AingDesk एक ओपन सोर्स डेस्कटॉप AI क्लाइंट है जो उपयोगकर्ताओं को एक क्लिक से सैकड़ों AI मॉडल (डीपसीक, लामा, आदि) को पर्सनल कंप्यूटर पर तैनात करने में मदद करता है। 21 भाषाओं में ऑनलाइन खोज और मॉडल साझाकरण इंटरफ़ेस का समर्थन करता है। GitHub खुला स्रोत और मुफ़्त है।

AingDesk

मुख्य पैरामीटर और आँकड़े

एइंगडेस्क ने ओपन सोर्स एआई डेस्कटॉप क्लाइंट मार्केट में "लाइटवेट पैकेजिंग + पूर्ण कार्यात्मक कवरेज" मार्ग अपनाया है - यह एक और ओलामा नहीं है, बल्कि ओलामा और दर्जनों मॉडल एपीआई, ज्ञान आधार निर्माण, एमसीपी एजेंट क्रमबद्धता और नेटवर्क खोज के एकीकृत प्रबंधन को एक इलेक्ट्रॉन डेस्कटॉप एप्लिकेशन में पैकेज करता है, जो गैर-तकनीकी उपयोगकर्ताओं को पेशेवर तैनाती के करीब एआई अनुभव प्राप्त करने की अनुमति देता है।

पैरामीटर्स	विशेष विवरण
उत्पाद स्थिति	ओपन सोर्स एआई डेस्कटॉप क्लाइंट, स्थानीय मॉडल परिनियोजन + ज्ञान आधार + एजेंट
टेक्नोलॉजी स्टैक	इलेक्ट्रॉन + टाइपस्क्रिप्ट + Vue (फ्रंट-एंड), Node.js (बैक-एंड)
नवीनतम संस्करण	v1.2.4 (2025-05-27)
ओपन सोर्स लाइसेंस	एमआईटी
समर्थित प्लेटफार्म	विंडोज़ (x64), macOS (arm64 + x64)
परिनियोजन प्रपत्र	डेस्कटॉप क्लाइंट + डॉकर सर्वर (स्व-होस्टेड) ​​
मॉडल स्रोत	ओलामा स्थानीय मॉडल + तृतीय-पक्ष एपीआई (ओपनएआई, डीपसीक, आदि)
समुदाय का आकार	GitHub 2.5k स्टार्स, 284 फोर्क्स
भाषा इंटरफ़ेस	21 भाषाएँ (सरलीकृत चीनी, अंग्रेजी, जापानी आदि सहित)

एक वाक्य में संक्षिप्त समीक्षा: एइंगडेस्क ओलामा की मॉडल प्रबंधन क्षमताओं, नॉलेज बेस की आरएजी क्षमताओं, एमसीपी की टूल कॉलिंग क्षमताओं और नेटवर्क सर्च को एक डेस्कटॉप यूआई में एकीकृत करता है, जिससे गैर-तकनीकी उपयोगकर्ताओं को एक क्लिक के साथ एआई मॉडल चलाने की अनुमति मिलती है।

समान टूल से अंतर: चैटबॉक्स और लोबचैट जैसे शुद्ध एपीआई एकत्रीकरण क्लाइंट की तुलना में, एइंगडेस्क का मुख्य अंतर स्थानीय मॉडल के पूर्ण जीवन चक्र प्रबंधन में निहित है - न केवल स्विचिंग मॉडल, बल्कि मॉडल डाउनलोड, स्टोरेज निर्देशिका कॉन्फ़िगरेशन, हार्डवेयर पर आधारित मॉडल अनुशंसा, और ज्ञान आधार में एम्बेडेड स्थानीय वैश्वीकरण भी शामिल है। ओलामा के मूल कमांड लाइन टूल की तुलना में, एइंगडेस्क ग्राफिकल नॉलेज बेस निर्माण और एजेंट ऑर्केस्ट्रेशन क्षमताएं प्रदान करता है, जो एक प्रमुख विशेषता है जो इसे अधिकांश एआई डेस्कटॉप क्लाइंट से अलग करती है।

AingDesk के उपयोगकर्ता और बाज़ार की पहचान

AingDesk का बाज़ार वॉल्यूम अभी भी डेवलपर समुदाय और ओपन सोर्स सर्कल में केंद्रित है, और अभी तक जनता के सी-साइड विज़न में प्रवेश नहीं किया है, लेकिन इसका विकास प्रक्षेपवक्र एक स्पष्ट "प्रौद्योगिकी समुदाय वर्ड-ऑफ़-माउथ संचालित" विशेषता दिखाता है।

गिटहब समुदाय डेटा: 2026 के मध्य तक, एइंगडेस्क रिपॉजिटरी को 2.5k स्टार्स और 284 फोर्क्स प्राप्त हुए हैं। 2024 की दूसरी छमाही में शुरू हुई एक व्यक्तिगत/छोटी टीम ओपन सोर्स परियोजना के लिए, यह विकास दर दर्शाती है कि यह लोगों के एक विशिष्ट समूह की वास्तविक समस्याओं को हल करती है - अर्थात, "वे लोग जो स्थानीय मॉडल का उपयोग करना चाहते हैं लेकिन कमांड लाइन को टॉस नहीं करना चाहते हैं।" समस्या क्षेत्र में 67 बंद/प्रगति पर समस्याएँ मुख्य रूप से सुविधा अनुरोध और संगतता प्रतिक्रिया हैं। समुदाय में सक्रिय सहभागिता है लेकिन अभी तक बड़े पैमाने पर योगदानकर्ता पारिस्थितिकी तंत्र (केवल 2 मुख्य योगदानकर्ता) नहीं बना है।

विशिष्ट उपयोगकर्ता चित्र: चीनी इंटरनेट पर सामुदायिक प्रतिक्रिया और चर्चाओं से देखते हुए, एइंगडेस्क के मुख्य उपयोगकर्ता निम्नलिखित श्रेणियों में केंद्रित हैं: पहला, प्रौद्योगिकी उत्साही जो डेटा गोपनीयता के प्रति संवेदनशील हैं और एआई क्षमताओं को पूरी तरह से स्थानीयकृत करना चाहते हैं; दूसरा, नौसिखिया उपयोगकर्ता जो एआई मॉडल में नए हैं, और वे ओलामा की कमांड लाइन सीमा से भयभीत हैं; तीसरा, छोटी टीमें जिन्हें एक ही समय में स्थानीय मॉडल और क्लाउड एपीआई को प्रबंधित करने के लिए एकीकृत इंटरफ़ेस की आवश्यकता होती है। इन उपयोगकर्ताओं की मूल्य अपील "सबसे मजबूत मॉडल" नहीं है, बल्कि "सबसे चिंता मुक्त तैनाती अनुभव" है।

बाजार स्वीकृति का चरण: एइंगडेस्क वर्तमान में "तकनीकी सत्यापन -> छोटे पैमाने पर अपनाने" के प्रारंभिक चरण में है। अभी तक कोई सार्वजनिक उद्यम-स्तर के ग्राहक या व्यावसायीकरण के मामले नहीं हैं, और इसे कोई बाहरी वित्तपोषण प्राप्त नहीं हुआ है। इसकी ब्रांड पहचान चैटबॉक्स और जान जैसे प्रतिस्पर्धी उत्पादों की तुलना में बहुत कम है, लेकिन चीनी परिदृश्यों (अंतर्निहित Baidu / Sogou खोज, चीनी ज्ञान आधार विभाजन अनुकूलन) के लिए इसके प्राकृतिक अनुकूलन के कारण चीनी ओपन सोर्स समुदाय में इसके कुछ अलग फायदे हैं। अलीबाबा के स्वामित्व वाले Qwen3 मॉडल के जारी होने के बाद, AingDesk ने तुरंत v1.2.4 में समर्थन प्रदान किया, जिससे इसकी पुनरावृत्त प्रतिक्रिया गति दिखाई गई।

एइंगडेस्क का लागत लाभ

AingDesk की लागत संरचना में तीन परतें शामिल हैं: "ओपन सोर्स शून्य लाइसेंसिंग शुल्क + स्थानीय कंप्यूटिंग पावर + वैकल्पिक क्लाउड एपीआई पे-एज़-यू-गो"। मुख्य तर्क एआई उपयोग की लागत को "टोकन द्वारा भुगतान" से "हार्डवेयर निवेश द्वारा भुगतान" में स्थानांतरित करना है।

सी ग्राहक/व्यक्ति: पूरी तरह से मुफ़्त, हार्डवेयर की लागत है। AingDesk ऑन्टोलॉजी और मॉडल मुफ़्त हैं (MIT लाइसेंस)। उपयोगकर्ताओं को 7B-14B पैरामीटर स्तर मॉडल चलाने के लिए केवल एक साधारण कंप्यूटर की आवश्यकता होती है। उदाहरण के तौर पर ओलामा पारिस्थितिकी तंत्र में Qwen2.5-7B को लेते हुए, 16GB मेमोरी वाला एक एम-चिप मैक शून्य स्पष्ट लागत के साथ आसानी से चल सकता है। 70B+ के बड़े मॉडल को चलाने के लिए, आपको 64GB+ मेमोरी या NVIDIA ग्राफिक्स कार्ड की आवश्यकता होती है, और हार्डवेयर की लागत हजारों से लेकर हजारों युआन तक होती है - यह "फ्री" के पीछे वास्तविक बदलाव है: AI कंप्यूटिंग का कंप्यूटिंग पावर बिल एपीआई प्रदाता से उपयोगकर्ता के स्वयं के हार्डवेयर में स्थानांतरित किया जाता है।

एपीआई/डेवलपर: शून्य प्लेटफ़ॉर्म लॉक-इन, मांग पर अपना बैकएंड चुनें। AingDesk OpenAI मानक API प्रारूप के साथ संगत है। डेवलपर्स स्वतंत्र रूप से क्लाइंट के भीतर डीपसीक, जीपीटी और क्लाउड जैसे क्लाउड मॉडल पर स्विच कर सकते हैं, या ओलामा के माध्यम से स्थानीय मॉडल को कॉल कर सकते हैं। इसका मतलब है कि कोई "प्लेटफ़ॉर्म टैक्स" नहीं है - उपयोगकर्ता कार्य जटिलता के आधार पर सबसे अधिक लागत प्रभावी बैकएंड चुन सकते हैं। उदाहरण के लिए: दैनिक अनुवाद (शून्य लागत) के लिए स्थानीय छोटे मॉडल का उपयोग किया जाता है, कोड जनरेशन को डीपसीक एपीआई (0.02-2 युआन/मिलियन टोकन) पर स्विच किया जाता है, और रचनात्मक लेखन जीपीटी (पे-एज़-यू-गो) का उपयोग करता है। इस "हाइब्रिड रूटिंग" के छिपे हुए लागत लाभ को अक्सर कम करके आंका जाता है - यह उपयोगकर्ताओं को सभी कार्यों के लिए समान कंप्यूटिंग पावर प्रीमियम का भुगतान करने से रोकता है।

उद्यम/निजीकरण: खुला स्रोत और स्वयं-होस्टेड, संचालन और रखरखाव लागत का मूल्यांकन करने की आवश्यकता है। डोमेन न छोड़ने वाले डेटा की सुरक्षा आवश्यकताओं को पूरा करने के लिए उद्यम इंट्रानेट पर डॉकर के माध्यम से एइंगडेस्क सर्वर को तैनात कर सकते हैं। लेकिन स्पष्ट होने के लिए: एमआईटी लाइसेंस एंटरप्राइज़-ग्रेड एसएलए, तकनीकी सहायता या अनुपालन प्रमाणन के साथ नहीं आता है। निजीकृत तैनाती के दौरान उद्यमों को जिन छिपी हुई लागतों को वहन करने की आवश्यकता होती है उनमें शामिल हैं: GPU सर्वर खरीद / पट्टा (4×A100 पर आधारित, मासिक किराया लगभग 30,000-50,000 युआन है), संचालन और रखरखाव जनशक्ति (मॉडल संस्करण अद्यतन, ज्ञान आधार पुनर्निर्माण, भंडारण विस्तार), और निरंतर एकीकरण मॉडल संगतता परीक्षण। SaaS समाधान के "मासिक भुगतान" की तुलना में, निजी तैनाती मौजूदा GPU बुनियादी ढांचे वाली टीमों के लिए अधिक उपयुक्त है, बजाय इसे "एपीआई फीस बचाने" के लिए शुरू से बनाने के लिए।

एइंगडेस्क के मुख्य कार्य

AingDesk का कार्यात्मक डिज़ाइन "स्थानीय प्राथमिकता + ज्ञान वृद्धि + उपकरण विस्तार" की तीन पंक्तियों के आसपास घूमता है। यह केवल यूआई में कई कार्यों को ढेर नहीं करता है, बल्कि ज्ञान आधार, एजेंट एमसीपी टूल और खोज इंजन के बीच एक कंपोज़ेबल कॉलिंग लिंक बनाता है।

• एक-क्लिक स्थानीय मॉडल परिनियोजन: ओलामा इंजन के आधार पर, मॉडल खोज, डाउनलोड, कॉन्फ़िगरेशन और स्टार्टअप सीधे डेस्कटॉप यूआई में पूरा किया जा सकता है। उपयोगकर्ताओं को किसी भी कमांड लाइन ऑपरेशन को छूने की आवश्यकता नहीं है। सॉफ़्टवेयर उन मॉडलों की एक सूची की अनुशंसा करेगा जो हार्डवेयर कॉन्फ़िगरेशन के आधार पर सुचारू रूप से चल सकते हैं। वास्तविक उपयोग के दौरान ध्यान देने की आवश्यकता: मॉडल डाउनलोड GitHub और Ollama गोदामों की स्रोत साइटों पर निर्भर करता है, जो घरेलू नेटवर्क के तहत धीमा या विफल हो सकता है। आपको इसके बजाय एक दर्पण स्रोत को कॉन्फ़िगर करने या किसी तृतीय-पक्ष API का उपयोग करने की आवश्यकता है।

• स्थानीय ज्ञानकोष (आरएजी): स्थानीय दस्तावेजों के आधार पर ज्ञानकोष के निर्माण का समर्थन करता है, और पीडीएफ, वर्ड, टीएक्सटी, चित्र और अन्य प्रारूपों को अपलोड करने के बाद स्वचालित रूप से दस्तावेज़ चंकिंग और वेक्टराइजेशन एम्बेडिंग को पूरा करता है। उपयोगकर्ता-कॉन्फ़िगर करने योग्य चंकिंग रणनीति और रिकॉल परिशुद्धता। v1.1.8 के बाद से, मतिभ्रम को कम करने के लिए संदर्भ एम्बेडिंग प्रक्रिया को अनुकूलित किया गया है, और v1.2.0 ने पूर्ण-पाठ खोज सटीकता में सुधार किया है। विशेषज्ञ दृष्टिकोण: ज्ञान आधार की वास्तविक बाधा स्वयं एइंगडेस्क नहीं है, बल्कि अंतर्निहित एम्बेडिंग मॉडल का चयन है - डिफ़ॉल्ट छोटे मॉडल का उपयोग करने से उच्च-परिशुद्धता परिदृश्यों में अपर्याप्त रिकॉल हो सकता है। सेटिंग्स में मैन्युअल रूप से उच्च गुणवत्ता वाले एम्बेडिंग मॉडल पर स्विच करने की अनुशंसा की जाती है।

• एमसीपी क्लाइंट और एजेंट: यह एइंगडेस्क की सबसे कम आंकी गई क्षमता है। MCP (मॉडल कॉन्टेक्स्ट प्रोटोकॉल) क्लाइंट v1.2.1 से शुरू होकर समर्थित है। उपयोगकर्ता सेटिंग्स में एमसीपी सर्वर को कॉन्फ़िगर कर सकते हैं, और फिर बातचीत में सीधे टूल (जैसे कोड निष्पादन, डेटा क्वेरी, फ़ाइल संचालन इत्यादि) को कॉल कर सकते हैं। इसमें एक अंतर्निहित एजेंट मॉड्यूल भी है जो कस्टम रोल एजेंटों के निर्माण और ज्ञान आधारों और उपकरणों के बंधन का समर्थन करता है। सिनर्जी प्रभाव: एजेंट + नॉलेज बेस + MCP टूल का लिंकेज AingDesk का सबसे बड़ा उच्च-स्तरीय मूल्य है - उदाहरण के लिए, एक "ग्राहक सेवा सहायक" एजेंट बनाना, जो इसे एक ही समय में उत्पाद मैनुअल नॉलेज बेस और ऑर्डर क्वेरी MCP टूल तक पहुंचने की अनुमति देता है। जब उपयोगकर्ता कोई प्रश्न पूछता है, तो यह स्वचालित रूप से निर्धारित करता है कि ज्ञान या डेटा देखना है या नहीं। पूरी प्रक्रिया एक इंटरफ़ेस में पूरी होती है.

• इंटरनेट खोज: बातचीत के दौरान वास्तविक समय में नवीनतम जानकारी प्राप्त करने के लिए Baidu और Sogou जैसे खोज इंजनों तक अंतर्निहित एपीआई पहुंच। खोज परिणामों को स्वतंत्र रूप से खोज परिणामों की सूची वापस करने के बजाय संदर्भ के रूप में मॉडल अनुमान में इंजेक्ट किया जाता है। v1.2.4 खोज इंजन परिणाम पार्सिंग को अनुकूलित करता है और भ्रमित करने वाले खोज परिणाम प्रारूपों की समस्या को कम करता है। ध्यान दें: इंटरनेट खोज तभी प्रभावी होती है जब वह सक्रिय रूप से चालू हो, और यह खोज इंजन की उपलब्धता और एंटी-क्रॉलिंग रणनीति पर निर्भर करता है।

• मॉडल साझाकरण और सहयोग: इंटरनेट के माध्यम से स्थानीय रूप से तैनात मॉडलों को दूसरों के साथ साझा करने के लिए विशेष साझाकरण लिंक उत्पन्न करें। टीम परिदृश्यों में यह क्षमता व्यावहारिक मूल्य की है - एक सदस्य द्वारा एक मॉडल तैनात करने के बाद, टीम के अन्य सदस्य तैनाती को दोहराए बिना इसे सीधे कॉल कर सकते हैं। हालाँकि, उत्पादन के लिए, इंट्रानेट प्रवेश के कारण होने वाले सुरक्षा जोखिमों और बैंडविड्थ बाधाओं पर विचार करने की आवश्यकता है।

एइंगडेस्क का मॉडल और संस्करण विकास

AingDesk के संस्करण पुनरावृत्ति लय में मार्च और मई 2025 के बीच काफी तेजी आई है। v1.1.5 से v1.2.4 तक जाने में केवल दो महीने से अधिक समय लगा, प्रति सप्ताह लगभग एक संस्करण, जो परियोजना के त्वरित परीक्षण और त्रुटि और तेजी से सत्यापन के प्रारंभिक चरण को दर्शाता है।

प्रारंभिक आधारशिला (Q3-Q4, 2024)

यह परियोजना 2024 की दूसरी छमाही में GitHub पर ओपन सोर्स होगी। प्रारंभिक संस्करण बुनियादी मॉडल परिनियोजन और संवाद क्षमताओं पर केंद्रित है, और तकनीकी वास्तुकला और कार्यात्मक सीमाओं का अभी भी पता लगाया जा रहा है। इस स्तर पर कोई मानकीकृत संस्करण रिलीज़ रिकॉर्ड नहीं है, और इसे मुख्य रूप से सीधे स्रोत कोड के माध्यम से वितरित किया जाता है।

कार्यात्मक स्प्रिंट अवधि (मार्च - मई 2025)

• v1.1.5 (2025-03-15): छवि अनुलग्नकों को संसाधित करने वाले गैर-वीएल मॉडल की त्रुटि समस्या को हल करने के लिए एजेंट फ़ंक्शन मॉड्यूल का परिचय दें। यह AingDesk के लिए "शुद्ध चैट क्लाइंट" से "एजेंट प्लेटफ़ॉर्म" पर स्थानांतरित होने के लिए एक महत्वपूर्ण नोड है।
• v1.1.6 (2025-03-20): नॉलेज बेस दस्तावेज़ एम्बेडिंग की अनंत प्रतीक्षा समस्या को ठीक करें, पीडीएफ पार्सर में सुधार करें, और एम्बेडिंग मॉडल उपलब्धता पहचान जोड़ें।
• v1.1.7 (2025-03-21): मरमेड मानक सिंटैक्स रेंडरिंग, अनुकूलित ओलामा सेवा पता और नवीनतम मॉडल लाइब्रेरी सूची के सिंक्रनाइज़ेशन का समर्थन करता है।
• v1.1.8 (2025-04-02): ज्ञान आधार की सटीकता और प्रदर्शन में काफी सुधार किया गया है, दस्तावेज़ विभाजन और रिकॉल रणनीति कॉन्फ़िगरेशन का समर्थन किया गया है, डेटा भंडारण निर्देशिका को संशोधित करने का कार्य जोड़ा गया है, और .doc फ़ाइल पार्सिंग समस्याओं को ठीक किया गया है।
• v1.1.9 (2025-04-03): ज्ञान आधार सटीकता कॉन्फ़िगरेशन को स्वचालित मोड में बदल दिया गया है, ऑनलाइन मॉडल कॉलिंग त्रुटियां ठीक की गई हैं, और macOS x64 समर्थन जोड़ा गया है।
• v1.2.0 (2025-04-08): डिफ़ॉल्ट दस्तावेज़ विभाजन प्रभाव को अनुकूलित करें और पूर्ण-पाठ खोज की सटीकता में सुधार करें।
• v1.2.1 (2025-04-14): माइलस्टोन संस्करण - आधिकारिक तौर पर एमसीपी क्लाइंट फ़ंक्शन को जोड़ना, यह एइंगडेस्क के लिए "स्थानीय मॉडल प्रबंधन टूल" से "एआई टूल चेन प्लेटफ़ॉर्म" पर छलांग लगाने का एक महत्वपूर्ण कदम है।
• v1.2.2 (2025-04-16): विंडोज़ स्वचालित अद्यतन तंत्र जोड़ा गया और नॉलेज बेस/एजेंट/टूल लिंकेज कॉल की समन्वय समस्या को ठीक किया गया।
• v1.2.3 (2025-04-18): ओपनएआई जीपीटी-ओ3 संगतता को ठीक करें, तृतीय-पक्ष एम्बेडिंग मॉडल निर्माण ज्ञान आधार त्रुटि को ठीक करें।
• v1.2.4 (2025-05-27): क्वेन3 मॉडल का समर्थन करें, खोज इंजन परिणाम पार्सिंग को अनुकूलित करें, शुद्ध छवि पीडीएफ के लिए ओसीआर समर्थन जोड़ें, और एमसीपी टूल कॉल परिणाम पार्सिंग में सुधार करें।

वर्तमान स्थिति

नवीनतम स्थिर संस्करण v1.2.4 (2025-05-27) है। हालाँकि परियोजना ने तब से लगभग एक वर्ष तक कोई प्रमुख संस्करण अपडेट जारी नहीं किया है, GitHub रिपॉजिटरी का समस्या क्षेत्र अभी भी सक्रिय रखरखाव के अधीन है। संस्करण चुनते समय उपयोगकर्ताओं को ध्यान देना चाहिए: v1.2.1 से पहले के संस्करणों में एमसीपी क्षमताओं का अभाव है। यदि टूल कॉल और एजेंटों की आवश्यकता है, तो v1.2.1 और इसके बाद के संस्करण का उपयोग करना सुनिश्चित करें।

एइंगडेस्क के तकनीकी लाभ

AingDesk का तकनीकी लाभ अंतर्निहित मॉडल के नवाचार में नहीं है (यह मॉडल को प्रशिक्षित नहीं करता है), बल्कि "गैर-तकनीकी उपयोगकर्ताओं के लिए संचालन क्षमता बनाए रखते हुए एक डेस्कटॉप एप्लिकेशन में एकाधिक एआई इन्फ्रास्ट्रक्चर को सहजता से कैसे एकीकृत किया जाए।"

इलेक्ट्रॉन क्रॉस-प्लेटफॉर्म + स्थानीय-प्रथम आर्किटेक्चर: डेस्कटॉप फ्रेमवर्क के रूप में इलेक्ट्रॉन को चुनने का मतलब है कि विंडोज और मैकओएस उपयोगकर्ता इसे बॉक्स से बाहर उपयोग कर सकते हैं, लेकिन यह लगभग 140-180 एमबी का इंस्टॉलेशन पैकेज आकार और अपेक्षाकृत उच्च मेमोरी फ़ुटप्रिंट भी लाता है। बैकएंड Node.js पर आधारित है, मॉडल प्रबंधन को ओलामा के REST API को कॉल करके कार्यान्वित किया जाता है, और ज्ञान आधार को वेक्टरकृत किया जाता है और स्थानीय फ़ाइल सिस्टम में संग्रहीत किया जाता है। इस आर्किटेक्चर के लाभ: डेटा पूरी तरह से उपयोगकर्ता द्वारा नियंत्रित होता है, और यह बिना किसी क्लाउड सर्वर के पूरी तरह कार्यात्मक हो सकता है; लागत: सभी गणनाएं (अनुमान, वेक्टरीकरण, पुनर्प्राप्ति) स्थानीय रूप से की जाती हैं, जिसके लिए कुछ कंप्यूटर कॉन्फ़िगरेशन की आवश्यकता होती है। विशेष रूप से जब बहुत सारे ज्ञान आधारित दस्तावेज़ हों, तो एम्बेडिंग प्रक्रिया में बहुत अधिक CPU/मेमोरी की खपत होगी।

एमसीपी प्रोटोकॉल एकीकरण: एमसीपी क्लाइंट को लागू करके, एइंगडेस्क बड़े मॉडलों को बाहरी टूल को कॉल करने की अनुमति देता है - यह अनिवार्य रूप से "मॉडल वार्तालाप" को "मॉडल + टूल + ज्ञान" के टर्नरी संयोजन तक विस्तारित कर रहा है। एमसीपी के टूल व्यवहार में शामिल हैं: list_tools (उपलब्ध टूल की सूची), call_tool (निर्दिष्ट टूल को कॉल करें और परिणाम लौटाएं)। मॉडल स्वतंत्र रूप से यह निर्धारित करता है कि बातचीत के दौरान उपयोगकर्ता के इरादे के आधार पर किस टूल को कॉल करने की आवश्यकता है, जिससे "इरादे की पहचान -> टूल चयन -> पैरामीटर जेनरेशन -> परिणाम विश्लेषण -> उत्तर जेनरेशन" की संरचना बनती है। इस तंत्र को लागू करने में कठिनाई यह है कि मॉडल गलती से अप्रासंगिक टूल का चयन कर सकता है, अमान्य पैरामीटर उत्पन्न कर सकता है, या जब टूल अपवाद लौटाता है तो बार-बार पुनः प्रयास के चक्र में गिर सकता है। AingDesk MCP कॉल परिणामों (v1.2.4) के अनुकूलित पार्सिंग के माध्यम से कुछ समस्याओं को कम करता है, लेकिन जटिल मल्टी-टूल ऑर्केस्ट्रेशन परिदृश्यों में अभी भी सुधार की गुंजाइश है।

नॉलेज बेस की RAG पाइपलाइन: AingDesk का नॉलेज बेस RAG प्रक्रियाओं का एक पूरा सेट लागू करता है - दस्तावेज़ पार्सिंग -> टेक्स्ट चंकिंग -> वेक्टर एम्बेडिंग -> समानता पुनर्प्राप्ति -> संदर्भ इंजेक्शन। कॉन्फ़िगर करने योग्य चंकिंग रणनीतियों (आकार, ओवरलैप, सीमांकक) और पुनर्प्राप्ति परिशुद्धता विकल्प (स्वचालित/मैन्युअल) का समर्थन करता है। वास्तविक प्रदर्शन के परिप्रेक्ष्य से: सैकड़ों पृष्ठों के चीनी पीडीएफ दस्तावेज़ों के लिए, एइंगडेस्क के ज्ञानकोष को मिनटों में एम्बेड किया जा सकता है और सेकंडों में पुनर्प्राप्त किया जा सकता है। हालाँकि, निम्नलिखित परिदृश्यों में अतिरिक्त ध्यान देने की आवश्यकता है: स्कैन किए गए पीडीएफ (ओसीआर समर्थन की आवश्यकता है, v1.2.4 जोड़ा गया है लेकिन मैकओएस को पॉपलर की मैन्युअल स्थापना की आवश्यकता है), जटिल तालिकाओं और टाइपसेटिंग (सीमित प्रारूप प्रतिधारण क्षमताओं) वाले दस्तावेज़, और गैर-चीनी दस्तावेज़ों का अवरुद्ध प्रभाव (डिफ़ॉल्ट अवरोधन रणनीति अंग्रेजी पैराग्राफ सीमाओं के प्रति संवेदनशील नहीं हो सकती है)।

आर्किटेक्चरल लिंक (नियंत्रण प्रवाह और डेटा प्रवाह):

उपयोगकर्ता इनपुट
  │
  ▼
AingDesk फ्रंट-एंड (Vue + इलेक्ट्रॉन)
  │
  ├─► मॉडल रूटिंग ──┬─► ओलामा (स्थानीय मॉडल)
  │ ├─► OpenAI संगत एपीआई (क्लाउड मॉडल)
  │ └─► एमसीपी सर्वर (बाहरी उपकरण)
  │
  ├─► ज्ञान का आधार ──────► एम्बेडिंग मॉडल ──► वेक्टर भंडारण ──► समानता पुनर्प्राप्ति
  │
  └─► इंटरनेट खोज ────► खोज इंजन एपीआई ──► परिणाम विश्लेषण ──► संदर्भ इंजेक्ट करें
  │
  ▼
मॉडल अनुमान ──► आउटपुट रेंडरिंग

इंजीनियरिंग के नुकसान के लिए मार्गदर्शिका:

1. एमसीपी टूल कॉल का अंतहीन लूप टोकन अपशिष्ट से जुड़ा हुआ है: जब टूल अपेक्षाओं को पूरा नहीं करने वाले परिणाम देता है तो मॉडल एक ही टूल को बार-बार कॉल कर सकता है, या यह तब भी कॉल करने का प्रयास कर सकता है जब कोई उपयुक्त टूल उपलब्ध न हो। एमसीपी सर्वर कॉन्फ़िगरेशन में टूल में स्पष्ट इनपुट और आउटपुट बाधा विवरण जोड़ने की अनुशंसा की जाती है, और मॉडल प्रॉम्प्ट में "त्रुटि लौटाने वाले टूल को बार-बार कॉल न करें" पर जोर दिया जाता है। उच्च-आवृत्ति परिदृश्यों के लिए, अनंत लूप को रोकने के लिए संवाद के एक दौर के लिए टूल कॉल की अधिकतम संख्या क्लाइंट स्तर पर सेट की जा सकती है (मैक्स_स्टेप्स के समान)।

2. ज्ञान आधार संदर्भ अधिभार: जब दस्तावेजों की संख्या बड़ी होती है, तो पुनर्प्राप्त किए गए प्रासंगिक टुकड़े संदर्भ विंडो भर सकते हैं, जिससे मॉडल का ध्यान बिखर जाता है या संदर्भ सीमा से अधिक हो जाता है। ज्ञान आधार सेटिंग्स में "वापस बुलाए गए अंशों की संख्या" को कम करने की अनुशंसा की जाती है (डिफ़ॉल्ट मान आमतौर पर उच्च होता है), और कम-प्रासंगिक अंशों को फ़िल्टर करने के लिए समानता सीमा को उचित रूप से बढ़ाएं। बहुत लंबे दस्तावेज़ों के लिए, पूर्ण-पाठ एम्बेडिंग रणनीतियों के बजाय सार को प्राथमिकता दें।

3. घरेलू नेटवर्क पर मॉडल डाउनलोड मुद्दे: ओलामा मॉडल डाउनलोड के लिए डिफ़ॉल्ट स्रोत GitHub और Docker हब हैं। घरेलू उपयोगकर्ताओं को डाउनलोड विफलताओं या बेहद धीमी गति से डाउनलोड का सामना करना पड़ सकता है। समाधान: ओलामा के मिरर स्रोत पते को कॉन्फ़िगर करें (जैसे कि कुछ घरेलू त्वरित दर्पणों का उपयोग करना), या अन्य मशीनों को इंगित करने के लिए एइंगडेस्क के "कस्टमाइज्ड ओलामा सर्विस एड्रेस" फ़ंक्शन का उपयोग करें जिन्होंने मॉडल को पहले से डाउनलोड किया है।

AingDesk का उपयोग कैसे करें

AingDesk की प्रवेश और स्थापना विधियाँ व्यक्तिगत डेस्कटॉप से लेकर सर्वर परिनियोजन तक विभिन्न प्रकार के परिदृश्यों को कवर करती हैं।

कैसे उपयोग करें	भीड़ के लिए उपयुक्त	ऑपरेशन पथ	लागत
डेस्कटॉप क्लाइंट (आधिकारिक वेबसाइट से डाउनलोड करें)	व्यक्तिगत उपयोगकर्ता	Windows/macOS इंस्टालेशन पैकेज डाउनलोड करने के लिए aingdesk.com पर जाएँ	मुफ़्त
डेस्कटॉप क्लाइंट (GitHub विज्ञप्ति)	डेवलपर्स/तकनीकी उपयोगकर्ता	GitHub रिलीज़ पृष्ठ से संबंधित प्लेटफ़ॉर्म इंस्टॉलेशन पैकेज डाउनलोड करें	मुफ़्त
डॉकर सर्वर-साइड परिनियोजन	टीम/उद्यम	docker run aingdesk/aingdesk सेल्फ-होस्टेड चलाएँ	मुफ़्त + बुनियादी ढांचे की लागत
स्रोत कोड संकलन	अनुकूलन आवश्यकताएँ	गिट क्लोन + यार्न देव स्थानीय बिल्ड	मुफ़्त

त्वरित आरंभ करने के चरण (डेस्कटॉप):

1. आधिकारिक वेबसाइट से संबंधित प्लेटफॉर्म के लिए इंस्टॉलेशन पैकेज डाउनलोड करें और इंस्टॉलेशन पूरा करें।
2. स्टार्टअप के बाद, सेटिंग्स में मॉडल बैकएंड का चयन करें: यदि आप "स्थानीय मॉडल" चुनते हैं, तो आपको पहले ओलामा इंस्टॉल करना होगा और मॉडल लाइब्रेरी से डाउनलोड का चयन करना होगा; यदि आप "थर्ड-पार्टी एपीआई" चुनते हैं, तो ओपनएआई/डीपसीक जैसी एपीआई कुंजी भरें।
3. एक ज्ञानकोष बनाएं: दस्तावेज़ (पीडीएफ/वर्ड/टीएक्सटी/चित्र) अपलोड करें और ब्लॉकिंग और वेक्टराइज़ेशन एम्बेडिंग के स्वचालित पूरा होने की प्रतीक्षा करें।
4. (वैकल्पिक) सेटिंग्स में एमसीपी सर्वर को कॉन्फ़िगर करें, या एजेंट मॉड्यूल में एक कस्टम एजेंट बनाएं और नॉलेज बेस और टूल्स को बाइंड करें।
5. इसका उपयोग शुरू करने के लिए संवाद विंडो में तैनात मॉडल या बनाए गए एजेंट का चयन करें। ऑनलाइन खोज करते समय, मैन्युअल रूप से खोज स्विच चालू करें।

डॉकर सर्वर त्वरित प्रारंभ:

एमकेडीआईआर-पी एइंगडेस्क && सीडी एइंगडेस्क
wget https://cnb.cool/aingdesk/AingDesk/-/git/raw/server/docker-compose.yml
डॉकर कंपोज़ अप -डी

सर्वर तैनात होने के बाद, टीम के सदस्य इसे ब्राउज़र या एपीआई के माध्यम से एक्सेस कर सकते हैं, और सभी डेटा सर्वर पर स्थानीय रूप से संग्रहीत किया जाता है। टीमों के भीतर मॉडल और ज्ञान आधार साझा करने के लिए उपयुक्त।

एइंगडेस्क उत्पाद मूल्य निर्धारण

AingDesk का मूल्य निर्धारण मॉडल बेहद सरल है - यह पूरी तरह से मुफ़्त है और MIT खुला स्रोत है, जिसमें कोई छिपा हुआ पेवॉल या फ़ीचर लॉक-इन नहीं है।

सी ग्राहक/व्यक्तिगत उपयोगकर्ता: प्राप्त करने और उपयोग करने की शून्य लागत। डेस्कटॉप क्लाइंट के सभी फ़ंक्शन (मॉडल परिनियोजन, ज्ञान आधार, एजेंट एमसीपी, नेटवर्क खोज, मॉडल शेयरिंग) पूरी तरह से मुफ़्त हैं, जिसमें कोई फ़ंक्शन प्रतिबंध नहीं है, उपयोग के समय या संदेशों की संख्या पर कोई सीमा नहीं है। उपयोगकर्ताओं को केवल बिजली बिल और हार्डवेयर मूल्यह्रास वहन करना होगा। छिपी हुई लागत: यदि आप क्लाउड एपीआई मॉडल (जैसे जीपीटी, डीपसीक) का उपयोग करना चुनते हैं, तो आपको संबंधित सेवा प्रदाता को स्वयं भुगतान करना होगा। AingDesk मूल्य निर्धारण में भाग नहीं लेता है और कोई कमीशन नहीं लेता है।

डेवलपर/एपीआई कॉल: यदि द्वितीयक विकास AingDesk सर्वर के API इंटरफ़ेस के माध्यम से किया जाता है, तो AingDesk स्वयं कोई API शुल्क नहीं लेता है। डेवलपर्स केवल अंतर्निहित मॉडल कॉल के लिए भुगतान करते हैं (स्थानीय मॉडल निःशुल्क हैं, क्लाउड मॉडल की कीमत एपीआई प्रदाता के अनुसार तय की जाती है)। यह AingDesk को "फ्री एपीआई गेटवे" के रूप में विकास वर्कफ़्लो में एम्बेड करने की अनुमति देता है।

उद्यम/निजी तैनाती: एमआईटी लाइसेंस उद्यमों को एइंगडेस्क परियोजना के लिए कोई लाइसेंस शुल्क का भुगतान किए बिना अपनी इच्छानुसार इसे तैनात करने, संशोधित करने और व्यावसायिक रूप से उपयोग करने की अनुमति देता है। हालाँकि, जैसा कि ऊपर उल्लेख किया गया है, हार्डवेयर, संचालन और रखरखाव और संस्करण प्रबंधन की छिपी हुई लागतों का मूल्यांकन उद्यमों द्वारा स्वयं किया जाना चाहिए। वर्तमान में, परियोजना सशुल्क एंटरप्राइज़ संस्करण, तकनीकी सहायता अनुबंध या एसएलए गारंटी प्रदान नहीं करती है, और प्रमुख व्यावसायिक परिदृश्यों के लिए उद्यमों को पूरी स्थिति को कवर करने के लिए आंतरिक तकनीकी क्षमताओं की आवश्यकता होती है।

AingDesk अनुप्रयोग परिदृश्य

AingDesk का मुख्य मूल्य "स्थानीय प्राथमिकता + ज्ञान वृद्धि" के दो आयामों के प्रतिच्छेदन पर निहित है। निम्नलिखित तीन प्रकार के परिदृश्यों को समुदाय द्वारा सत्यापित किया गया है:

• व्यक्तिगत ज्ञान प्रबंधन और एआई-सहायता प्राप्त शिक्षण: पाठ्यपुस्तकों, कागजात और नोट्स को ज्ञान आधार में आयात करें, और स्थानीय मॉडल के माध्यम से प्रश्न-उत्तर पुनर्प्राप्ति करें। ऑनलाइन चैटजीपीटी-शैली के प्रश्न और उत्तर की तुलना में, लाभ यह है कि डेटा को तीसरे पक्ष के सर्वर पर अपलोड करने की आवश्यकता नहीं होती है, और यह बहुत लंबी पाठ्यपुस्तकों के क्रॉस-चैप्टर एसोसिएशन को संभाल सकता है। कार्यान्वयन युक्तियाँ: बड़ी संख्या में स्कैन की गई पीडीएफ शिक्षण सामग्री के लिए, उन्हें खोजने योग्य पीडीएफ में परिवर्तित करने और फिर उन्हें ज्ञानकोष में आयात करने के लिए पेशेवर ओसीआर टूल का उपयोग करने की अनुशंसा की जाती है। शुद्ध छवि पीडीएफ का ओसीआर प्रभाव (भले ही v1.2.4 समर्थित हो) पेशेवर समाधान जितना अच्छा नहीं हो सकता है।

• छोटी टीमों के लिए आंतरिक ज्ञान आधार और साझा मॉडल: एइंगडेस्क सर्वर को तैनात करने के बाद, टीम एक साझा ज्ञान आधार में आंतरिक दस्तावेज़ (उत्पाद मैनुअल, तकनीकी विनिर्देश, एफएक्यू) बना सकती है, और सदस्यों को साझा लिंक के माध्यम से उसी मॉडल को कॉल करने की अनुमति दे सकती है। 5-20 लोगों की छोटी टीमों के लिए उपयुक्त, विशेष रूप से ऐसे परिदृश्य जहां दूरस्थ टीमों को एकीकृत ज्ञान केंद्र की आवश्यकता होती है। कार्यान्वयन युक्तियाँ: बाहरी नेटवर्क साझाकरण प्राप्त करने के लिए सर्वर परिनियोजन को सार्वजनिक नेटवर्क के सामने उजागर करना आवश्यक है। डॉकर पोर्ट को सीधे उजागर करने के बजाय रिवर्स प्रॉक्सी और पहचान प्रमाणीकरण का उपयोग करने की अनुशंसा की जाती है।

• एआई एप्लिकेशन प्रोटोटाइप का त्वरित सत्यापन: डेवलपर्स "मॉडल + टूल + ज्ञान" प्रोटोटाइप एप्लिकेशन को तुरंत बनाने के लिए एइंगडेस्क के एमसीपी क्लाइंट और एजेंट मॉड्यूल का उपयोग कर सकते हैं, और औपचारिक विकास के साथ आगे बढ़ने से पहले उत्पाद अवधारणा का परीक्षण कर सकते हैं। उदाहरण के लिए: एक "ऑर्डर क्वेरी" एजेंट बनाएं, ऑर्डर डेटाबेस के एमसीपी टूल और उत्पाद मैनुअल नॉलेज बेस को बाइंड करें, और आप कुछ ही मिनटों में एक इंटरैक्टिव डेमो देख सकते हैं। कार्यान्वयन युक्तियाँ: प्रोटोटाइप चरण में AingDesk का उपयोग सत्यापन चक्र को बहुत छोटा कर सकता है, लेकिन औपचारिक उत्पादन के लिए, अधिक नियंत्रणीय विकास और परिनियोजन समाधान की अभी भी आवश्यकता है।

परिदृश्यों के लिए उपयुक्त नहीं: AingDesk उन सेवा परिदृश्यों के लिए उपयुक्त नहीं है जिनके लिए बड़े पैमाने पर समवर्ती तर्क की आवश्यकता होती है (जैसे कि सार्वजनिक-सामना वाली AI ग्राहक सेवा, हजारों दैनिक उपयोगकर्ताओं वाले एप्लिकेशन)। स्थानीय क्लाइंट के पास सीमित कंप्यूटिंग शक्ति और समवर्ती क्षमताएं हैं; यह उन परिदृश्यों के लिए उपयुक्त नहीं है जिनके लिए मॉडल आउटपुट प्रारूप (जैसे संरचित JSON जुनूनी-बाध्यकारी विकास) पर मजबूत नियंत्रण की आवश्यकता होती है। AingDesk मॉडल रूटिंग परत बारीक-बारीक आउटपुट बाधा कॉन्फ़िगरेशन का समर्थन नहीं करती है; यह उन कार्यों के लिए उपयुक्त नहीं है जिनके लिए मल्टी-मोडल क्षमताओं (जैसे वीडियो समझ, ऑडियो पीढ़ी) की आवश्यकता होती है, और इसकी क्षमता सीमाएँ पाठ और छवि समझ के भीतर हैं।

लागू लोग

"शून्य कॉन्फ़िगरेशन + पूर्ण कार्यक्षमता" के डिज़ाइन दर्शन के माध्यम से, एइंगडेस्क उपयोगकर्ता समूह के एक हिस्से को कवर करता है जिसे सीएलआई उपकरण और शुद्ध एपीआई एकत्रीकरण क्लाइंट द्वारा अनदेखा किया जाता है।

• एआई नौसिखिया और व्यक्तिगत उपयोगकर्ता: डॉकर, कमांड लाइन या जीपीयू कॉन्फ़िगरेशन जानने की कोई आवश्यकता नहीं है, बस इसे डाउनलोड करें और इंस्टॉल करें। AingDesk के अंतर्निहित मॉडल प्रबंधक और ज्ञान आधार क्षमताएं प्रवेश की बाधा को लगभग शून्य कर देती हैं। अनुपयुक्त सीमा: यदि उपयोगकर्ता केवल कभी-कभार चैट के लिए एआई का उपयोग करता है और डेटा गोपनीयता के प्रति संवेदनशील नहीं है, तो मुफ्त ऑनलाइन एआई सेवाओं (जैसे डीपसीक वेब संस्करण, डौबाओ) के उपयोग की सीमा कम है और उन्हें किसी इंस्टॉलेशन और कॉन्फ़िगरेशन की आवश्यकता नहीं है।

• ओपन सोर्स और स्व-होस्टेड उत्साही: एइंगडेस्क का मूल-प्रथम आर्किटेक्चर और एमआईटी लाइसेंस उन तकनीकी उपयोगकर्ताओं के लिए पूरी तरह से नियंत्रणीय एआई वातावरण प्रदान करता है जो डेटा संप्रभुता और गोपनीयता सुरक्षा का प्रयास करते हैं। वे स्वतंत्र रूप से कोड को संशोधित कर सकते हैं, नेटवर्क अनुरोधों का ऑडिट कर सकते हैं और ऑफ़लाइन चला सकते हैं। आवश्यकताएँ: बेसिक Git और Node.js परिचालन क्षमताओं की आवश्यकता है, साथ ही 7B स्तर के मॉडल को चलाने के लिए कम से कम 8GB मेमोरी वाला कंप्यूटर आवश्यक है।

• छोटी टीमें और प्रौद्योगिकी उद्यमी: ऐसे परिदृश्यों में जहां टीमों को एआई मॉडल और ज्ञान आधार साझा करने की आवश्यकता होती है लेकिन उनके पास सीमित बजट होता है, एइंगडेस्क की सर्वर-साइड तैनाती एक शून्य-लागत प्रारंभिक बिंदु है। आप पहले इसे व्यावसायिक प्रक्रियाओं को सत्यापित करने के लिए एक आंतरिक उपकरण के रूप में उपयोग कर सकते हैं, और फिर तय कर सकते हैं कि अनुकूलित समाधान विकसित करने में संसाधनों का निवेश करना है या नहीं। कार्यान्वयन युक्तियाँ: 20 से अधिक लोगों की टीमों या उच्च स्थिरता आवश्यकताओं वाले परिदृश्यों के लिए, पेशेवर ज्ञान आधार समाधानों (जैसे डिफाई, फास्टजीपीटी) के व्यावसायिक संस्करणों का मूल्यांकन करने की अनुशंसा की जाती है, जो अनुमति प्रबंधन, उच्च उपलब्धता और संचालन और रखरखाव निगरानी में अधिक परिपक्व हैं।

• छात्र और शोधकर्ता: स्थानीयकृत प्रश्नोत्तर के लिए पाठ्यपुस्तकों, कागजात और प्रयोगात्मक रिपोर्टों को ज्ञान आधार में आयात करें। यह ऑफ़लाइन वातावरण (जैसे इंटरनेट के बिना प्रयोगशाला इंट्रानेट) में साहित्य समीक्षा और ज्ञान संगठन के लिए विशेष रूप से उपयुक्त है। सीमाओं के लिए उपयुक्त नहीं: अकादमिक लेखन के लिए जिसमें सटीक पृष्ठ संख्याओं और मूल पाठ पैराग्राफों का हवाला देने की आवश्यकता होती है, ज्ञान आधार के खंड पुनर्प्राप्ति में संदर्भ काट-छांट की समस्याएं हो सकती हैं। सत्यापन के लिए मूल पाठ पर लौटने के लिए ज्ञान आधार आउटपुट को एक सुराग के रूप में उपयोग करने की अनुशंसा की जाती है।

सारांश: एइंगडेस्क के लिए कौन उपयुक्त नहीं होगा? मॉडल प्रदर्शन के लिए अत्यधिक आवश्यकताओं वाले उपयोगकर्ता (70बी+ मॉडल को उच्च-स्तरीय हार्डवेयर की आवश्यकता होती है), ऐसे संगठन जिन्हें एंटरप्राइज़-स्तरीय अनुमति प्रबंधन और ऑडिट लॉग की आवश्यकता होती है, और शुद्ध संवादी उपयोगकर्ता जो "बिना किसी कॉन्फ़िगरेशन के बॉक्स से बाहर" चाहते हैं, उन्हें अन्य विकल्पों पर विचार करना चाहिए।

सारांश और आउटलुक

AingDesk ने "एआई की स्थानीय तैनाती के लिए सीमा को कम करने" में पर्याप्त इंजीनियरिंग प्रयास किए हैं - यह एक और एपीआई एकत्रीकरण शेल नहीं है, बल्कि मॉडल प्रबंधन, ज्ञान आधार आरएजी, एमसीपी टूल कॉलिंग और एजेंट ऑर्केस्ट्रेशन को एक पूर्ण उत्पाद में एकीकृत करता है जो डेस्कटॉप पर स्वतंत्र रूप से चल सकता है और पूरी तरह से खुला स्रोत और मुफ़्त है।

वर्तमान मुख्य लाभ: चीन में एक ही प्रकार के डेस्कटॉप क्लाइंट के बीच शून्य-कॉन्फ़िगरेशन मॉडल परिनियोजन अनुभव दुर्लभ है। एमसीपी क्लाइंट और एजेंट फ़ंक्शंस की शुरूआत इसे "चैट टूल" से "टूल चेन प्लेटफ़ॉर्म" में बदलने की क्षमता देती है। ज्ञान आधार की स्थानीयकृत आरएजी पाइपलाइन चीनी दस्तावेज़ों पर उपलब्ध है, और डेटा पूरी तरह से उपयोगकर्ता द्वारा नियंत्रित किया जाता है। एमआईटी लाइसेंस व्यावसायिक उपयोग के लिए कानूनी चिंताओं को दूर करता है।

वर्तमान मुख्य सीमाएँ: समुदाय अभी भी छोटा है (2 मुख्य योगदानकर्ता), और फ़ंक्शन पुनरावृत्ति और समस्या प्रतिक्रिया गति v1.2.4 के जारी होने के बाद धीमी होने के संकेत दिखाती है; इलेक्ट्रॉन आर्किटेक्चर द्वारा लाया गया मेमोरी उपयोग और इंस्टॉलेशन पैकेज का आकार समान उत्पादों के बीच अपेक्षाकृत अधिक है; ज्ञान आधार की पुनर्प्राप्ति सटीकता और एम्बेडिंग मॉडल की वैकल्पिक सीमा सीमित है, और इसकी तुलना पेशेवर आरएजी प्लेटफार्मों (जैसे डिफाई, फास्टजीपीटी) के उच्च-अंत कार्यों (मल्टी-वे रिकॉल, रीऑर्डरिंग आरबीएसी) की अनुमतियों के साथ नहीं की जा सकती है); इसमें एंटरप्राइज़-स्तरीय परिनियोजन संचालन और रखरखाव उपकरण (निगरानी, ​​लॉगिंग, बैकअप) और वाणिज्यिक समर्थन का अभाव है।

अनुवर्ती अवलोकन बिंदु: क्या परियोजना v1.2.4 के बाद प्रमुख अपडेट लॉन्च करेगी (आधिकारिक रोडमैप का खुलासा नहीं किया गया है); क्या सामुदायिक योगदानकर्ता पारिस्थितिकी तंत्र को 2 लोगों से अधिक बाहरी योगदानकर्ताओं तक विस्तारित किया जा सकता है; क्या दीर्घकालिक टिकाऊ रखरखाव का समर्थन करने के लिए व्यावसायिक अन्वेषण (जैसे एंटरप्राइज़ संस्करण सदस्यता, होस्टिंग सेवाएँ) होंगे; और एमसीपी पारिस्थितिकी तंत्र के तेजी से विकास के संदर्भ में, क्या एइंगडेस्क प्रोटोकॉल अपडेट की संगतता अनुकूलन पर अनुवर्ती कार्रवाई जारी रख सकता है।

अधिग्रहण और दत्तक ग्रहण जोखिम मूल्यांकन: व्यक्तिगत उपयोगकर्ताओं और 5-20 लोगों की छोटी टीमों के लिए, एइंगडेस्क की शून्य-लागत, शून्य-लॉक-इन प्रकृति इसे अपनाने के लिए वस्तुतः जोखिम-मुक्त बनाती है, जो इसे ऑन-प्रिमाइसेस एआई कार्यक्षेत्र के लिए डिफ़ॉल्ट विकल्प होने के योग्य बनाती है। हालाँकि, सख्त अनुपालन आवश्यकताओं वाले उद्यमों के लिए, कृपया ध्यान दें: एमआईटी लाइसेंस किसी गारंटी के साथ नहीं आता है, और परियोजना एसओसी2/जीडीपीआर जैसे अनुपालन प्रमाणन प्रदान नहीं करती है; यदि AingDesk का उपयोग संवेदनशील व्यावसायिक डेटा को संसाधित करने के लिए किया जाता है, तो उद्यम को डेटा रिसाव के जोखिम का आकलन करने और स्वयं एक बैकअप और पुनर्प्राप्ति तंत्र स्थापित करने की आवश्यकता होती है। महत्वपूर्ण व्यावसायिक परिदृश्यों के लिए, AingDesk के बाहर व्यावसायिक रूप से समर्थित विकल्पों के एक सेट को अतिरेक के रूप में बनाए रखने की अनुशंसा की जाती है।

संबंधित टूल: <एक्सलिंक टाइप='टूल' स्लग='डीपसीक'>, <एक्सलिंक टाइप='टूल' स्लग='चैटजीपीटी'>

संस्करण जानकारी

• एइंगडेस्क v1.2.4 ：Qwen3 मॉडल समर्थन जोड़ा गया, खोज इंजन परिणाम विश्लेषण अनुकूलित किया गया, शुद्ध छवि पीडीएफ के लिए OCR समर्थन जोड़ा गया, और MCP टूल कॉल परिणाम विश्लेषण में सुधार किया गया। （2025-05-27）
• एइंगडेस्क v1.2.3 ：OpenAI GPT-O3 संगतता को ठीक किया गया, तृतीय-पक्ष एम्बेडिंग मॉडल निर्माण ज्ञान आधार त्रुटि और अनुकूलित मॉडल चयनकर्ता को ठीक किया गया। （2025-04-18）
• एइंगडेस्क v1.2.2 ：विंडोज़ स्वचालित अद्यतन तंत्र जोड़ा गया और नॉलेज बेस/एजेंट/टूल लिंकेज कॉलिंग समस्याएं ठीक की गईं। （2025-04-16）
• एइंगडेस्क v1.2.1 ：एमसीपी क्लाइंट फ़ंक्शन जोड़ा गया (सेटिंग्स में एमसीपी सर्वर को कॉन्फ़िगर करने और संवाद में टूल का चयन करने का समर्थन करता है), और अनुकूलित मॉडल चयनकर्ता। （2025-04-14）
• एइंगडेस्क v1.2.0 ：डिफ़ॉल्ट दस्तावेज़ अवरोधन प्रभाव को अनुकूलित करें, ज्ञानकोष में पूर्ण-पाठ खोज की सटीकता में सुधार करें, और अपूर्ण मल्टी-डिलीमीटर अवरोधन की समस्या को ठीक करें। （2025-04-08）
• एइंगडेस्क v1.1.5 ：एक नया बुद्धिमान एजेंट फ़ंक्शन मॉड्यूल जोड़ा गया और गैर-वीएल मॉडल के लिए छवि अनुलग्नकों को संसाधित करते समय त्रुटि रिपोर्टिंग की समस्या को ठीक किया गया। （2025-03-15）