一个面向本地真实任务的开源 AI 运行时基座
YuntaoCode 是一个本地优先的开源 AI Task Runtime，正在为真实本地任务建立清晰的执行基础：任务状态、执行计划、上下文边界、工具权限、运行记录和结果验证。
项目围绕 Task Runtime、Context Runtime 和 Capability Runtime 三条主线持续开发，让模型参与任务判断和执行，同时由 Runtime 管理状态、边界、证据和完成判定。
YuntaoCode 的核心不是工具列表，而是 Task、Context、Capability 三条可以长期演进的运行时主线。
管理用户目标、执行状态、计划、步骤、工具提示、验证结果和最终结果。
管理任务相关上下文、证据、摘要、记忆和有效性边界。
管理工具能力、权限、确认、内置能力分组和外部能力接入边界。
项目正在探索如何从 RunResult 与 RunEvidence 中形成可复盘样本，并为后续回放、评测和可复用能力研究提供事实基础。该方向仍处于实验阶段，不属于三条 Runtime 的当前稳定能力。
从任务计划到结果验证，区分当前能力、正在完善的机制与后续实验方向。悬停查看详情。
以下并非成熟功能列表，而是 YuntaoCode 当前正在探索的任务方向。每个方向都在验证 Runtime 基座的某一面能力。
读取项目、修改文件、执行检查、基于验证证据收束结果。探索 AI 如何在多步骤代码变更中保持执行可靠性。
解析、整理、翻译和生成文档，探索长任务分段与证据追踪。
扫描项目结构、读取关键文件、输出风险和改进建议。
通过受控工具完成文件、Shell、Git 等本地操作。
例如通过 MCP 接入 Blender 等外部应用，探索外部状态变更如何纳入任务生命周期。
观察 AI 如何计划、调用工具、失败、恢复和验证。
文件、Shell、Git、文档处理和网页访问是当前内置能力。MCP 与第三方插件属于外部能力接入方向。YuntaoCode 不把工具数量作为核心价值，而关注权限、确认、状态记录、验证证据和执行风险。
YuntaoCode 仍处于 v0.1 Alpha。当前重点是把 Task、Context、Capability 三条运行时主线做清楚，继续完善任务模型、执行记录、上下文边界、工具权限和结果验证，而不是扩充更多应用场景。
如果你关注 AI 如何从一次回答走向可执行、可观察、可验证的本地任务系统，欢迎查看源码、运行项目并参与讨论。
Runtime 可以独立运行；当前桌面打包流程以 Windows 为主。
git clone https://github.com/yuntaozn/YuntaoCode.git
cd YuntaoCode
python -m pip install -r requirements.txt
python -m runtime.app --host 127.0.0.1 --port 8765帮助 YuntaoCode 打磨一个本地优先的 AI Task Runtime：让任务状态更清晰、工具调用有边界、执行结果可验证、失败过程可追踪。
