数据不出设备，支持离线 | 金融合同、法律文件、个人隐私数据 |
2. 多 Agent 协作架构
不同于单一大模型的"一问一答"，Marvis 的 Agent 团队可以并行处理复杂指令。比如你说"帮我把桌面上 PDF 文件整理到一个文件夹，然后把上个月的发票找出来汇总成 Excel"——Main Agent 会同时分派 File Agent 去整理桌面，同时启动发票检索流程，两路并行，效率倍增。
3. 三级风险安全机制
任何能操作你电脑的助手，安全都是第一位的。Marvis 内置了三级风险定级与响应机制：
| 风险等级 | 定义 | 响应策略 | 示例 |
|---|---|---|---|
| 🟢 低风险 | 只读操作、创建文件 | 直接执行，事后报告 | 列目录、搜索文件、读取内容 |
| 🟡 中风险 | 覆盖替换、配置变更 | 二次确认，说明影响范围 | 批量替换文件内容、修改设置 |
| 🔴 高风险 | 删除系统文件、格式化 | 强制确认，展示完整执行计划 | 清空回收站、修改注册表 |
此外，Marvis 对系统核心路径（如 C:\Windows、C:\Program Files）设有禁区保护，敏感配置文件（.ssh、.env、.kube）默认不可读写。删除操作始终优先移入回收站而非永久删除——安全策略深入每一个工具调用的细节。
4. 工具路由：专用优先，通用兜底
Marvis 内部有一张精细的工具路由表。面对任务，它优先匹配专用闭环能力（如 PDF 解析、发票识别、Excel 处理），只有在专用能力不覆盖时，才降级到 通用 Shell/Python 执行器。这种设计大幅降低了 LLM 幻觉风险——能用确定性的工具解决的问题，绝不依赖模型"猜测"。
六大 Agent 技能详解
File Agent：你的私人文件管家
File Agent 是 Marvis 中使用频率最高的 Agent，它的能力远不止"搜索文件名"：
🔍 内容感知搜索
支持跨 PDF、Word、PPT、Excel、TXT 的全文语义搜索。你说"找我上个月签的租赁合同"，它会理解"租赁合同"的语义，而非机械匹配文件名。更强大的是结合图片搜索能力——"有没有产品架构图？""把去年团建的照片找出来"同样精准命中。
📂 智能文件整理
File Agent 内置了完整的整理工作流：先扫描目录 → 生成整理蓝图（展示哪些文件将被移动到哪些文件夹）→ 等你确认后执行。整个过程有重名保护、锁定文件检测、隐藏/系统文件自动过滤。你全程可控，出错率为零。
整理蓝图示例：
├── 📁 PDF文档/ ← 12 个文件
├── 📁 Excel表格/ ← 8 个文件
├── 📁 图片/ ← 23 个文件
│ ├── 📁 截图/ ← 15 个文件
│ └── 📁 照片/ ← 8 个文件
├── 📁 安装包/
└── ⏭️ 跳过：3 个文件（锁定/系统文件）
📝 文档处理
读取、摘要、翻译、格式化各类文档。支持 PDF / DOCX / PPTX / XLSX 的完整解析，包括复杂表格、PPT 演讲者备注等。加上 Skills 系统，可以直接生成报告、制作 PPT、输出带格式的 Word。
🔄 格式转换
PPT → PDF、Word → Markdown、图片格式互转、文档转图片…… 一个指令完成，无需打开任何软件。
Computer Agent：系统操控大师
Computer Agent 让你用对 话来管理系统，告别翻找控制面板：
- 系统诊断："我的电脑配置怎么样？""电池健康度多少？""为什么最近这么卡？"——它会检查 CPU/内存/磁盘占用、启动项、后台进程，给出诊断结论和优化建议。
- 性能评估："我这台电脑能跑《黑神话：悟空》吗？"——自动对比硬件配置与游戏要求，给出明确结论。
- 系统调优："帮我把没用的启动项关掉""清理一下系统垃圾"——通过对话完成，无需手动操作注册表或服务。
App Agent & Browser Agent：自动化引擎
这两个 Agent 让你的应用和浏览器变成可编程的"机器人"：
App Agent：启动应用、窗口切换、模拟操作。"帮我打开微信给张三发一条消息"、"用企业微信自动签到"——将重复性应用操作自动化。
Browser Agent：打开网页、填写表单、点击按钮、抓取数据、定时刷新监控。"每天早 9 点帮我看这个商品有没有降价"、"监控这个公告页面，有更新就通知我"。
举个例子：你正在追某个政府网站的招标公告，以前需要每天手动刷新。现在只需告诉 Marvis："每天早上 9 点和下午 5 点检查这个页面，有新公告就通知我。"Browser Agent 会定时访问、对比内容、发现变化后推送提醒。
Search Agent：联网深度研究员
当你需要调研一个话题、了解最新动态时，Search Agent 会进行多轮联网搜索 + 深度整合，最终输出结构化报告。它不是简单地扔给你一堆链接，而是帮你读完、消化、总结好。
Skills 技能系统
除了六大 Agent，Marvis 还内置了一套可插拔的 Skills 技能系统——每个 Skill 是针对特定任务的专家级指令包。Agent 在遇到对应场景时动态加载 Skill，获得该领域的专业指导。
以下是部分核心 Skills：
| Skill | 功能 | 触发场景 |
|---|---|---|
| file-search | 文档语义搜索（双层漏斗） | "找关于深度学习的论文" |
| image-search | 图片语义搜索（多路并行 + 视觉验证） | "有没有产品架构图？" |
| file-organizer | 智能文件整理（扫描→蓝图→确认→执行） | "整理桌面文件" |
| invoice-retrieval | 发票查找 + OCR 识别 + 信息提取 | "把本月发票汇总成 Excel" |
| document-writer | 高质量文档/报告撰写 | "写一 份财务分析报告" |
| excel-processing | Excel 编辑、合并、图表生成 | "把这些数据做成柱状图" |
| pptx | PPT 创建、编辑、排版 | "帮我做一个述职 PPT" |
| PDF 合并、拆分、水印、OCR | "把这些 PDF 合并成一个" | |
| photo-to-video | 图片合成带音乐的视频相册 | "把这些照片做成视频" |
Skills 系统的设计哲学是"专业的事交给专业的指令"——每个 Skill 包含该领域的完整最佳实践流程，确保输出质量的一致性。
典型使用场景
场景一：从一堆文件中找合同关键信息
用户："帮我找一下和张三签的那份合作协议，把付款条款和违约责任提取出来。"
- Search Agent 语义搜索"张三 合作协议"，命中目标 PDF
- File Agent 读取 PDF 全文，定位"付款条款"和"违约责任"章节
- 输出结构化摘要，标注条款原文和所在页码
全程不到 30 秒。过去你可能要在文件夹里翻 10 分钟，再用 15 分钟逐页扫描。
场景二：月底发票批量整理
用户："帮我把这个月收到的所有发票找出来，汇总成一张 Excel 表格，包括发票号码、金额、日期、抬头。"
- invoice-retrieval Skill 激活，扫描全盘发票文件
- 发票检测模型过滤非发票图片/PDF
- OCR 批量识别每张发票的关键字段
- 写入 Excel，按日期排序，带金额汇总
最终交付一张结构清晰的 Excel 表格——你只需要核验一遍即可提交报销。
场景三：桌面大扫除
用户："帮我把桌面整理一下，按文件类型归类。"
- file-organizer Skill 激活，扫描桌面所有文件
- 生成整理蓝图：PDF 归入"文档"、图片归入"图片"、安装包单独分类、重复文件标注
- 你确认蓝图后，一键执行搬运
- 整理完成，桌面焕然一新
整个过程安全可逆——所有操作只是移动文件，不删除任何东西。
场景四：制作述职 PPT
用户："帮我做一份 Q1 述职 PPT，数据用这份 Excel。"
- File Agent 读取 Excel 数据，提取关键指标
- document-writer Skill 撰写述职报告大纲和文案
- pptx Skill 创建幻灯片，插入图表、排版美化
- 输出可直接演示的
.pptx文件
从原始数据到可演示的 PPT，一气呵成。
场景五：多设备远程协同
在星巴克用手机远程查看家里电脑上的文件、解锁电脑、发送文件给自己
Marvis 支持跨设备的屏幕流 + 远程控制。电脑上的文件可以一键发送到手机，反之亦然。你不再需要给自己发微信文件助手。
技术架构
执行策略：CheCk → Scan → Plan → Action → Report
Marvis 的复杂任务执行遵循严谨的五步闭环：
Check（安检） → Scan（确认现状） → Plan（规划方案） → Action（执行） → Report（汇报结果）
每一步都有明确的安全检查点，确保"行前有规划、行中有监控、行后有交代"。
路径安全：禁区保护 + 路径遍历防护
- 系统核心路径（
C:\Windows、C:\Program Files等）禁止修改或删除 - 敏感配置目录（
.git、.ssh、.aws、.kube、.env）默认不可读写 - 路径遍历防护：任何含
../的路径参数都会被解析为绝对路径并二次确认
卡片式交互
Marvis 的交互不是纯文本——搜索结果、文件列表、操作结果都以原生卡片呈现：
- 文件列表卡片：缩略图 + 文件名 + 路径，一目了然
- 删除确认卡片：列出将删除的所有文件，支持逐项勾选
- 操作结果卡片：展示操作状态（成功/失败/跳过）及原因
中间产物隔离
任务执行过程中产生的脚本、临时数据、中间文件统一写入系统临时目录，任务完成后自动清理。只有最终交付文件（报告、表格、PPT 等）保留在 output 目录。你不会在工作目录里看到一堆 temp_xxx.py 和 debug.log。
结语
Marvis 正在重新定义我们与电脑的关系。
过去，我们花时间学习软件、记忆操作路径、适应工具规则；现在，你只需要说出意图，Marvis 负责理解并执行。从"人适应工具"到"工具服务人"——这不是一个功能更新，而是一次范式迁移。
如果你厌倦了在海量文件中翻找、在重复操作中消耗精力，不妨把琐事交给 Marvis。
把创造力留给自己，把执行力交给 AI。
本文由 Marvis File Agent 协助撰写