Netor.Madorin（马得令）

---

🎯 你遇到的真实问题

市面上的 AI 工具只会聊天，真正做事还得靠你自己：

• ❌ ChatGPT/Claude 只能一问一答，没法记住项目上下文
• ❌ 每次切换任务都要重新解释背景，效率极低
• ❌ 想让 AI 操作文件、调接口、查服务器？对不起，它只会给你代码让你自己跑
• ❌ 多个任务并行？只能开十几个标签页自己来回切
• ❌ 技术问题找技术 AI，营销问题找营销 AI，团队协作靠人肉转述
• ❌ 数据存在云端，担心隐私泄露，想用本地模型又配置复杂

创业者和独立开发者最痛的是：钱不够雇团队，一个人要干五个人的活。

---

✨ Madorin 给你的答案

把 AI 从"顾问"升级成"员工"，从"聊天窗口"升级成"公司"。

不是工具，是团队

Madorin 不是又一个聊天界面，而是一套完整的 AI 员工编制系统：

不用你来回切换，不用你转述需求，AI 团队自己开会、分工、执行、交付。

三大核心能力，解决行业痛点

🏢 会议模式 — 市面独一无二的多 AI 讨论功能

让 AI 团队开会讨论，而不是你一个人问一百遍：

• 📋 需求评审：产品经理提需求 → 技术评估可行性 → UX 提交互方案 → 团队投票决策
• 🐛 故障诊断：运维报告现象 → 后端分析日志 → 前端排查接口 → DBA 查数据库 → 多角度定位根因
• 📊 方案决策：三个 AI 各自独立提方案 → 评审团逐个质询 → 团队投票 → 输出最优解

会议模式：AI 团队自主讨论、投票决策，你只需要看结果

其他产品只能一对一问答，Madorin 让 AI 之间协作，质量和效率都是降维打击。

🔌 插件体系 — 真正的行业革命（详见后文）

市面上的"插件"都是玩具，Madorin 的插件体系是企业级底座：

• 三通道架构：Native（C# 原生）+ Process（独立进程）+ MCP（外部服务）全覆盖
• 插件集群：事件总线 + 集群授权 + 跨插件协作，可搭建企业自有插件生态
• 工作技能 vs 全局技能：不同智能体用不同插件，权限隔离，安全可控
• 插件绑定管理：哪个智能体能用什么模型、调用哪些插件，全部可配置
• 增强记忆插件：行业领先的长期记忆系统，真正"记住"你的项目（详见后文）

竞品的插件只是"给 AI 加几个函数"，Madorin 的插件体系可以承载整个企业的业务流程。

🧠 增强记忆系统 — 行业最完整的长期记忆实现

不是简单的"上下文缓存"，而是真正的知识沉淀与召回系统：

• 全模式覆盖：对话、专家、工作、会议四大模式的记忆全打通
• 多维度抽取：观察 → 片段 → 抽象 → 关联，四层处理管道
• 智能召回：根据当前任务自动召回相关记忆，不需要手动搜索
• 事件链路：实时事件 + 历史回放双通道，重启也不丢记忆

为什么行业领先？

• ✅ 市面上的记忆系统只是"向量数据库 + RAG"，Madorin 是完整的知识管理工作流
• ✅ 其他产品记忆孤立在单次对话，Madorin 跨会话、跨模式、跨智能体共享
• ✅ 竞品重启就失忆，Madorin 的双通道机制（实时 + 历史回放）确保记忆永久化
• ✅ 基于自研基座深度集成，不是"插件"级别的附加功能，而是系统级能力

案例：你三个月前和技术智能体讨论过数据库优化方案，今天换个市场智能体问"我们的技术架构是什么"，它能从记忆中召回那次讨论，直接给答案。

---

📊 与市面产品对比

🎯 Madorin 的四大核心差异

1. 会议模式 — 市面上独一无二的多 AI 讨论功能，其他产品只能单线程对话
2. 企业级插件体系 — 不是简单的"函数调用"，而是完整的集群化底座
3. 增强记忆系统 — 行业最完整的长期记忆实现，不是简单的向量检索
4. 本地优先 + 数据隐私 — SQLite 本地存储，核心数据不上云

---

🎬 核心功能展示

1. 专家模式 — 多智能体并行协作

创建多个专业智能体，每个专注自己的领域，自动分工协作：

专家模式：技术、市场、运营智能体同时工作，并行处理复杂任务

典型场景：

• 📋 产品规划：产品经理拆需求 + UX 设计界面 + 技术评估工期 + 运营定推广策略
• 🐛 问题诊断：前端查接口 + 后端查日志 + DBA 查数据库 + 运维查服务器，多角度定位
• 📊 竞品分析：市场调研竞品功能 + 技术分析实现难度 + 运营评估市场反馈

核心优势：不用你来回切换，不用你转述需求，AI 团队自己分工执行。

---

2. 会议模式 — AI 团队开会讨论（独创功能）

让 AI 团队自己开会讨论，而不是你一个人问一百遍：

会议模式：多个 AI 围绕同一问题展开讨论、质询、投票

会议流程：

1. 📋 主持人发起议题（你或指定的 AI）
2. 💬 参会智能体依次发言，表达观点
3. 🔄 自由讨论阶段，AI 之间互相质询、补充
4. ✅ 投票决策，多数意见自动形成决议
5. 📝 会议纪要自动生成，包含讨论过程和最终决策

实际案例：

为什么独创？
市面上所有产品都是"你问 AI 答"的单线程模式，Madorin 让 AI 之间协作讨论，质量和效率都是降维打击。

---

3. 工作模式 — 项目管理与任务执行

把大项目拆成任务清单，分配给不同智能体，自动执行和交付：

工作模式：项目经理智能体拆任务，技术、文档、测试智能体分别执行

工作流程：

1. 📋 项目经理智能体接收需求，拆解成任务树
2. 👥 分配任务给对应智能体（技术、文档、测试等）
3. ⚙️ 并行执行，每个智能体独立完成任务
4. 📊 进度跟踪，实时汇总各任务状态
5. 📦 交付成果，生成完整项目报告

典型场景：

• 🚀 新功能开发：需求分析 → 技术设计 → 编码实现 → 单元测试 → 文档编写 → 部署上线
• 📝 内容生产：选题策划 → 资料收集 → 内容撰写 → 校对润色 → 排版发布
• 🔄 流程自动化：数据导入 → 清洗转换 → 质量检查 → 入库确认 → 通知相关人

核心能力：

• ✅ 自动拆解复杂项目
• ✅ 智能分配任务
• ✅ 并行执行提速
• ✅ 进度实时可见
• ✅ 成果自动交付

---

4. 智能体员工管理 — 你的 AI 团队编制

像管理真实团队一样，配置每个智能体的能力、权限和工具：

智能体员工管理：配置智能体的模型、插件、技能和权限

配置能力：

• 🧠 选择模型：不同岗位用不同模型（技术用 Claude，营销用 GPT-4，客服用本地 Llama）
• 🔌 绑定插件：技术智能体能调 SSH 插件，市场智能体不能
• 📋 分配技能：工作技能（仅当前智能体）vs 全局技能（所有智能体）
• 🔒 权限控制：哪些智能体能调用哪些 API、访问哪些数据
• 💾 记忆管理：是否允许该智能体产生长期记忆

实际案例：

• 技术智能体：Claude Opus + SSH 插件 + 代码审查技能 + 服务器访问权限
• 市场智能体：GPT-4 + 网页抓取插件 + 文案写作技能 + 无服务器权限
• 客服智能体：本地 Llama 3.1 + CRM 插件 + 工单处理技能 + 用户数据读取权限

为什么重要？
不是所有 AI 都该有所有权限，细粒度控制确保安全和成本优化。

---

5. 插件管理 — 扩展 AI 的实际能力

插件让 AI 从"只会说"变成"真能干"：

插件管理：Native、Process、MCP 三类插件，全局插件 vs 工作区插件

三类插件通道：

• 🔵 Native 插件：C# 原生插件，性能最高，适合高频调用（如文件操作、数据库查询）
• 🟢 Process 插件：独立进程插件，隔离性强，适合长时间运行（如本地服务器、后台任务）
• 🟣 MCP 插件：外部服务接入，适合云服务集成（如 GitHub、Slack、数据库）

已内置插件：

• 📁 文件操作：读写文件、目录管理、批量处理
• 🔐 SSH/服务器：远程执行命令、日志查询、进程管理
• 🌐 网页抓取：爬虫、内容提取、监控变化
• 💾 数据库：SQL 查询、数据导入导出、备份恢复
• 🧠 增强记忆：长期记忆系统（详见后文）
• 🔔 通知推送：邮件、企业微信、Slack
• 📊 数据分析：Excel 处理、图表生成、报表制作

插件开发：提供完整 SDK，支持 C#、Python、Node.js 开发自定义插件（详见后文）。

---

6. 插件授权管理 — 细粒度权限控制

不是所有智能体都该用所有插件，安全和成本需要精细控制：

插件授权管理：控制哪些智能体能使用哪些插件

授权维度：

• 👤 按智能体授权：技术智能体能用 SSH，市场智能体不能
• 🔌 按插件授权：敏感插件（如数据库写入）只授权给特定智能体
• 🌍 全局插件 vs 工作区插件：全局插件所有智能体可见，工作区插件仅当前项目可用
• 🧠 模型能力绑定：某个插件只对特定模型开放（如 Claude 专用插件）

实际场景：

• 🔒 数据安全：生产环境数据库插件只授权给 DBA 智能体和运维智能体
• 💰 成本控制：昂贵的云服务插件（如 GPU 计算）只授权给特定任务
• 🎯 职责分明：客服智能体只能读用户数据，不能写；技术智能体能读写服务器配置

---

7. AI 模型管理 — 多厂商混用

不绑定单一模型厂商，根据任务选择最合适的模型：

AI 模型管理：支持 OpenAI、Anthropic、Azure、本地模型等多种厂商

支持模型厂商：

• 🤖 OpenAI：GPT-4、GPT-3.5、o1 系列
• 🧠 Anthropic：Claude Opus、Sonnet、Haiku
• ☁️ Azure OpenAI：企业级 GPT 部署
• 🏠 本地模型：Ollama、LM Studio、本地 Llama
• 🌏 国内厂商：通义千问、文心一言、讯飞星火（通过兼容 API）

混用策略：

• 💼 营销文案：GPT-4（创意强）
• 👨‍💻 代码审查：Claude Opus（代码理解强）
• 💬 客服对话：本地 Llama（成本低、隐私好）
• 📊 数据分析：o1（推理强）
• 📝 文档翻译：Claude Haiku（速度快、成本低）

成本优化：根据任务复杂度自动选择模型，简单任务用便宜模型，复杂任务用强模型。

---

8. MCP 管理 — 接入外部服务

通过 MCP（Model Context Protocol）标准接入外部服务和 API：

MCP 管理：接入 GitHub、数据库、云服务等外部资源

MCP 优势：

• 🔌 标准协议：基于 Anthropic MCP 标准，兼容生态内所有工具
• 🌐 云服务集成：GitHub、GitLab、Jira、Notion、Google Drive
• 💾 数据库连接：PostgreSQL、MySQL、MongoDB、Redis
• 📡 企业系统：CRM、ERP、OA 系统通过 API 接入
• 🔒 安全隔离：MCP 服务独立进程，崩溃不影响主程序

典型场景：

• 📋 项目管理：AI 自动创建 Jira 工单、更新 GitHub Issue
• 💬 团队协作：AI 自动发送 Slack 通知、回复企业微信
• 📊 数据分析：AI 直接查询生产数据库，生成报表
• 📝 文档管理：AI 读取 Notion 文档，自动同步到内部知识库

---

9. 应用商店 — 一键扩展能力

应用商店：浏览、搜索、安装插件和智能体模板

商店内容（规划中）：

• 🔌 插件市场：官方插件 + 社区插件，一键安装
• 👤 智能体模板：预配置的行业智能体（技术、市场、客服等）
• 📋 技能库：可复用的技能包（代码审查、文案写作、数据分析等）
• 🎨 主题皮肤：界面主题定制

未来规划：

• 📦 插件版本管理和自动更新
• ⭐ 插件评分和评论系统
• 💰 商业插件市场（开发者变现）

---

10. 系统设置 — 完全可控

系统设置：完整的配置中心，从界面到数据全面掌控

核心设置：

• 🎨 界面配置：主题、字体、布局自定义
• 💾 数据管理：数据库位置、备份策略、清理规则
• 🔒 隐私控制：数据本地化、记忆开关、日志级别
• 🌐 网络配置：代理设置、超时时间、并发控制
• 📁 工作区管理：多工作区切换、工作区级插件隔离
• 🔑 API 密钥：模型厂商 API 密钥统一管理

本地优先设计：

• ✅ 所有数据存储在本地 SQLite 数据库
• ✅ API 密钥加密存储，不上传云端
• ✅ 对话记录、记忆数据完全本地化
• ✅ 可选的云同步功能，默认关闭

---

11. 桌面宠物 — 可爱的 AI 伴侣

Madorin 不只是工具，还能变身桌面宠物，随时陪伴你的工作：

桌面宠物：在桌面上活动的 AI 伴侣，随时响应你的需求

多种形态：从科技感机器人到可爱角色，总有一款适合你

核心特性：

• 🎨 多种模型可选：内置多个宠物模型，科技风、可爱风任你选择
• 🔄 随意更换：右键菜单轻松切换宠物外观，支持自定义模型
• 💬 随时交互：点击宠物即可对话，无需打开主界面
• 🎭 智能动画：根据工作状态展示不同动作和表情
• 📌 桌面置顶：始终显示在最前，不会被其他窗口遮挡
• ⚙️ 完全可控：透明度、大小、位置随心调节

丰富的模型库：从机械风格到动漫角色，满足不同审美需求

使用场景：

• 📝 工作时有个 AI 伴侣在旁边，随时可以提问
• 🎯 提醒待办事项和重要任务
• 💡 主动推送相关建议和知识点
• 🎮 工作之余的趣味互动

---

12. AI 厂商管理 — 快速配置指南

AI 厂商管理：快速配置多个模型厂商的 API 密钥和端点

快速接入：

• 🔑 API 密钥管理：统一管理所有厂商的密钥，加密存储
• 🌐 自定义端点：支持私有化部署和国内镜像
• 🔄 自动检测：一键测试连接，自动发现可用模型
• 💰 成本跟踪：记录各厂商用量，帮助优化成本

配置模板：

• 📋 预置主流厂商配置（OpenAI、Anthropic、Azure）
• 🏠 本地模型配置模板（Ollama、LM Studio）
• 🌏 国内厂商配置模板（阿里、百度、讯飞）

---

🔌 插件体系：真正的行业革命

这不是简单的"给 AI 加几个函数"，而是企业级插件集群底座

市面上所有 AI 产品的"插件"都只是玩具级实现——简单的函数调用封装。Madorin 的插件体系是从底层架构设计的企业级解决方案，可以承载整个公司的业务流程自动化。

为什么 Madorin 的插件体系是行业领先？

📊 竞品对比

---

🎯 三通道插件架构

Madorin 提供三种插件通道，覆盖从高性能本地调用到云服务集成的全场景：

1️⃣ Native 插件 — C# 原生插件

技术特性：

• 🚀 零序列化开销：直接内存调用，性能极致
• 🔒 类型安全：编译期检查，运行期零异常
• 🧩 深度集成：可访问宿主所有能力（数据库、UI、内存）

适用场景：

• 🔥 高频调用：每秒调用上千次的场景（如实时监控、日志处理）
• 💾 数据密集：大量数据处理（如文件批量操作、数据库迁移）
• 🎯 核心能力：增强记忆系统、工作流引擎等基础设施

开发体验：

[PluginMetadata(
    Id = "file-manager",
    Name = "文件管理器",
    Version = "1.0.0"
)]
public class FileManagerPlugin : NativePluginBase
{
    [PluginFunction(Description = "读取文件内容")]
    public async Task ReadFile(string path) 
    {
        // 直接调用 .NET API，零开销
        return await File.ReadAllTextAsync(path);
    }
}

内置 Native 插件：

• 📁 文件系统（File）
• 💾 数据库操作（Database）
• 🧠 增强记忆（EnhancedMemory）
• 🔄 工作流引擎（Workflow）
• 📊 数据处理（DataProcessor）

---

2️⃣ Process 插件 — 独立进程插件

技术特性：

• 🛡️ 进程隔离：插件崩溃不影响主程序
• ⚡ 长时运行：适合后台服务、定时任务
• 🌐 跨语言：支持 Python、Node.js、Go、Rust 等任意语言
• 📡 双向通信：WebSocket 实时通信 + JSON-RPC 协议

适用场景：

• 🔧 第三方工具集成：调用 Python 脚本、Node.js 工具链
• 🌐 本地服务：启动本地 Web 服务、数据库代理
• ⏱️ 长时任务：视频转码、大数据处理、机器学习推理
• 🔒 沙箱隔离：不受信任的插件代码

开发体验：

# Python Process 插件示例
from madorin_plugin import ProcessPluginBase

class DataAnalyzer(ProcessPluginBase):
    def __init__(self):
        super().__init__(
            id="data-analyzer",
            name="数据分析器",
            version="1.0.0"
        )
    
    async def analyze_csv(self, file_path: str):
        # 使用 pandas 进行数据分析
        import pandas as pd
        df = pd.read_csv(file_path)
        return df.describe().to_dict()

通信机制：

• 📨 请求-响应：主程序调用插件函数，等待返回
• 📡 事件推送：插件主动向主程序推送事件
• 🔄 双向调用：插件可以反向调用主程序能力

内置 Process 插件：

• 🐍 Python Runner（执行 Python 脚本）
• 📦 Node.js Runner（执行 Node.js 脚本）
• 🌐 Local Server（本地 HTTP 服务器）

---

3️⃣ MCP 插件 — 外部服务集成

技术特性：

• 🔌 标准协议：基于 Anthropic MCP 标准，兼容生态工具
• ☁️ 云服务集成：无缝接入 SaaS 服务和云 API
• 🔄 热更新：MCP 服务更新无需重启主程序
• 🌍 远程服务：支持通过网络访问远程 MCP 服务器

适用场景：

• 📋 项目管理：GitHub、GitLab、Jira、Trello
• 💬 团队协作：Slack、Microsoft Teams、企业微信
• 💾 数据存储：PostgreSQL、MySQL、MongoDB、Redis
• 📊 商业系统：CRM、ERP、OA、财务系统

配置示例：

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_TOKEN": "your-token"
      }
    },
    "database": {
      "command": "mcp-server-postgres",
      "args": ["--connection-string", "postgresql://..."]
    }
  }
}

已支持的 MCP 服务：

• 🐙 GitHub（仓库管理、Issue、PR）
• 💾 PostgreSQL/MySQL/SQLite（数据库查询）
• 📝 Notion（文档管理）
• 🔍 Google Drive（文件存储）
• 更多服务持续接入中…

---

🏢 企业插件集群 — 独创能力

这是 Madorin 真正拉开与竞品差距的核心技术：插件不是孤立的工具，而是可以相互协作的集群系统。

核心能力 1：事件总线（EventHub）

问题场景：

• 文件监控插件发现配置文件变更 → 需要通知部署插件重启服务
• 数据库插件检测到数据异常 → 需要通知告警插件发送邮件
• 代码审查插件发现安全漏洞 → 需要通知工单插件创建 Issue

传统方案的问题：

• ❌ 插件之间无法通信，只能通过 AI 转述
• ❌ 需要人工串联流程，效率低下
• ❌ 无法实现自动化响应

Madorin 的解决方案：

// 文件监控插件发布事件
await EventHub.PublishAsync("config.changed", new {
    File = "appsettings.json",
    Timestamp = DateTime.Now
});

// 部署插件订阅事件
EventHub.Subscribe("config.changed", async (data) => {
    // 自动重启服务
    await RestartService();
});

技术架构：

• 📡 发布-订阅模式：插件发布事件，其他插件订阅响应
• 🔄 异步处理：事件处理不阻塞主流程
• 🎯 主题路由：支持通配符订阅（如 data.* 匹配所有数据事件）
• 💾 事件持久化：重要事件可持久化，重启后回放

实际案例：

---

核心能力 2：集群授权管理

问题场景：

• 公司有 10 个开发团队，每个团队需要不同的插件权限
• 生产环境插件只能给运维团队用，开发团队不能碰
• 某些敏感插件（如财务数据）只能特定人员使用

传统方案的问题：

• ❌ 要么所有人用所有插件（不安全）
• ❌ 要么手动配置每个人的权限（管理地狱）

Madorin 的解决方案：

# 插件集群授权配置
clusters:
  - name: "生产运维集群"
    plugins:
      - ssh-manager
      - deployment-tool
      - database-admin
    authorized_agents:
      - "运维智能体"
      - "DBA智能体"
    
  - name: "开发测试集群"
    plugins:
      - code-review
      - test-runner
      - local-database
    authorized_agents:
      - "技术智能体"
      - "测试智能体"

授权维度：

1. 按智能体授权：技术智能体能用 SSH，客服智能体不能
2. 按插件功能授权：数据库插件的"读"权限全开，"写"权限只给 DBA
3. 按工作区授权：生产工作区的插件和开发工作区完全隔离
4. 按时间授权：临时授权某插件 24 小时，到期自动回收

企业级特性：

• 🔐 权限继承：集群权限 → 工作区权限 → 智能体权限，三层继承
• 📋 审计日志：所有插件调用记录，谁、何时、调用了什么
• 🚨 实时撤销：发现异常立即撤销权限，已调用的操作可回滚
• 👥 团队管理：支持团队级权限配置，新成员自动继承

---

核心能力 3：工作技能 vs 全局技能

问题场景：

• 你有 10 个项目，每个项目的技术栈不同
• 前端项目需要 React 技能，后端项目需要 .NET 技能
• 但你不想技术智能体在前端项目里也能看到 .NET 技能（混乱）

传统方案的问题：

• ❌ 所有技能全局可见，智能体容易混淆
• ❌ 或者为每个项目创建独立智能体（管理爆炸）

Madorin 的解决方案：

技能层级：
├── 全局技能（Global Skills）
│   ├── 代码审查技能
│   ├── 文档写作技能
│   └── 通用调试技能
│
└── 工作区技能（Workspace Skills）
    ├── 项目 A（React 前端）
    │   ├── React 开发技能
    │   ├── TypeScript 技能
    │   └── 前端测试技能
    │
    └── 项目 B（.NET 后端）
        ├── .NET Core 技能
        ├── SQL Server 技能
        └── 后端测试技能

实际效果：

• ✅ 技术智能体在项目 A 只看到 React 相关技能
• ✅ 切换到项目 B 自动切换到 .NET 相关技能
• ✅ 全局技能（如代码审查）在所有项目都可用

配置示例：

{
  "workspace": "react-frontend-project",
  "skills": {
    "global": [
      "code-review",
      "documentation",
      "debugging"
    ],
    "workspace": [
      "react-development",
      "typescript",
      "frontend-testing",
      "webpack-config"
    ]
  }
}

---

核心能力 4：插件绑定管理

问题场景：

• 技术智能体用 Claude Opus（代码能力强）
• 市场智能体用 GPT-4（创意强）
• 但某些插件（如代码执行）只适合 Claude，不适合 GPT-4

传统方案的问题：

• ❌ 所有模型都能调所有插件（容易出错）
• ❌ 或者手动在提示词里限制（不可靠）

Madorin 的解决方案：

{
  "plugin_bindings": {
    "code-executor": {
      "allowed_models": ["claude-opus", "claude-sonnet"],
      "blocked_models": ["gpt-4", "gpt-3.5"],
      "reason": "代码执行需要 Claude 的代码理解能力"
    },
    "creative-writer": {
      "allowed_models": ["gpt-4", "claude-opus"],
      "blocked_models": ["claude-haiku"],
      "reason": "创意写作需要强模型"
    }
  }
}

绑定维度：

1. 模型能力绑定：某插件只对特定模型开放
2. 智能体角色绑定：某插件只对特定角色开放（如 DBA 智能体）
3. 工作区环境绑定：生产环境插件和开发环境插件隔离

实际效果：

• ✅ 代码执行插件：只允许 Claude 调用（代码理解强）
• ✅ 数据库写入插件：只允许 DBA 智能体调用（安全）
• ✅ 生产部署插件：只在生产工作区可用（隔离）

---

🎯 插件体系解决的行业痛点

痛点 1：AI 只会说，不会干

竞品现状：

• ChatGPT：只能写 Shell 命令，不能直接执行
• Claude：给你一段代码，你自己去运行
• Coze/Dify：提供简单的 HTTP 调用，无法操作本地资源

Madorin 解决方案：

• ✅ SSH 插件：直接登录服务器执行命令
• ✅ 文件插件：直接读写本地文件
• ✅ 数据库插件：直接执行 SQL 查询
• ✅ 部署插件：直接触发 CI/CD 流水线

从"顾问"到"员工"，真正能干活。

---

痛点 2：插件之间无法协作

竞品现状：

• 插件 A 和插件 B 互相不知道对方存在
• 需要 AI 手动调用插件 A，拿到结果，再调用插件 B
• 流程长、易出错、效率低

Madorin 解决方案：

• ✅ 事件总线：插件 A 发布事件，插件 B 自动响应
• ✅ 跨插件协作：监控插件检测异常 → 日志插件收集现场 → 告警插件发送通知
• ✅ 自动化流水线：5 个插件串联，全程无人工

从"工具集"到"工作流"，自动化执行。

---

痛点 3：权限控制粗糙，企业不敢用

竞品现状：

• 要么所有人用所有插件（不安全）
• 要么完全不开放插件（无法发挥价值）
• 无法实现细粒度权限控制

Madorin 解决方案：

• ✅ 插件集群授权：按团队、按角色、按环境分配权限
• ✅ 功能级授权：数据库插件"读"权限全开，"写"权限只给 DBA
• ✅ 审计日志：谁、何时、调用了什么，全程可追溯
• ✅ 实时撤销：发现异常立即撤销权限

企业级安全设计，敢在生产环境用。

---

痛点 4：技能混淆，智能体容易出错

竞品现状：

• 所有技能全局可见，前端项目也能看到后端技能
• 智能体容易混淆，给 React 项目推荐 .NET 方案
• 或者为每个项目创建独立智能体（管理爆炸）

Madorin 解决方案：

• ✅ 工作区技能：前端项目只看到前端技能，后端项目只看到后端技能
• ✅ 全局技能：通用技能（如代码审查）在所有项目可用
• ✅ 自动切换：切换工作区自动切换技能集

智能体更专注，答案更准确。

---

痛点 5：无法搭建企业自有插件生态

竞品现状：

• 只能用官方插件，无法深度定制
• 或者开源可改，但需要自己维护整个系统
• 无法在现有基础上搭建企业插件生态

Madorin 解决方案：

• ✅ 三通道架构：Native（性能）+ Process（隔离）+ MCP（生态）全覆盖
• ✅ 插件集群：基于事件总线，可搭建企业级插件集群
• ✅ 开发 SDK：提供完整开发工具链，支持 C#/Python/Node.js
• ✅ 热更新：插件更新无需重启系统

从"用工具"到"建生态"，企业自主可控。

---

🛠️ 插件开发指南

Madorin 提供完整的插件开发工具链，支持多语言、多场景：

Native 插件开发（C#）

1. 安装开发包：

dotnet add package Netor.Madorin.Plugin.Native

2. 创建插件类：

using Netor.Madorin.Plugin.Native;

[PluginMetadata(
    Id = "my-plugin",
    Name = "我的插件",
    Version = "1.0.0",
    Description = "这是一个示例插件"
)]
public class MyPlugin : NativePluginBase
{
    [PluginFunction(Description = "执行某个操作")]
    public async Task[[ORCA_RICH_MD:a2211d95651618aeb4d2c158c735253f:inline-html:%3Cstring%3E]] DoSomething(string input)
    {
        // 插件逻辑
        return $"处理结果: {input}";
    }
    
    [PluginFunction(Description = "发布事件示例")]
    public async Task PublishEvent()
    {

        // 通过事件总线发布事件
        await EventHub.PublishAsync("my-plugin.event", new {
            Message = "Hello from plugin",
            Timestamp = DateTime.Now
        });
    }
}

3. 编译打包：

dotnet build -c Release
# 生成 .dll 文件，放入 Plugins 目录

---

Process 插件开发（Python）

1. 安装开发包：

pip install madorin-plugin-sdk

2. 创建插件：

from madorin_plugin import ProcessPluginBase

class MyProcessPlugin(ProcessPluginBase):
    def __init__(self):
        super().__init__(
            id="my-process-plugin",
            name="我的进程插件",
            version="1.0.0",
            description="这是一个 Python 进程插件"
        )
    
    async def process_data(self, data: dict):
        """处理数据"""
        # 插件逻辑
        result = await self.call_host_function("get_config")
        return {"status": "ok", "result": result}
    
    async def on_event(self, event_name: str, event_data: dict):
        """响应事件"""
        if event_name == "data.updated":
            # 处理数据更新事件
            await self.process_data(event_data)

# 启动插件
if __name__ == "__main__":
    plugin = MyProcessPlugin()
    plugin.run()

3. 配置启动：

{
  "plugin": {
    "type": "process",
    "command": "python",
    "args": ["my_plugin.py"],
    "workingDirectory": "./plugins/my-process-plugin"
  }
}

---

MCP 插件接入

直接使用现有 MCP 服务：

{
  "mcpServers": {
    "my-service": {
      "command": "node",
      "args": ["path/to/mcp-server.js"],

      "env": {
        "API_KEY": "your-api-key"
      }
    }
  }
}

支持标准 MCP 生态，无需额外开发。

---

🧠 增强记忆系统：行业最完整的长期记忆实现

不是简单的"向量数据库 + RAG"，而是完整的知识管理工作流

市面上 99% 的 AI 产品声称有"记忆功能"，但实际只是把对话存到向量数据库里，然后用 RAG 检索。这种方案有三大致命问题：

1. ❌ 只记对话，不记知识：存的是原始对话，不是提炼的知识点
2. ❌ 检索靠关键词，容易漏：相关记忆因为关键词不匹配而检索不到
3. ❌ 跨会话失忆：重启软件、切换项目就丢记忆

Madorin 的增强记忆系统从底层架构就不同，是完整的四层知识管理工作流：

📊 四层记忆处理管道

原始对话
    ↓
【第一层：观察层】- 实时捕获关键信息
    ↓ 提取实体、事件、决策
【第二层：片段层】- 结构化存储
    ↓ 关联分析、去重合并
【第三层：抽象层】- 知识提炼
    ↓ 概念抽取、规律总结
【第四层：关联层】- 知识图谱

---

🎯 核心能力详解

能力 1：全模式覆盖

不同工作模式的记忆全打通：

跨模式召回：

• 对话模式中提到的技术偏好 → 专家模式讨论方案时会考虑
• 会议模式的决议 → 工作模式执行任务时会遵循
• 工作模式的进度 → 对话模式汇报时会引用

---

能力 2：智能观察者（Observer）

传统方案：把整段对话扔进向量数据库

Madorin 方案：实时提取关键信息，结构化存储

// 观察者自动提取的结构化片段
{
  "type": "decision",
  "content": "项目采用 PostgreSQL 作为主数据库",
  "context": {
    "project": "电商平台",
    "reason": "需要复杂查询和事务支持",
    "alternatives": ["MySQL", "MongoDB"],
    "decided_at": "2026-09-12"
  },
  "entities": ["PostgreSQL", "电商平台"],
  "relations": [
    {"from": "电商平台", "type": "uses", "to": "PostgreSQL"}
  ]
}

提取的信息类型：

• 📌 决策记录：技术选型、方案决策、优先级判断
• 👤 用户偏好：喜欢的库、不喜欢的模式、代码风格
• 📋 任务信息：待办事项、截止日期、责任人
• 🔗 关联关系：项目依赖、模块关联、人员协作
• 📊 项目状态：进度、风险、遗留问题

---

能力 3：智能关联与去重

场景 1：相同内容多次提及

• 第 1 天：「项目要用 PostgreSQL」
• 第 3 天：「数据库我们定了用 PostgreSQL」
• 第 5 天：「记得咱们用的是 PostgreSQL」

传统方案：存储 3 条记录，检索时可能召回 3 次 Madorin 方案：识别为同一决策，合并为 1 条，标记"多次确认"

---

场景 2：知识演进

• 第 1 天：「暂定用 MySQL」
• 第 3 天：「改成 PostgreSQL 了，MySQL 不支持复杂查询」

传统方案：两条记录都存着，召回时会冲突 Madorin 方案：标记第一条为"已废弃"，第二条为"当前有效"，并记录演进原因

---

能力 4：多层次检索

L1 - 语义检索（向量相似度）：

• 查询：“数据库选型”
• 召回：“项目采用 PostgreSQL”

L2 - 实体检索（知识图谱）：

• 查询包含实体：“电商平台”
• 召回所有与"电商平台"相关的记忆（技术栈、团队、进度）

L3 - 关系检索（图遍历）：

• 查询：“电商平台用了什么技术”
• 遍历图：“电商平台 → uses → PostgreSQL/Redis/Nginx”

L4 - 时序检索（时间线）：

• 查询：“最近一周的决策”
• 按时间倒序召回

L5 - 上下文检索（工作区隔离）：

• 当前在"电商项目"工作区
• 自动过滤，只召回该项目的记忆

---

能力 5：工作区隔离

每个项目的记忆完全隔离：

工作区：电商平台
├── 记忆：使用 PostgreSQL
├── 记忆：Redis 做缓存
└── 记忆：Nginx 反向代理

工作区：内部管理系统
├── 记忆：使用 MySQL
├── 记忆：简单 CRUD
└── 记忆：无需缓存

实际效果：

• ✅ 在电商项目聊天，只会召回电商项目的记忆
• ✅ 切换到管理系统，自动切换到管理系统的记忆
• ✅ 全局记忆（如用户偏好）在所有项目可见

---

能力 6：自动知识提炼

场景：10 次对话中都提到了 PostgreSQL 的某个特性

传统方案：10 条记录，每次都可能召回多条

Madorin 方案：自动提炼为知识点

{
  "type": "knowledge",
  "content": "PostgreSQL 的 JSONB 类型在项目中用于存储商品属性",
  "evidence_count": 10,
  "confidence": 0.95,
  "derived_from": ["conv-123", "conv-456", "..."],
  "first_mentioned": "2026-08-01",
  "last_confirmed": "2026-09-12"
}

提炼的知识类型：

• 🎯 最佳实践：团队反复使用的模式
• ⚠️ 教训总结：踩过的坑和解决方案
• 🔧 工具偏好：经常用的库和工具
• 📋 规范约定：代码风格、命名规则

---

📊 与竞品的记忆能力对比

---

🎬 实际使用案例

案例 1：技术决策追溯

第 1 天对话：

• 用户：“我们要做个电商平台，用什么数据库好？”
• AI：“建议 PostgreSQL，支持复杂查询和事务”
• 用户：“好的，就用 PostgreSQL”

系统记忆记录：

{
  "type": "decision",
  "content": "电商平台项目采用 PostgreSQL",
  "reason": "需要复杂查询和事务支持",
  "decided_at": "2026-09-01"
}

---

第 30 天对话：

• 用户：“为什么当初选了 PostgreSQL？”
• AI：“30 天前我们讨论时，您提到需要复杂查询和事务支持，所以选了 PostgreSQL 而不是 MySQL”

✅ 决策原因、时间、背景全部召回

---

案例 2：知识演进

第 1 周：

• 用户：“暂定用 Vuex 做状态管理”

第 2 周：

• 用户：“Vuex 太繁琐了，改用 Pinia”

第 3 周对话：

• 用户：“状态管理用什么来着？”
• AI：“您在第 2 周决定用 Pinia，替代了最初的 Vuex 方案，原因是 Vuex 太繁琐”

✅ 知识演进全程可追溯

---

案例 3：跨模式协同

会议模式决议：

• 技术智能体、产品智能体、设计智能体讨论后决定
• API 设计采用 RESTful 风格
• 投票结果：3 票赞成，0 票反对

工作模式执行：

• 技术智能体开始编写 API
• 自动遵循会议决议，使用 RESTful 风格
• 无需再次询问或确认

✅ 会议决议 → 执行任务，全程无缝

---

案例 4：项目隔离

电商项目：

• 使用 PostgreSQL + Redis
• 微服务架构
• Docker 部署

内部管理系统：

• 使用 MySQL
• 单体应用
• 直接部署

在电商项目聊天：

• AI 推荐方案时会考虑 PostgreSQL 和微服务
• 不会提到 MySQL 或单体应用

切换到管理系统：

• AI 自动切换上下文
• 推荐方案基于 MySQL 和单体应用

✅ 不同项目的记忆完全隔离，不会混淆

---

🔧 增强记忆配置

{
  "enhancedMemory": {
    "enabled": true,
    "storage": {
      "type": "sqlite",
      "path": "./data/memory.db"
    },
    "observer": {
      "extractEntities": true,
      "extractRelations": true,
      "autoSummarize": true
    },
    "retrieval": {
      "maxResults": 10,
      "semanticWeight": 0.4,
      "entityWeight": 0.3,
      "timeWeight": 0.2,
      "contextWeight": 0.1
    },
    "workspaceIsolation": true,
    "knowledgeRefinement": {
      "enabled": true,
      "minEvidenceCount": 3,
      "confidenceThreshold": 0.8
    }
  }
}

---

🌐 WebSocket API：打通企业系统的桥梁

不只是"AI 软件"，更是"AI 中台"

为什么需要 WebSocket API？

痛点 1：AI 能力孤立，无法融入现有系统

用户现状：

• 公司有 CRM、ERP、OA、IM 等多个系统
• 员工要用 AI，必须切换到 AI 软件
• AI 的能力无法在现有系统中使用

Madorin 解决方案：

• ✅ 通过 WebSocket API，把 AI 能力输出到任何系统
• ✅ 员工在企业微信聊天，背后调用 Madorin AI
• ✅ CRM 系统里点个按钮，AI 自动生成客户报告

---

痛点 2：无法自动化，AI 必须人工操作

用户现状：

• 每天早上手动打开 AI 软件，问"昨天的数据怎么样"
• 客户咨询时，手动复制问题到 AI，再复制答案回去
• 无法实现"客户咨询自动回复"“定时生成报表”

Madorin 解决方案：

• ✅ 通过 WebSocket API，外部系统可以调用 AI
• ✅ 客户咨询 → 自动调用 AI → 自动回复
• ✅ 定时任务 → 调用 AI → 自动生成报表并发送

---

痛点 3：AI 对接成本高，每个系统都要重新集成

用户现状：

• 对接 ChatGPT：写一套代码
• 对接 Claude：又要写一套
• 对接内部 AI：再写一套

Madorin 解决方案：

• ✅ 统一 WebSocket API，对接一次，所有 AI 能力都能用
• ✅ 支持多模型切换，无需修改代码
• ✅ 支持插件调用、记忆检索、工作流执行

---

🎯 WebSocket API 核心能力

能力 1：完整的 AI 能力输出

可调用的能力：

// 1. 基础对话
{
  "type": "chat",
  "agentId": "tech-agent",
  "message": "帮我写一个排序算法"
}

// 2. 插件调用
{
  "type": "execute_plugin",
  "pluginId": "database",
  "function": "query",
  "params": {"sql": "SELECT * FROM users"}
}

// 3. 记忆检索
{
  "type": "search_memory",
  "query": "数据库选型",
  "workspaceId": "ecommerce-project"
}

// 4. 工作流执行
{
  "type": "run_workflow",
  "workflowId": "daily-report",
  "params": {"date": "2026-09-12"}
}

// 5. 创建任务
{
  "type": "create_task",
  "title": "实现用户登录功能",
  "assignee": "tech-agent",
  "deadline": "2026-09-15"
}

// 6. 会议模式
{
  "type": "start_meeting",
  "topic": "技术方案讨论",
  "participants": ["tech-agent", "product-agent", "design-agent"]
}

---

能力 2：实时流式响应

支持两种响应模式：

模式 1：等待完整结果

// 请求
ws.send(JSON.stringify({
  type: "chat",
  message: "写一个排序算法",
  stream: false
}));

// 响应（一次性返回）
{
  "type": "response",
  "content": "这是完整的排序算法代码...",
  "status": "completed"
}

模式 2：流式返回（实时打字效果）

// 请求
ws.send(JSON.stringify({
  type: "chat",
  message: "写一个排序算法",
  stream: true
}));

// 响应（多次推送）
{"type": "delta", "content": "这"}
{"type": "delta", "content": "是"}
{"type": "delta", "content": "排"}
{"type": "delta", "content": "序"}
...
{"type": "completed", "totalTokens": 1523}

---

能力 3：双向通信

不只是"调用 AI"，AI 也可以"调用外部系统"：

// AI 可以主动向外部系统发送请求
{
  "type": "request",
  "action": "get_user_info",
  "params": {"userId": 12345}
}

// 外部系统响应
{
  "type": "response",
  "data": {
    "name": "张三",
    "email": "[email protected]"
  }
}

应用场景：

• AI 需要查询实时数据（库存、订单）
• AI 需要调用外部服务（发送邮件、推送通知）
• AI 需要确认操作（“是否删除这条记录？”）

---

能力 4：会话管理

支持多会话并发：

// 会话 1：和技术智能体聊天
ws.send({
  sessionId: "session-tech-001",
  type: "chat",
  agentId: "tech-agent",
  message: "帮我优化数据库查询"
});

// 会话 2：和市场智能体聊天
ws.send({
  sessionId: "session-market-001",
  type: "chat",
  agentId: "market-agent",
  message: "帮我写个营销文案"
});

// 两个会话互不干扰，独立上下文

---

🛠️ 集成示例

示例 1：企业微信机器人

import asyncio
import websockets
import json

class WeChatBot:
    def __init__(self):
        self.ws = None
    
    async def connect_madorin(self):
        # 连接 Madorin WebSocket API

        self.ws = await websockets.connect("ws://localhost:5000/api/ws")
    
    async def handle_wechat_message(self, user_message):
        # 收到企业微信消息，转发给 Madorin AI
        request = {
            "type": "chat",
            "agentId": "customer-service-agent",
            "message": user_message,
            "stream": True
        }
        await self.ws.send(json.dumps(request))
        
        # 接收流式响应
        response_text = ""
        async for message in self.ws:
            data = json.loads(message)
            if data["type"] == "delta":
                response_text += data["content"]
            elif data["type"] == "completed":
                break
        
        # 回复到企业微信
        await self.send_to_wechat(response_text)

# 用户在企业微信问："最近的销售数据怎么样？"
# AI 自动调用 CRM 插件查询，生成报表，回复到企业微信

---

示例 2：CRM 系统集成

// 前端：CRM 系统的"AI 生成客户报告"按钮
async function generateCustomerReport(customerId) {
  const ws = new WebSocket('ws://localhost:5000/api/ws');
  
  ws.onopen = () => {
    ws.send(JSON.stringify({
      type: "run_workflow",
      workflowId: "customer-report",
      params: { customerId: customerId }
    }));
  };
  
  ws.onmessage = (event) => {
    const data = JSON.parse(event.data);
    if (data.type === "completed") {
      // 报告生成完成，显示在 CRM 界面
      showReport(data.result);
    }
  };
}

// 点击按钮 → AI 自动：
// 1. 查询客户信息（调用数据库插件）
// 2. 分析历史订单（调用分析插件）
// 3. 生成报告（AI 能力）
// 4. 返回结果（显示在 CRM）

---

示例 3：定时任务自动化

import schedule
import asyncio
import websockets

async def daily_report():
    async with websockets.connect("ws://localhost:5000/api/ws") as ws:
        # 每天早上 9 点生成日报
        await ws.send(json.dumps({
            "type": "run_workflow",
            "workflowId": "daily-report",
            "params": {"date": "today"}
        }))
        
        response = await ws.recv()
        report = json.loads(response)
        
        # 发送到企业邮箱
        send_email("[email protected]", "每日数据报告", report["content"])

# 定时任务：每天早上 9 点
schedule.every().day.at("09:00").do(lambda: asyncio.run(daily_report()))

# 完全自动化，无需人工操作

---

示例 4：客服自动回复

// 电商网站客服系统
const ws = new WebSocket('ws://localhost:5000/api/ws');

// 客户咨询："这个商品什么时候发货？"

onCustomerMessage(orderId, message) {
  ws.send(JSON.stringify({
    type: "chat",
    agentId: "customer-service-agent",
    message: message,
    context: {
      orderId: orderId,
      // AI 可以调用插件查询订单信息
      enablePlugins: ["order-query", "logistics-query"]
    }
  }));
  
  ws.onmessage = (event) => {
    const data = JSON.parse(event.data);
    if (data.type === "completed") {
      // 自动回复客户
      sendToCustomer(data.content);
    }
  };
}

// AI 自动：
// 1. 调用订单查询插件，获取订单信息
// 2. 调用物流查询插件，获取物流状态
// 3. 生成回复："您的订单预计明天送达，当前在配送中"
// 4. 自动发送给客户

---

🔒 安全机制

1. 认证鉴权

// 连接时提供 API Key
const ws = new WebSocket('ws://localhost:5000/api/ws', {
  headers: {
    'Authorization': 'Bearer your-api-key'
  }
});

// 支持的认证方式：
// - API Key
// - JWT Token
// - OAuth 2.0

2. 权限控制

{
  "apiKey": "key-12345",
  "permissions": {
    "chat": true,
    "executePlugin": ["database", "file"],  // 只能调用这两个插件
    "runWorkflow": true,
    "createTask": false  // 不能创建任务
  }
}

3. 速率限制

{
  "rateLimit": {
    "requests": 100,      // 每分钟最多 100 次请求
    "tokens": 100000      // 每小时最多 10 万 Token
  }
}

---

📊 WebSocket API vs 竞品对比

---

🎯 适用场景总结

| 自动化任务 | 定时报表、自动回复、监控告警 | 人力成本降低 80% | | 多系统联动 | 跨系统数据流转和业务协同 | 打破数据孤岛 | | 客服系统 | 智能客服自动回复 | 响应速度提升 10 倍 | | 开发工具链 | IDE 插件、CI/CD 集成 | 开发效率提升 |

---

🎯 核心竞争力总结

为什么选择 Madorin？

1. 🏢 不是工具，是团队

---

2. 🔌 插件体系是真正的护城河

三通道架构（行业唯一）：

• Native：性能极致（零序列化）
• Process：安全隔离（独立进程）
• MCP：生态接入（标准协议）

企业插件集群（行业独创）：

• 事件总线：插件之间协作
• 集群授权：企业级权限控制
• 工作技能：项目级技能隔离
• 插件绑定：模型-插件精准匹配

数据对比：

• ChatGPT Plugins：1 种通道，无协作，无权限控制
• Coze 工具：1 种通道，无协作，应用级权限
• Madorin：3 种通道 + 事件总线 + 三层授权 + 技能隔离

---

3. 🧠 增强记忆系统是行业标杆

不是"向量数据库 + RAG"，而是完整的知识管理工作流：

四层管道：

1. 观察层：实时提取结构化片段
2. 片段层：去重合并、关联分析
3. 抽象层：知识提炼、规律总结
4. 关联层：知识图谱、关系推理

核心差异：

• 竞品：存原始对话，靠关键词检索
• Madorin：存结构化知识，靠图谱关联

实际效果：

• ✅ 跨会话记忆：重启不失忆
• ✅ 工作区隔离：不同项目不混淆
• ✅ 知识演进：决策可追溯
• ✅ 多模式协同：会议决议 → 工作执行

---

4. 🌐 WebSocket API 打通企业系统

不只是"AI 软件"，更是"AI 中台"：

能力输出：

• 对话能力
• 插件调用
• 记忆检索
• 工作流执行
• 多智能体协作

实际应用：

• 企业微信接入 AI
• CRM 系统集成 AI
• 定时任务自动化
• 客服自动回复
• 多系统联动

对比竞品：

• ChatGPT/Claude：HTTP API，单向，只能调 AI
• Madorin：WebSocket，双向，AI 也能调外部系统

---

5. 🔒 本地优先，数据自主可控

企业价值：

• ✅ 敏感数据不泄露（客户信息、财务数据）
• ✅ 知识产权自主（代码、方案、决策）
• ✅ 合规无风险（金融、医疗、政务）
• ✅ 断网也能用（本地插件、本地记忆）

---

💡 Madorin 适合谁？

👨‍💼 创业者/独立开发者

• 痛点：一个人当三个人用，啥都要做
• 方案：专家模式 = 技术+产品+市场三个智能体帮你
• 效果：1 个人 = 1 支团队

🏢 小型团队（5-20 人）

• 痛点：人手不够，外包不靠谱，招人成本高
• 方案：10 个智能体 = 10 个虚拟员工，成本是真人的 1/10
• 效果：5 人团队干 20 人的活

🔒 隐私敏感用户

• 痛点：不敢把客户数据、财务数据、代码上传到云端
• 方案：本地存储 + 自建插件 + 数据不出本地
• 效果：AI 能力 + 数据自主可控

🏭 企业数字化转型

• 痛点：有 CRM/ERP/OA，但系统孤立，AI 无法融入
• 方案：WebSocket API + 插件集群 + 企业授权
• 效果：AI 成为企业中台，打通所有系统

🛠️ 开发者/技术团队

• 痛点：需要 AI 辅助开发，但通用 AI 不够专业
• 方案：工作技能 + 代码插件 + 项目隔离
• 效果：每个项目都有专属 AI 团队

---

🚀 快速开始

1. 下载安装

Windows：

• 下载安装包：Madorin-Setup.exe
• 双击安装，无需配置

macOS（开发中）：

• brew install madorin

Linux（开发中）：

• snap install madorin

---

2. 配置 AI 模型

第一步：添加 AI 厂商

打开"设置" → “AI 厂商管理”，添加你的 API Key：

支持的厂商：OpenAI、Anthropic、阿里云、百度、讯飞等

---

第二步：配置模型

打开"AI 模型管理"，为不同智能体分配合适的模型：

推荐配置：

• 技术智能体：Claude Opus（代码能力强）
• 市场智能体：GPT-4（创意强）
• 客服智能体：国产模型（便宜）

---

3. 创建第一个智能体

打开"智能体管理"，点击"新建智能体"：

快速配置：

• 名称：技术助手
• 角色：技术专家
• 模型：Claude Opus
• 插件：文件、代码、数据库

---

4. 开始使用

对话模式

直接和智能体聊天：

你：帮我写一个快速排序算法
AI：[生成代码]

专家模式

让多个智能体讨论：

你：我要做个电商网站，技术栈怎么选？
技术智能体：建议 Next.js + PostgreSQL
产品智能体：建议加上推荐系统
市场智能体：建议支持多语言

---

工作模式

创建任务，让 AI 执行：

任务：实现用户登录功能
智能体：[自动拆分子任务] → [调用代码插件] → [生成代码] → [交付]

---

会议模式

开 AI 团队会议：

议题：技术方案讨论
参与者：技术、产品、设计智能体

讨论 → 每个智能体发表观点 → 投票决定 → 形成决议

---

🔧 核心配置

插件管理

安装插件：

内置插件：文件、数据库、代码、网络、Office

---

插件授权：

三层授权：全局 → 智能体 → 项目

---

MCP 服务

接入外部服务：

支持标准 MCP 协议，接入 GitHub、Slack、数据库等

---

应用商店

扩展生态：

下载社区插件、智能体模板、工作流

---

系统设置

完全可控：

数据存储、网络代理、日志级别、性能优化

---

🛣️ 产品路线图

✅ v1.3 当前版本（2026.09）

核心功能

• ✅ 四种工作模式（对话/专家/工作/会议）
• ✅ 多智能体协作
• ✅ 插件体系（Native/Process/MCP）
• ✅ 增强记忆系统
• ✅ WebSocket API
• ✅ 工作区隔离

插件生态

• ✅ 文件操作插件
• ✅ 数据库插件（SQLite/MySQL/PostgreSQL）
• ✅ 代码插件（执行、分析、重构）
• ✅ 网络插件（HTTP 请求）
• ✅ Office 插件（Excel/Word/PDF）

企业能力

• ✅ 插件集群
• ✅ 事件总线
• ✅ 三层授权
• ✅ 技能隔离

---

🚧 v1.4 开发中（2026.10）

工作流引擎

• 🚧 可视化流程设计器
• 🚧 条件分支、循环、并行
• 🚧 定时触发、事件触发
• 🚧 流程模板市场

知识库增强

• 🚧 文档导入（Word/PDF/Markdown）
• 🚧 知识卡片可视化
• 🚧 知识图谱浏览器
• 🚧 自动知识提炼优化

协作功能

• 🚧 团队工作区
• 🚧 智能体共享
• 🚧 插件共享
• 🚧 任务协作

---

🎯 v1.5 规划中（2026.11）

多模态支持

• 🎯 图片理解（识图、OCR）
• 🎯 语音对话（语音输入/输出）
• 🎯 视频分析（视频内容理解）
• 🎯 文档解析（复杂 PDF、扫描件）

企业集成

• 🎯 企业微信机器人
• 🎯 钉钉机器人
• 🎯 Slack 集成
• 🎯 飞书集成

私有化部署

• 🎯 Docker 镜像
• 🎯 K8s 部署
• 🎯 多租户支持
• 🎯 企业 SSO

---

🌟 v2.0 愿景（2027.Q1）

AI Agent 网络

• 🌟 智能体市场（买卖智能体）
• 🌟 跨用户协作（智能体可以"雇佣"其他用户的智能体）
• 🌟 智能体自主学习（从工作中学习优化）

开放生态

• 🌟 插件 SDK 2.0（支持更多语言）
• 🌟 智能体 SDK（用代码定义智能体）
• 🌟 工作流市场（买卖自动化流程）
• 🌟 企业应用商店

商业智能

• 🌟 决策分析（基于历史数据）
• 🌟 风险预测（项目风险评估）
• 🌟 资源优化（成本分析）

---

📚 技术文档

开发文档

• 插件开发指南
• Native 插件开发
• Process 插件开发
• MCP 服务接入
• WebSocket API 文档

架构文档

• 整体架构设计
• 插件体系架构
• 增强记忆系统
• 多智能体协作

使用教程

• 快速上手指南
• 工作模式详解
• 会议模式详解
• 插件使用教程

---

🤝 参与贡献

贡献方式

1. 开发插件

• 使用插件 SDK 开发新插件
• 提交到应用商店
• 获得下载分成

2. 反馈 Bug

• GitHub Issues：netor-ai/madorin/issues
• 提供详细的复现步骤
• 附上日志文件

3. 提交功能建议

• GitHub Discussions：netor-ai/madorin/discussions
• 描述使用场景和痛点
• 说明期望的功能

4. 贡献代码

• Fork 项目
• 创建 Feature 分支
• 提交 Pull Request

---

社区

• GitHub：netor-ai/madorin
• Discord：加入讨论
• 微信群：添加微信 madorin-ai 邀请入群
• Email：[email protected]

---

📄 开源协议

本项目采用 MIT License

---

🎉 致谢

感谢以下开源项目：

• .NET - 应用框架
• Avalonia - UI 框架
• SQLite - 数据存储
• Semantic Kernel - AI 编排
• MCP - 协议标准

---

🌐 相关链接

• 官网：https://netor.ai
• 文档：https://docs.netor.ai
• 博客：https://blog.netor.ai
• 应用商店：https://store.netor.ai

---

📞 商务合作

企业授权

• 私有化部署
• 定制开发
• 技术支持
• 培训服务

联系方式

• 商务邮箱：[email protected]
• 电话：400-XXX-XXXX
• 微信：madorin-business

---

---

Made with ❤️ by Netor.ai Team

© 2026 Netor.ai. All rights reserved.