认识 Mira

Mira 是什么

从聊天出发,让模型、知识、角色与工具在本地优先的个人 AI 工作台中协作。

Mira 是什么

从聊天出发,最终回到「接住你」。

UIChat Mira 是一个以桌面端为核心、强调本地优先与用户控制权的个人 AI 工作台。

它把模型、对话、角色、知识库、MCP 与工具放进同一个工作环境中。用户不必把自己的工作方式锁定在某一家模型服务里,也不必在多个互不相通的应用之间反复搬运上下文。

Mira 的入口仍然是最自然的聊天,但它想承接的不只是一次问答,而是人与 AI 长期协作时产生的知识、角色、工具、任务和关系上下文。

它解决什么问题

普通 AI 聊天工具往往把每次对话当成一个相对孤立的窗口。随着使用深入,用户会逐渐遇到几类问题:

  • 模型分散在不同平台,本地模型与云端模型难以统一管理;
  • 资料上传过很多次,但无法沉淀为可管理、可评测的知识库;
  • 提示词、角色设定和工作习惯散落在各个聊天线程里;
  • 工具越来越多,却缺少清晰的权限、审批和调用边界;
  • AI 可以生成答案,却不一定能说明它用了什么资料、执行了什么操作;
  • 用户与 AI 已经积累了大量上下文,产品却仍然把双方当作第一次见面。

UIChat Mira 试图把这些能力重新放回一个连续、可管理的个人工作空间中。

产品定位

::: html

UIChat Mira · Personal AI Workspace
模型 本地与云端 Provider
知识 入库、检索与评测
角色 可复用提示词原型
工具 MCP、审批与证据
聊天是入口,工作空间是承载
从一次问答出发,让模型、资料、角色和能力在同一个上下文中协作。
::: Mira 当前首先是一个 **个人 AI 工作台**,而不是单纯的聊天壳。

image-20260715024102723

Mira 的入口仍然是聊天,但工作区同时承载模型、历史线程与 Agent 工作目录。

这里的「工作台」包含四层含义:

一个统一的模型入口

用户可以在同一个应用中管理不同 Provider 与模型,并为聊天、Embedding、Rerank、评测、Agent 任务等用途配置合适的模型。

Mira 不要求所有能力都来自同一家厂商,也不把产品能力绑定在单一 API 协议上。

一个可以沉淀的知识空间

文件不只是临时附件。它们可以进入知识库,被分段、索引、检索,并通过评测工具检查实际效果。

知识库与角色保持分离:角色定义「AI 应该以什么方式回应」,知识库提供「回答时可以依据什么资料」。

一个可复用的角色工作台

角色不是聊天框里临时写下的一段系统提示词,而是可以持续编辑、预览、复制和复用的提示词原型。

用户可以分别定义角色的世界观、核心身份、适用场景、表达风格、示例对话与约束规则,而不是把所有内容塞进一段难以维护的长提示词。

一个受控的能力入口

Mira 可以通过 MCP、内置工具和 Harness 能力层连接外部能力。

但「能调用」不等于「可以随意调用」。工具是否暴露、是否需要审批、执行产生什么证据,应该由系统边界和用户授权共同决定。

Mira 不是什么

它不是只换了界面的 ChatGPT 客户端

聊天是入口,但不是产品的全部。模型配置、知识库、角色、工具、评测与调试能力都属于同一个工作环境。

它不是替用户做完一切的黑盒智能体

Mira 重视自动化,也重视人工介入。

当 AI 需要读取资料、调用工具或执行可能产生副作用的操作时,用户应当能够看见、暂停、批准、拒绝或纠正。

它不是要求用户迁移全部数据的云端平台

Mira 以本地运行与本地数据为重要基础。云端模型和第三方能力可以被接入,但不应因此夺走用户对个人数据和工作环境的控制权。

它不是一套只服务开发者的 Agent 框架

底层架构可以很复杂,但产品界面最终要服务真实使用者。用户不需要理解 Planner、Harness 或向量索引的内部实现,才能完成一次对话、建立一个角色或使用自己的资料。

适合谁

Mira 更适合这些用户:

  • 同时使用本地模型和多个云端模型;
  • 希望长期整理个人资料、项目文档或专业知识;
  • 需要反复使用不同角色、助手或工作方式;
  • 希望 AI 能连接工具,但不愿把权限全部交给黑盒自动化;
  • 在意数据位置、调用过程和系统可解释性;
  • 希望把 AI 从一次性问答工具逐渐变成稳定的个人工作环境。

它未必适合只想偶尔打开网页问一个问题、并且不需要任何配置和长期沉淀的用户。

核心原则

本地优先,而不是本地限定

能在本地保存和运行的内容,优先留在用户自己的环境中;需要云端模型时,也允许用户自行选择 Provider。

多模型,而不是押注单一模型

不同任务需要不同模型。聊天、检索、重排、评测、Agent 任务和图像生成不必共享同一个默认模型。

能力可组合,权限不可含糊

角色、知识、工具和模型可以组合,但它们的职责不能混在一起。工具调用和副作用操作需要明确边界。

给结果,也给证据

当系统使用知识库或工具时,用户应该有机会看到引用、检索结果、调用链路和失败原因,而不是只得到一个看似肯定的答案。

从聊天出发,最终回到「接住你」

「接住你」不是让 AI 取代现实中的人,也不是让产品假装无所不能。

它意味着:当用户带着资料、问题、习惯和未完成的事情回来时,系统不应总让他从零开始;当自动化出现偏差时,用户能够重新拿回主导权;当一次任务结束后,有价值的内容可以留下来,成为下一次协作的起点。

当前能力地图

image-20260715030126537

设置页将模型、知识库、角色、评测、MCP 与工具组织在同一个产品中。

能力 用户可以做什么
对话 创建和管理对话,选择模型完成日常问答与内容协作
Provider 与模型 接入不同模型服务,为不同用途绑定默认模型
知识库 管理资料、查看分段、测试检索,并使用评测工具检查效果
角色 创建可复用角色,分别维护提示词字段并预览拼装结果
Agent 让系统围绕任务规划、调用工具、收集证据并生成结果
MCP 与工具 接入外部能力,并通过权限与审批控制调用
微应用 在主工作台中承载相对独立的专用能力
调试与评测 查看知识检索、模型调用和任务执行的实际表现

具体能力会随着版本演进。本文描述产品方向,不等同于对所有规划功能的交付承诺。