今天我们发布 Linkly AI v0.4.0。
这是 Linkly AI 上线两个多月来最大的一次版本更新 —— 不只是因为它包含了很多新东西，更因为它第一次让 Linkly 可以独立被使用： 你不再需要把 Linkly 接到 Claude、Cursor、OpenClaw 才能”对话”，Linkly AI 新增了自己的 Chat 功能，产品定位上进行了一次进化。
打开它，你就可以直接与你硬盘里那几千、几万份笔记、PDF、日记、项目记录直接对话和研究。
为什么我们又做了一个 Chat
过去的几个版本里，我们一直刻意把精力放在工具层 —— MCP 工具、CLI、Skills —— 让 Claude Code、Cursor、OpenClaw 这些 Agent 能无缝的检索、阅读、整合你的本地文件。
我们当时的判断是：用户可能不需要另一个 Chatbot，但需要更好用的工具。 经过20多次迭代，我们的工具层已经比较成熟，但内测一段时间后，我们发现了另外两个值得重视的问题：
- 大量用户还没有使用 Claude Code、Cursor 等 Agent。他们装了 Linkly AI，把上万份文档索引完成后，却发现没有一个简单的入口去发挥这些文档的价值。
- 这些 Agent 依然依赖云端模型，无法满足一些用户对隐私的极端需求。他们需要一个完全在本地运行的知识助手。
仅靠工具层的定位，限制了很多用户的使用，我们应该提供一个更直接的入口，让用户自己决定是直接开始，还是集成到自己的 Agent 里。 所以，增加 Chat 功能就成了一个自然的选择。
Linkly AI Chat 为何不同
我们不想做一个跟市面上雷同的 Chat。Linkly AI Chat 只围绕一件事做深：在你本地的资料上做对话和研究。 跟 ChatGPT、Claude 这类通用 Chatbot 比，下面三件事是它真正不同的地方。
1. 与本地文件无缝结合
这是最根本、也最容易被低估的差异：ChatGPT、Claude 永远进不了你的硬盘。
每次想让它们读你的东西，都得手动复制、粘贴、上传，再担心它们怎么处理。而 Linkly AI Chat 装好就行——你硬盘里那几千、几万份笔记、PDF、日记、项目记录，从打开 Chat 的那一刻起，就直接是它的上下文。 并且所有的资料和数据，都只待在本地，不会有任何上传和数据安全问题。
我自己第一次用它的时候，问了一些跟自己有关的问题。它直接定位到了我十多年前写下的某段笔记，把当时的情境复原给我看，这些记忆从来没有想过以这种形式重新出现，第一次感受到本地优先的魔力。
2. 强大、准确的检索与跨文档整合
“能搜本地”不稀奇，难的是搜得准、深、可信。Chat 没有用常见的”切片 + 向量数据库”那一套——我们早就 放弃了传统 RAG，换上了 Linkly AI 自己研发的一套更适合 Agent 探索本地文件的组合：
- Outline Index：每个文档先建一份结构化”大纲”，AI 像翻书一样按章节渐进式取内容，上下文完整，也更加节省 Token 。
- Agentic RAG：由模型自己决定搜什么关键词、要不要继续追、什么时候停。不是 Perplexity 等 AI 搜索的那种固定工作流，所以它能完成类似 Deep Research 那种多回合的深度检索与分析。
- 每个回答都有 Sources：回答末尾会自动列出它引用过的具体文件，后期将可以直接查看原文段落。对私人语料这一点尤其重要——你必须知道它说的话来自哪份文件，否则就成了”另一个会编故事的 AI”。
- 内置 Skills：Linkly AI 包含了一组精心打磨的工具。但是，每个模型使用工具的方式并不相同。我们基于大量实践，将这些工具的组合使用方式沉淀到内置 skills 里面。即使换了不同的模型，也能够有稳定的发挥。
我经常拿一个场景去测它：让它帮我写一份履历。这是一个典型的跨文档整合，具有明显的时间线，并且其中所有的资料都很容易验证。 我电脑里有不同时期、不同岗位、不同语境写过的简历草稿、自我介绍、项目复盘、晋升资料——它会把这些散落的”你”全部挖出来，按时间串成一份比我自己手动整理的还完整的版本。这件事 ChatGPT 做不到，因为它根本读不到这些东西。
3. 多 Provider 支持，真正的离线可用
Linkly AI Chat 内置了 Linkly 官方精选模型服务 ，零配置即开即用。首批接入两款试用模型：Qwen 3.5 Flash 和 DeepSeek V4 Flash。这两款模型在工具调用的效果和成本之间取得了良好的平衡。
如果你想用自己的模型服务，OpenAI / Anthropic / DeepSeek / Ollama / LM Studio ，你都可以自由配置——不像 ChatGPT、Claude 那样把你绑死在一个模型上。
更进一步：如果你接入了 Ollama 或者 LM Studio 上的本地模型，甚至可以做到100%的离线运行，整个对话可以从头到尾不出你的电脑。这对一些隐私极度敏感的用户和场景（律师、医生、记者、企业内研究员）将非常有用。
它现在做不好什么
我们必须诚实地表明，Linkly AI chat 当前还比较简单，除了”基于本地文件的对话和研究”，其它场景它都不如成熟的 Chatbot：
- 通用问答，不如 ChatGPT / Claude 那样知识面广
- 写代码，比 Claude / Codex等 差远了
- 现在也还没有联网功能
- 也没有上下文窗口压缩、MCP 集成、第三方 Skills 等标准功能
目前还只适合“基于本地私人语料问答”这个垂直场景，但我们会持续地快速迭代它。如果你有其他更复杂的场景，希望使用更强大的模型，建议使用更成熟的 Chatbot，或者将 Linkly AI 当作工具与他们进行集成。
新功能：数据隐私看板，让数据流向不再是黑盒
在前期的内测中，有很多隐私敏感的用户会担心数据安全问题。作为一款本地优先的 AI 应用，我们深知数据安全是我们的生命线，完全离线运行是我们的目标。 但由于很多用户本地算力的限制，有少量功能本地运算体验较差，不得不借助云端算力。但我们有能力做到的，是将这一切都透明可见。
所以我们在 v0.4.0 里新增了 数据隐私看板，集中、透明地展示你的本地数据流向，将 Linkly AI 对所有数据的处理可视化出来。
同时我们加了一个细节但很灵活的开关：显示完整文件路径。
- MCP 工具结果和 CLI 输出默认隐藏完整路径 —— 可以避免你的目录结构、用户名、项目代号被一并送给云端模型
- 当你在自己的本地环境下、需要 Agent 直接操作文件时，可以主动打开
默认保守，主动开放——这是我们对待隐私一贯的态度。
其他值得一提的改进
- 应用内 Changelog 视图：启动器里现在可以直接阅读版本更新日志，不需要再开浏览器。
- 显示本地模型下载进度：以前下载本地 embedding / 模型卡住了，你只能看着一个静止的旋转图标干瞪眼。现在 AI 设置面板里能看到清晰的下载进度和状态。
- Launcher 新增 Pin 按钮：启动器以前一失焦就消失，影响了少量”一边查一边操作”的场景。现在打开 Pin，启动器会一直停在那儿，直到你自己关闭它。
- 三种新语言：日语、法语、西班牙语
- MDX 文件支持：很多博客和技术文档场景使用的
.mdx文件，这次也加入了索引和搜索范围。 - Linkly Official 精选模型服务上线，新用户开箱即用
Bug 修复
- 修复特定网络环境下 embedding 模型下载失败、首次索引被卡住的问题
- 修复设置页滚动条遮挡内容的显示问题
- 修复启动器选中态偶尔漂移的问题
- 修复 Windows 端多个崩溃和卡顿
- 修复 Claude Desktop 一键集成失败的问题（首次集成时如果缺少 Linkly CLI，会引导你安装）
完整的更新日志可以在这里查看。
如果你还没有试过 Linkly AI，可以在官网免费下载，支持 macOS、Windows 和 Linux。