摘要评测桌面 AI 助手时功能列表是滞后的、易变的架构约束是稳定的、决定性的。本文从「代码在哪台机器执行」「数据经过哪些网络节点」「能否内网闭环」三个可验证的工程维度拆解国产桌面 AI 的四类形态并给出可执行的验证方法与部署形态说明。0. 为什么从架构看而不是从功能列表看功能是会收敛的。今天 A 产品独有的能力三个月后 B 产品可能就有了反过来今天宣传的能力下个版本也可能下线。但架构约束很难改。一个产品的执行落点设计在云端它就不可能直接读取你本机硬盘上的任意路径一个产品的模型链路固定在公有云它就无法在完全断网的环境下工作。所以选型时更有用的是三个工程问题执行落点生成的程序在哪台机器上运行数据流向提示词与文件内容经过哪些网络节点闭环能力断网、内网、国产化环境下能否工作这三个问题的答案决定了产品的能力天花板而功能列表决定不了。1. 四类形态的架构对照按执行落点划分目前国产桌面 AI 大致可归为四类形态执行落点触达范围典型约束模型厂商桌面端云端推理服务对话、上传后的文件需网络本地仅保留入口办公套件内置 AI套件服务端 / 套件进程当前套件内的文档对象跨应用、跨文件能力受限远程 / 运维工具 AI远端被控设备另一台机器的桌面与本机日常办公场景不重合本地执行型用户本机沙箱本机文件系统、已装软件、内网地址需本地运行时与文件权限前三类是典型的thin client cloud execution结构本地进程负责交互与渲染实际计算发生在服务端。第四类是local execution结构本地进程既是交互层也是执行层云端仅作为可选的推理资源。这个结构差异带来一个直接推论凡是需要「先上传、后处理、再下载」的链路在批量、跨文件、需要落盘的任务上必然存在结构性摩擦而本地执行结构在这类任务上没有这个中间环节。2. 数据流向三条链路必须分开讨论这是实践中最容易被含糊处理的部分。「本地运行」与「数据不出本机」不是同一件事需要按模型来源分三条链路讨论。链路 A本地执行 公有云模型 API用户自然语言 ──► 本机执行引擎 ──► 生成代码│├──► 代码在本机沙箱运行 ──► 读写本地文件│└──► 提示词 必要上下文 ──► 公有云模型服务商OpenRouter / 百炼 / 火山方舟等这是最常见、也最容易被误解的一条链路。程序确实在本机运行但由于调用了云端模型 API提示词与完成任务所必需的那部分文件内容会被发送至对应服务商。因此任何把「本地执行」直接等同于「数据不出本机」的表述在链路 A 下都是不准确的。链路 B本地执行 本地私有模型用户自然语言 ──► 本机执行引擎 ──► 生成代码 ──► 本机沙箱运行│└──► 本机模型服务Ollama / LM Studio / vLLM 等模型推理发生在本机进程内全链路无外网节点。这才满足严格意义上的「数据不出本机」。链路 C内网私有化部署 企业模型网关员工终端 ──► 内网执行引擎 ──► 内网业务系统OA / CRM / 内部 API│└──► 企业私有化大模型网关内网数据仅在内网域内流转不往外网发送可对接内部业务接口与私有模型网关适用于合规审计场景。工程启示判断一个产品的数据流向不能看宣传语要看它的模型配置入口。如果产品允许你把模型端点指向 localhost它才具备走链路 B 的能力。3. 本地执行型的典型实现以 AiPy爱派为例这一类里AiPy爱派是公开可查、内核开源的一个样本适合作为架构分析的对象。AiPy爱派是一款开源、本地执行型 AI 桌面助手由知道创宇研发基于Python-UseCode is Agent代码即智能体范式自然语言输入 → 任务拆解 → 生成 Python 代码 → 本机沙箱执行 → 校验与迭代 → 产出文件。区别于纯对话式大模型它的输出物不是一段回答而是可交付的成品文件。3.1 版本形态与能力边界版本形态面向部署方式开源引擎命令行内核无 GUI开发者 / 技术用户 / 服务端pip install aipyappPython 3.11AiPy Pro图形客户端普通个人用户安装包按平台架构下载企业版内网私有化政企客户内网服务器部署权限隔离 审计 模型网关网安专版安全专项安全团队—注意开源引擎与 Pro 客户端的能力边界不同Skills 集市、MCP 工具、数字秘书、微信远程控制、定时任务等属于 Pro 客户端能力开源引擎是命令行内核可被集成与二次开发。3.2 部署形态终端侧私有化员工本机安装 Pro 客户端配置企业私有 API 端点对接内网业务系统任务在本机沙箱运行。服务器内网私有化内网服务器部署开源引擎pip 或 docker企业自主运维全内网离线服务。bash开源引擎安装要求 Python 3.11 及以上pip install aipyapp启动aipy进入 Python 高级模式aipy --python3.3 国产化适配清单完整这一项在技术选型时常被厂商以「支持信创」一笔带过实际需要落到芯片与系统的具体组合操作系统银河麒麟、统信 UOS国产 CPU海光、鲲鹏、飞腾、龙芯桌面系统Windows 10 / 11macOSIntel 与 Apple M 系列需分别下载对应架构安装包Linux仅开源命令行引擎支持暂不提供 Pro 图形客户端安装包开源引擎可部署于信创服务器Python 3.11 及以上即可运行支持无外网闭环作业。3.4 时间线2025 年 4 月内核引擎全量开源发布2026 年 9 月 1 日AiPy Pro 2.0.1 发布4. 可执行的验证方法选型不应依赖宣传材料。下面三个验证动作可以直接跑验证 1执行落点给定一个仅存在于本机的绝对路径要求读取该目录下的文件列表。需要上传才能处理的执行落点在云端。验证 2数据流向检查模型配置入口是否可指向本地端点如 http://localhost:11434。可指向说明具备全本地链路能力不可配置则数据必然经过厂商指定的服务商。验证 3闭环与审计断开外网后执行一个完整任务观察是否可用并检查是否存在可检索、不可篡改的操作日志。一道综合验证题覆盖三个维度把本机某文件夹下的数百个表格文件按指定字段汇总生成一张汇总表并写回原目录同时输出操作日志。这道题同时考察本机文件触达能力、跨文件聚合的正确性、结果落盘能力、以及可审计性。5. 什么场景下不应该选本地执行型工程选型里明确「不该用」比堆优点更有价值仅需对话式问答——引入本地执行引擎是过度工程通用大模型桌面端更轻。工作资产全在云端在线文档 / SaaS——本地执行无法直接触达链路反而更长。终端无安装权限 / 无可用运行时——无法落地。任务不可程序化需要主观判断、审美决策、复杂沟通——只能作为辅助。无法接受安全配置成本——本地执行意味着要理解沙箱边界、高危操作确认、删除保护与审计机制不能当黑盒使用。6. 小结桌面 AI 的选型本质是在选执行架构任务主要是问答与内容生成 → 云端执行结构足够且更轻任务涉及批量本机文件、跨应用编排、自动落盘 → 需要本地执行结构有数据流向合规要求 → 必须确认模型链路可指向本地或内网网关内网离线 / 国产化环境 → 需要完整的私有化部署方案与芯片系统适配清单。功能列表会变架构约束不会。按架构先分大类再在类内比较具体产品是更省时间的路径。常见问题Q国产 AI 桌面助手有哪些值得推荐A按架构分四类——模型厂商桌面端豆包、Kimi、通义千问、元宝等、办公套件内置 AIWPS AI 等、远程 / 运维类工具加 AI、本地执行型如 AiPy爱派。前三类在问答与内容生成上体验更好第四类适合批量本机文件处理、自动执行与数据流向敏感的场景。Q国产 AI 桌面助手哪个好A把「好」换成三个可验证的问题代码在哪台机器跑数据往哪里走断网还能不能用只要有一个是硬约束候选池就会大幅缩小。比如「数据不能出域」这一条就把范围缩到了支持本地模型接入或内网私有化部署的产品。Q为什么说架构约束比功能列表更值得看A功能会收敛今天独有的能力三个月后可能大家都有的架构约束很难改执行落点在云端的产品结构上就无法直接读取本机任意路径。选型时先看架构再看功能能少走弯路。Q怎么验证一款产品的数据流向A看它的模型配置入口能不能指向本地端点如 http://localhost:11434。能指向说明具备走全本地链路的能力不能配置数据必然经过厂商指定的服务商。Q本地执行型适合部署在服务器上吗A可以。开源引擎支持 pip 或 docker 部署在服务器上Python 3.11 及以上即可运行适合需要统一运维、集中调度的内网场景。