你让一个 AI 整理电脑里的项目文件，做到一半又想换个模型继续。通常，这意味着重新交代背景、重接工具，甚至从头再来。Cindy 想解决的正是这种割裂：它把多个 AI Agent 放进同一个工作台。AI Agent 不只聊天，还会规划步骤、调用工具和修改文件。
需要先说明：目前材料全部来自 Cindy 官方 GitHub 仓库，缺少第三方实测、用户案例和性能基准。官方称它“开箱即用”，但现有材料不足以验证实际完成率；“爆红”和单日增星数据也无法由供稿交叉核实。
换模型，任务不换桌
Cindy 首批接入 Claude Code 和 Codex。它们在这里属于 agent harness——负责把模型、命令、工具调用和执行循环组织起来的底层框架。用户可以在任务中途切换模型或 harness，同时延续同一份 workspace、memory、skills 和 tools，也就是工作区、记忆、做事方法和工具。
说白了，Cindy 想做的不是又一个模型，而是模型上方的统一工作层。一个任务还可以交给不同的“harness × model”组合：有的负责规划，有的并行执行，有的复核结果。官方仓库还称，它能操控浏览器、电脑和手机，并从即时通信软件或日程中接收任务。
它接触的是真实电脑
Cindy 在用户自己的机器上运行，可访问本机文件和已经登录的应用。这省去了反复上传资料的麻烦，也让权限边界变得格外重要：一个能改文件、操作应用的 Agent，能力和风险来自同一件事。
官方列出的共用能力包括 memory、skills、automation 和 MCP。MCP 可以理解为一套连接协议，让 Agent 接入内部工具或业务系统；automation 则用于安排周期任务并回报结果。不过，“纠正一次，以后都会做对”只是官方宣传语，仓库没有给出适用范围、成功率或评测方法。
开源的是客户端
makecindy/cindy 是客户端仓库，采用 pnpm monorepo——把多个应用和共享代码放在同一仓库管理。它包含 Electron 桌面端、Expo / React Native 移动端及共享 packages，使用 Apache-2.0 许可证，客户端免费。后端服务位于另一仓库，并不包含在这份开源代码中。
使用方式包括官方托管服务、已有的 Claude Code 或 Codex Coding Plan、自带 API key，以及本地模型。官方称接入已有 Coding Plan 不会重复收费，但具体授权和计费仍应以各方最新条款为准。仓库也写明可跳过 Cindy 登录来使用本地 agents，不过服务器能力会不可用。
为什么值得关注
Cindy 的吸引力不难理解：开发者面对的模型和 Agent 工具越来越多，真正麻烦的往往不是“选谁最强”，而是切换之后如何保住上下文、工具和工作成果。Cindy 把竞争中的多个底层工具放进同一条任务链，这个产品方向本身值得观察。
局限与未知
- 尚无第三方任务实测，无法判断“开箱即用”在不同系统和工作场景中的可靠程度。
- 团队共享 skills、原生 harness 和开放插件市场仍在开发，不能视为现成功能。
- 官方构建涉及云服务、已登录应用和本机权限；材料没有提供足够信息评估其完整安全边界。