AI 快讯Lumo桌面端上线,隐私Agent开工
产品更新

Lumo桌面端上线,隐私Agent开工

2026-11-17T19:03:37.502Z
Lumo桌面端上线,隐私Agent开工

Proton发布Lumo桌面应用,并加入连接器、定时任务与Skills。它不只回答问题,还能在权限约束下读取文件、运行命令并操作邮件和办公应用。

Proton 在 11 月 17 日正式发布 Lumo Desktop,将这款隐私优先的 AI 助手带到 Windows、macOS 和 Linux,同时上线 Connectors、Schedules 与 Skills 三套 Agent 功能。Lumo 由此不再只是浏览器里的聊天机器人,而是开始读取本地文件、调用系统工具、连接邮件和办公应用,并按照用户设定的权限执行任务。(proton.me)

**Lumo Desktop 是一款以权限控制和加密存储为核心的桌面 AI Agent。**它可以查找电脑里的文档、整理邮箱中的行程、读取云盘资料、运行 Shell 命令,或者把多个应用里的信息汇总成一份结果;但每一种工具能否运行、是否需要确认,都可以由用户单独设置。

这次更新值得关注的地方,不是 Proton 终于补上了一个桌面客户端,而是它选择在 AI Agent 获取更多电脑权限的节点上,正面回答一个越来越现实的问题:当 AI 能读取硬盘、执行命令和代表用户发送消息时,隐私保护究竟应该停留在服务条款里,还是落实到产品架构和每一次工具调用中?

Lumo Desktop界面展示,左侧为Connectors、Schedules和Skills,右侧显示文件访问与操作审批弹窗

从聊天窗口进入本地电脑

**Connectors 是让 Lumo 访问外部数据和执行动作的连接层。**首发版本支持本地文件系统、Shell 执行和网页内容抓取,也可以通过 Proton Mail Bridge 连接 Proton Mail,并接入 Google Drive、Dropbox、Slack、Jira、Confluence 等第三方服务。用户还可以添加本地或远程 MCP Server,把内部数据库、开发工具或垂直业务系统接入 Lumo。(proton.me)

MCP,也就是 Model Context Protocol,是一种让大模型发现和调用外部数据源与工具的开放协议。它解决的问题类似于早期 USB 接口:模型不需要为 GitHub、数据库、工单系统和本地脚本分别开发一套完全不同的集成方式,而是通过相对统一的协议读取资源、查看工具描述并发起调用。

Lumo Desktop 的官方开源仓库显示,客户端采用 Tauri 架构:远程加载 Lumo Web 应用,由 TypeScript Bridge 连接到 Rust 核心,再通过 Tauri IPC 调用本地工具。它不是把完整模型下载到电脑上运行,也不是纯粹套一个网页外壳,而是在网页交互层和操作系统之间增加了一层本地连接器、凭据管理与审批网关。(github.com)

**Lumo 是隐私优先的云端 AI,而不是本地离线大模型。**模型推理仍然发生在 Proton 的基础设施上,桌面端负责连接本地文件和应用、执行经过授权的动作,并把必要上下文交给模型处理。Proton 表示,Lumo 不会使用聊天内容、连接应用的数据或本地文件训练模型,也不会利用这些信息投放个性化广告;保存的聊天记录采用零访问加密,Proton 自身无法读取。(proton.me)

这一区别很重要。用户不能因为看到“桌面端”和“本地文件访问”,就把 Lumo 理解成 Ollama、LM Studio 一类完全本地运行方案。Lumo 的优势不是数据永远不离开设备,而是尽可能减少日志、限制数据用途,并让用户精确决定哪些内容可以进入一次 Agent 任务。

权限控制是这次更新的核心

**Lumo 为每项工具提供自动批准、询问和禁用三档权限。**例如,用户可以允许 Lumo 自动搜索邮件,要求它在发送邮件前弹窗确认,并彻底禁止删除邮件;文件系统、Shell 命令和 MCP 工具也可以分别配置,而不是只提供一个笼统的“允许访问电脑”开关。(proton.me)

这种设计比“执行前统一问一次”更接近操作系统权限模型。读取通常是低风险动作,写入和发送属于中风险动作,删除文件、修改账户设置或运行任意命令则可能产生不可逆影响。把审批策略绑定到具体工具,意味着用户可以让 Agent 自动完成重复劳动,同时在人类真正需要介入的风险节点停下来。

Lumo 还把 OAuth Token、相关凭据和 MCP 认证信息保存在操作系统钥匙串中,而不是直接写入普通配置文件。官方仓库显示,文件访问根目录、Shell 开关和工具审批策略会按 Proton 用户 ID 分开保存,敏感凭据则进入 macOS Keychain、Windows Credential Manager 或对应的 Linux 安全存储。(github.com)

不过,细粒度权限不能消灭 Agent 风险。只要用户把 Shell 执行设置为自动批准,或者给文件连接器开放了过大的根目录,模型生成的错误命令仍可能覆盖文件、暴露敏感内容或破坏开发环境。Lumo 的安全上限最终仍取决于用户授予的最低权限,而不是界面里有没有一个确认按钮。

Schedules让Agent开始主动工作

**Schedules 是按时间自动触发提示词和工具调用的任务系统。**用户可以让 Lumo 每周汇总待回复邮件、每月检查账单和收据,也可以定期追踪一个主题;每个任务拥有独立的连接器和权限设置,可以修改执行时间、暂停或删除。(proton.me)

定时任务让 Lumo 从“被问一次、回答一次”的助手,变成能够持续运行的轻量自动化平台。一个典型工作流是:Lumo 每周一读取指定项目文件夹和 Jira 数据,生成进度摘要,再调用写作 Skill 统一格式,最后把 Slack 消息展示给用户确认。连接器负责获取和操作数据,Schedules 决定何时运行,Skills 则约束任务应该怎样完成。

这种组合的价值不在于每个模块有多新。ChatGPT、Claude 和 Gemini 都已经提供不同形式的连接器、定时任务、Skills 或 Agent 能力,Lumo 真正需要证明的是:隐私保护不会让自动化体验退化成一连串烦人的弹窗,也不会因为加密、跨应用授权和欧洲基础设施而显著拖慢执行速度。

Skills采用可移植的文件格式

**Skills 是一组可复用的任务说明、模板和参考文件。**用户可以创建周报生成、代码审查、事实核查或求职材料优化等 Skill,让 Lumo 在不同对话中重复使用同一套流程,而不必每次重新解释格式、语气和检查步骤。(proton.me)

Lumo 的 Skill 以 SKILL.md 为入口文件,包含名称、描述和具体指令,也可以附带模板、示例和参考资料。单个 Skill 最多可以包含 200 个文件,每个文件不超过 5MB,总大小不超过 25MB;Lumo 会进行基础内容检查,但 Proton 也明确提醒,自动检查无法发现所有恶意指令,用户仍应只导入可信来源的 Skill。(proton.me)

这个实现明显受到了 Claude Skills 生态的影响,但文件化设计是正确方向。相比锁在某个聊天产品数据库里的自定义机器人,Markdown 指令和普通文件更容易审查、版本管理与迁移,也更适合团队用 Git 管理内部工作流。

与ChatGPT、Claude相比怎么样

**Lumo 的差异化不在模型跑分,而在隐私承诺、桌面权限和开源客户端的组合。**Proton 没有公布这次桌面更新带来的模型性能基准,因此不能据此判断 Lumo 在编码、复杂推理或长任务执行上已经超过 ChatGPT 与 Claude。

| 产品 | 个人付费价格 | 本地工具与文件 | MCP与连接器 | 操作审批 | 隐私与客户端特点 | | --- | ---: | --- | --- | --- | --- | | Lumo Desktop | 年付折合9.99美元/月,119.88美元/年;免费版可用 | 文件读写、Shell、网页抓取 | 本地及远程MCP,支持邮件、云盘和办公应用 | 每项工具可设自动、询问或禁用 | 聊天记录零访问加密,不用于训练;桌面端GPLv3开源 | | ChatGPT | Plus为20美元/月 | 通过桌面工作区、Agent和应用连接数据 | 支持应用及MCP,完整写入能力部分面向组织套餐 | 敏感操作或写入动作可能要求确认 | 模型和生态更强,消费级数据控制需用户自行配置 | | Claude | Pro月付20美元,年付200美元 | Claude Desktop支持本地扩展和文件工具 | 本地MCP与远程连接器生态成熟 | 工具调用支持确认和权限管理 | Skills与MCP生态领先,但不以零访问聊天记录为核心卖点 |

截至 2026 年 11 月,ChatGPT 和 Claude 在模型能力、开发者生态和第三方集成数量上仍然更成熟。OpenAI 已把连接器、Agent 和定时任务整合到 ChatGPT 产品线中,Anthropic 则凭借 MCP、桌面扩展和 Skills 建立了更完整的 Agent 工具链。(help.openai.com)

Lumo 的机会在于服务一批“不愿把整个数字生活交给广告公司或美国云平台”的用户。律师、记者、研究人员、医疗从业者和处理客户机密的咨询团队,未必需要最强的通用模型,但会在意聊天记录能否被平台读取、文件是否用于训练,以及本地工具权限能否被审计。

价格也让 Lumo 具备一定吸引力。Lumo Free 为 0 美元,付费的 Lumo Plus 按年支付为 119.88 美元,折合每月 9.99 美元,低于 ChatGPT Plus 的每月 20 美元和 Claude Pro 的每月 20 美元;但免费版的 Max 模型使用量、消息、聊天记录、图像生成和 Project 数量均有限。(proton.me)

桌面端并不等于没有隐私风险

**Lumo 最大的考验是如何处理跨应用任务中的数据流向。**用户让 Agent 读取本地合同、查询 Slack 讨论并把摘要写入 Google Drive 时,信息实际上经过了本地系统、Proton 推理基础设施和第三方服务三个边界;即使 Proton 不记录数据,第三方应用自身仍可能保留操作日志或新生成的内容。

MCP 也会扩大供应链攻击面。恶意服务器可能返回带有提示注入的内容,第三方 Skill 可能试图诱导模型调用高风险工具,网页中的隐藏文字也可能让 Agent 泄露其他连接器中的数据。Lumo 对 Skill 做基础扫描,并通过工具审批降低风险,但用户仍不应对陌生 MCP Server 开放 Shell、完整主目录或邮件发送权限。

Linux 支持目前也有现实限制。官方提供 Ubuntu 24.04 以上版本使用的 .deb 包,以及 Fedora 40 以上版本使用的 .rpm 包,暂未提供官方 Flatpak 或 AppImage;macOS 安装包同时支持 Apple Silicon 和 Intel,Windows 提供 .msi 与普通安装程序。(github.com)

Proton押注的是隐私Agent,而不是模型第一

**Lumo Desktop 是 Proton 从隐私聊天机器人走向隐私 Agent 平台的关键一步。**如果只有加密聊天,Lumo 很容易被视为功能更少的 ChatGPT 替代品;但当它能够连接文件、邮件、Shell 和 MCP,并把权限控制做到每项工具,Proton 才开始形成真正不同于模型厂商的产品路线。

Proton 同时宣布,其首个基于 Open Compute Project 标准建设的 NVIDIA B300 集群正在瑞士上线。这个动作说明 Proton 不满足于做一个调用第三方模型接口的前端,而是在补齐自主算力和欧洲 AI 基础设施,降低对外部云服务的依赖。(proton.me)

短期看,Lumo 很难在模型效果上击败 OpenAI 或 Anthropic。它更现实的定位,是用足够好的模型能力,交换更清晰的数据边界、更严格的默认隐私和更透明的客户端代码。

长期看,隐私可能不再只是 AI 产品的附加卖点。Agent 每获得一项新能力,就会接触更多邮件、文件、浏览记录和企业系统;当 AI 从“知道很多”进化到“能替你做很多”,权限设计和数据治理将与模型智力同等重要。Lumo Desktop 的价值,就在于它提前把这场竞争拉到了模型跑分之外。

参考来源

相关推荐

查看全部