解剖一个桌面级 AI Copilot 的架构：Stargazer AI Copilot（.NET 10 + Avalonia）是怎么“分层”的
💡
原文中文，约2500字，阅读约需6分钟。
📝
内容提要
Stargazer AI Copilot 是一个基于 .NET 和 Avalonia 的桌面 AI 助手，采用三层架构：表现层、编排层和执行层。表现层使用 Avalonia 提供用户界面，编排层通过 Agent、Skills 和 Workflow 处理业务逻辑，执行层则通过工具和安全策略实现功能。这种架构便于未来更换模型或添加新工具，同时保持核心逻辑的稳定性。
🎯
关键要点
- Stargazer AI Copilot 是一个基于 .NET 和 Avalonia 的桌面 AI 助手，采用三层架构：表现层、编排层和执行层。
- 表现层使用 Avalonia 提供用户界面，编排层通过 Agent、Skills 和 Workflow 处理业务逻辑，执行层通过工具和安全策略实现功能。
- UI 层设计包括左侧导航和右侧内容区，数据驱动的 ChatViewModel 负责消息集合和状态。
- Agent 是可配置的业务对象，具有指令、提供者、工具、技能和工作流等核心属性。
- 技能系统允许将指令、工具和依赖组合成模块化的 Prompt，便于维护和复用。
- 工具层确保 Agent 能够安全地执行任务，分类管理本地和远程工具，并通过安全策略限制操作。
- 通过 Model Context Protocol (MCP)，可以连接远程服务器并动态注入工具，增强系统的灵活性和安全性。
❓
延伸问答
Stargazer AI Copilot 的架构分为哪三层？
Stargazer AI Copilot 的架构分为表现层、编排层和执行层。
表现层使用了什么技术来提供用户界面？
表现层使用 Avalonia 提供用户界面。
Agent 在 Stargazer AI Copilot 中的作用是什么？
Agent 是可配置的业务对象，负责处理指令、工具、技能和工作流。
技能系统是如何帮助管理 Prompt 的？
技能系统允许将指令、工具和依赖组合成模块化的 Prompt，便于维护和复用。
执行层如何确保 Agent 的安全性？
执行层通过工具分类管理本地和远程工具，并通过安全策略限制操作。
Model Context Protocol (MCP) 的作用是什么？
MCP 可以连接远程服务器并动态注入工具，增强系统的灵活性和安全性。
➡️
