跳转到主要内容
PromptQuorum为人类设计。 为AI结构化。
主页/本地LLM进阶
Overview & Reference

Askimo 评测:支持本地与云端模型的桌面 AI 聊天客户端

·阅读约9分钟 作者 · PromptQuorum创始人 · 开放权重与开源AI发现引擎

Askimo 是一款免费开源(AGPL-3.0)的桌面聊天客户端,网址为 askimo.chat,支持 macOS、Windows 和 Linux,可连接内置的本地模型和本地后端(Ollama、LM Studio、LocalAI、Docker AI),也可连接云端提供商(OpenAI、Anthropic、Gemini、xAI),无需注册账号。 除了聊天之外,它还能为用户自己的文件和代码建立索引以实现检索增强聊天,并可在选定的工作文件夹中启动外部编码智能体 CLI——Claude Code、Codex CLI 或 Antigravity CLI,并将智能体的输出实时回传到自身界面。当前版本为 1.5.5。

关键要点

  • 无需账号——安装后添加提供商的 API 密钥或本地服务器地址即可开始聊天
  • 支持内置本地模型、本地后端(Ollama、LM Studio、LocalAI、Docker AI)以及云端提供商(OpenAI、Anthropic Claude、Google Gemini、xAI Grok)
  • "Projects" 在本地为用户自己的文件和代码建立索引,用于检索增强聊天;"Agents" 在选定的工作文件夹中启动外部编码 CLI(Claude Code、Codex CLI、Antigravity CLI),并跳过批准提示
  • 支持 MCP(模型上下文协议)工具连接,并提供用于脚本编写和 CI/CD 的文档化 CLI
  • 当前的"Individual"版免费;付费的"Team Edition"已宣布将在未来推出,但尚未上线或定价

📍 简单一句话

Askimo 是一款免费开源(AGPL-3.0)的桌面聊天客户端,可连接本地与云端 AI 提供商,为用户自己的文件建立索引以实现检索增强聊天,并可在工作文件夹中启动外部编码智能体 CLI。

💬 简单来说

Askimo 不会把你锁定在单一 AI 提供商上,而是一个桌面应用:你可以接入自己的 API 密钥或像 Ollama 这样的本地服务器,将其指向一个存放自己文档或代码的文件夹,让它在回答时能够检索这些内容,还可以选择让它把编码任务交给像 Claude Code 这样的独立智能体工具处理——所有这些都不需要创建账号。

Askimo(askimo.chat,源代码位于 github.com/askimo-ai/askimo)是一款面向 macOS、Windows 和 Linux 的免费开源(AGPL-3.0)桌面聊天客户端。它可以连接内置的本地模型和 Ollama、LM Studio 等本地后端,也可以连接 OpenAI、Anthropic Claude、Google Gemini 等云端提供商,支持用户对自己的文件和代码建立索引以实现检索增强(RAG)聊天("Projects"),还可以在选定的工作文件夹中启动外部编码智能体 CLI——Claude Code、Codex CLI 或 Antigravity CLI。本评测将介绍 Askimo 的实际功能、智能体运行器和 RAG 项目的工作方式、其隐私与数据处理方面的说明、许可证与定价,以及它与其他桌面多提供商聊天客户端相比的定位。

Askimo 评测:支持本地与云端模型的桌面 AI 聊天客户端

Askimo 是什么?

Askimo 自己的主页将其定位为一款单一的桌面应用,将多提供商聊天客户端与文件搜索、外部编码智能体和自动化功能结合在一起,而不只是面向单一 AI 提供商的聊天窗口。

  • 核心理念:单次桌面安装即可与内置本地模型、自托管本地后端或云端提供商对话,切换提供商无需切换应用,参见主页与文档
  • 以 macOS、Windows、Linux 桌面应用形式发布,并提供一个文档化的命令行界面,用于"脚本编写、CI/CD 流水线和 DevOps 任务"(据文档)
  • 成熟度:截至本次核查,该仓库大约有 0+ 个 GitHub 星标,当前处于 v1.5.5 版本
  • 它不是什么:Askimo 本身并不运行外部编码智能体——根据其官方文档,它只是将选定的智能体 CLI(Claude Code、Codex CLI 或 Antigravity CLI)作为独立子进程启动并回传其输出,而不是自行重新实现智能体的行为

Askimo 的工作原理:Projects、Agents 与 MCP

根据 askimo.chat/docs,Askimo 除了普通聊天之外的功能分为三组。

  • Providers(提供商) —— 用户可以配置一个或多个 AI 提供商:内置本地模型、本地后端(Ollama、LM Studio、LocalAI、Docker AI,或任何兼容 OpenAI 的端点),或云端 API(OpenAI、Anthropic Claude、Google Gemini、xAI Grok),还可选配 LiteLLM 的"Team Gateway"设置
  • Projects(RAG) —— 用户将 Askimo 指向一个文档或代码文件夹;它会在本地为内容建立索引(安全页面提到使用 Apache Lucene 和 jvector,嵌入在设备端完成),使聊天回答能够引用检索到的片段,而不只是依赖模型的训练数据
  • Agents(智能体) —— 用户选择一个外部编码 CLI(Claude Code、Codex CLI 或 Antigravity CLI),每种都分别进行身份验证(Claude Code 需要 Anthropic 账号或 claude login;Codex CLI 需要在 Askimo 中添加的 OpenAI API 密钥;Antigravity CLI 需要与 Askimo 自身 Gemini 提供商共用的 Gemini API 密钥),以及一个工作文件夹;Askimo 会以子进程方式启动该 CLI,跳过批准提示,并将其工具调用和输出实时流式传输到 Agents 视图
  • Skills 库 —— 在启动智能体之前,Askimo 会把用户自己基于 SKILL.md 的技能文件夹复制或软链接到该运行环境自身的技能目录中(例如 .claude/skills/),从而让同一套技能定义可以在三种受支持的智能体 CLI 之间复用
  • MCP 集成 —— 文档中记录了一组模型上下文协议连接,描述为可以触达"GitHub、数据库、API 和现实世界的工具"
  • Recipes(配方) —— 文档中将其描述为"结合提示词与命令的声明式自动化链",用于重复执行多步骤任务而无需每次重新输入提示词

获取 Askimo

Askimo 在每个受支持的操作系统上都只需下载一个安装程序即可完成安装——macOS 为 DMG,Windows 为 MSI,Linux 为 .deb 软件包,根据各操作系统的安装指南,已于 2026 年 11 月 18 日核查。

平台
获取方式
macOS(Apple Silicon 或 Intel)从 askimo.chat/docs/desktop/installation/macos 下载对应的 DMG,打开后将 Askimo 拖入"应用程序"文件夹
Windows从 askimo.chat/docs/desktop/installation/windows 下载并运行 MSI 安装程序
Linux(x64 或 arm64)从 askimo.chat/docs/desktop/installation/linux 下载对应的 .deb 软件包,并使用 dpkg -i 安装
任意操作系统(备用方式)每个操作系统也都提供了"Universal JAR"方案,需要 Java Runtime Environment 25 或更高版本
官方网站askimo.chat
安全与数据处理页面askimo.chat/security
源代码(GitHub)github.com/askimo-ai/askimo

当前版本为 1.5.5,参见 github.com/askimo-ai/askimo/releases,已于 2026 年 11 月 18 日核查。截至本次核查,Askimo 并未提供与其 Terms 和 Security 页面分开的专门隐私政策页面。

隐私与数据处理

根据 askimo.chat/security(已于 2026 年 11 月 18 日核查),Askimo 自称几乎所有内容都保留在用户自己的设备上。

  • Askimo 表示不会收集 API 密钥、对话、文档或个人信息,也不运行任何收集用户数据的后端服务器
  • 首次启动时会发送一次匿名的安装计数 ping,其中仅包含应用版本和操作系统类别(例如"macOS");该页面称此 ping 无法关闭,且不保留设备 ID 或 IP 地址
  • 可选的使用情况分析默认关闭;如果用户选择开启,会发送匿名的功能使用信号(例如提供商类型或是否启用了 RAG),用户可在设置中再次关闭
  • 所有本地数据都存放在 ~/.askimo 目录下,不进行云同步:API 密钥存储在操作系统密钥链中(或采用 AES-256-GCM 作为后备方案),聊天记录存储在本地 SQLite 数据库中,RAG 索引使用 Apache Lucene 和 jvector 构建,偏好设置存储在本地 YAML 文件中
  • 对于 Projects(RAG),索引和嵌入计算都在设备端进行;安全页面称,发送给被询问的 AI 提供商的只是检索到的相关片段,而不是完整文档
  • 发送给云端提供商(OpenAI、Anthropic、Gemini、xAI)的提示词和上下文,会按照该提供商自身的隐私政策对其可见——Askimo 的"本地优先"说法仅适用于 Askimo 自身,不适用于所选云端提供商对请求的处理方式

Askimo 的许可证与定价

Askimo 目前的产品——Individual 版——是免费的;第二个付费层级已宣布但尚不存在。

  • 许可证:AGPL-3.0,经 GitHub 仓库确认
  • Individual 版:免费,无需账号,Askimo 本身未声明任何使用上限——任何 AI 使用成本来自用户所提供的提供商 API 密钥,使用像 Ollama 这样的本地后端则是免费的
  • Team Edition:在 askimo.chat/pricing 上被宣布为计划中的后续发布(页面注明为 2026 年下半年),将新增共享知识库、基于角色的访问控制、审计日志以及可选的加密云同步;其价格仅标注为"TBD / seat / month",截至本次核查尚未上线

Askimo 适合哪些人?

Askimo 是否合适,主要取决于你是想要一款能同时覆盖本地和云端提供商的桌面应用,还是只专注于单一后端的客户端。

适合使用 Askimo 的情况

  • 你想在本地模型、像 Ollama 这样的自托管后端和云端提供商之间切换,且都在同一款应用中完成,无需更换工具
  • 你想在本地与自己索引过的文档或代码对话,且嵌入计算在设备端完成
  • 你已经在使用某个外部编码智能体 CLI(Claude Code、Codex CLI 或 Antigravity CLI),并希望用一个界面在多个项目中启动和监控它
  • 你想在任何付费层级出现之前,先评估一款免费、AGPL-3.0 许可、无需账号的桌面应用

以下情况请等待或考虑其他方案

  • 你需要智能体运行器在文件写入或 shell 命令上永远不跳过批准提示——Askimo 自己的文档说明一旦运行开始,提示就会被跳过
  • 你需要产品背后有明确标明的公司、支持联系方式或法律管辖区——截至本次核查均未公开
  • 你今天就需要已明确定价的 Team Edition 功能(共享知识库、审计日志)——该层级已宣布但尚未上线
  • 你想要的是专注于某个特定提供商或后端的客户端,而不是多提供商切换工具——详见下文"Askimo 与其他桌面聊天客户端的比较"

Askimo 与其他桌面聊天客户端的比较

Askimo 是众多能够同时连接本地和云端 AI 提供商的桌面聊天客户端之一。以下是它与同一通用聊天客户端细分领域中其他工具的比较——完整目录请参阅本地 AI 目录。

  • Cherry Studio —— 一款面向 Windows、macOS 和 Linux 的开源(AGPL-3.0)桌面客户端,同样可连接 Ollama 等本地后端和云端提供商,并支持 MCP;与 Askimo 不同的是,Cherry Studio 不会启动独立的外部编码智能体 CLI。
  • AnythingLLM —— 一款 MIT 许可的桌面及自托管 RAG 聊天客户端,具备内置本地引擎、多格式文档聊天和 MCP 支持,更专注于知识库聊天,而不是启动外部编码智能体。参见AnythingLLM 评测。
  • Chatbox —— 一款开源(GPL-3.0)的桌面与网页聊天客户端,可连接 Ollama 及其他提供商,支持文件聊天和 MCP,但没有 Askimo 专有的外部编码智能体运行器。

在目录中比较

常见问题

使用 Askimo 需要云端账号吗?

不需要。根据主页介绍,Askimo 不要求任何账号;用户只需提供自己的提供商 API 密钥用于云端模型,或将其指向像 Ollama 这样的本地后端或内置本地模型,无需任何注册步骤。

Askimo 可以完全离线运行吗?

只有在使用的所有提供商都是本地的情况下才可以——即内置本地模型,或 Ollama、LM Studio、LocalAI、Docker AI 等自托管后端。使用云端提供商(OpenAI、Anthropic、Gemini、xAI)需要互联网连接,并会将请求发送给该提供商。

Askimo 自己会运行 Claude Code 或 Codex 吗?

不会。根据 Askimo 自己的文档,它只是在选定的工作文件夹中以子进程方式启动单独安装并完成身份验证的 CLI(Claude Code、Codex CLI 或 Antigravity CLI),并回传其输出——它并不会自行重新实现该智能体。

Askimo 是免费的吗?

目前的 Individual 版免费,无需账号,Askimo 本身也未声明任何使用上限。付费的 Team Edition 已宣布将在未来发布,但截至本评测时点(2026 年 11 月 18 日核查)尚未上线或定价。

来源

← 返回 本地LLM进阶

MCP