X-Studio 0.2.0:对话长出了手,能改你的文件,也能调外面的工具
v0.2.0 | 2026-10-31 | M 芯片 Mac 本地版,以及 Intel Mac / Windows 客户端
0.1.3 的对话能看图、读文档,但还是「只说不做」。0.2.0 把这条线接上了:选一个文件夹当工作区,它就能列目录、读文件、写文件、改名、删除;再接上 MCP 服务器,外面那些工具也能在同一个对话框里被叫起来用。顺手把思考过程收进一张折叠卡片,把长回答和长对话真正跑通,还多了一个「给个链接就出总结」的工具。
一、这一版的新东西
选一个文件夹,它就能读写。 对话底部多了一个工作区下拉,挑一个目录,模型就拿到了五个文件工具:list_dir(可递归)、read_file、write_file(父目录自动创建)、delete_path、rename_path。
- 路径一律用相对工作区根的写法,越出工作区的路径直接拒绝;单次读 6 万字、写 8 MB、列目录 300 条 / 6 层封顶,超了会明确告诉模型「只给了一部分」。
- 删除不是硬删:文件与整个目录都进系统回收站,弄错了自己还原。删除和重命名前会弹窗确认,把要动的路径和条目数量摆出来 —— 模型直接生成调用,由你按下那一下「确定」,取消即视为拒绝。
- 写文件时气泡里显示生成进度,写完一句话说明改了哪个文件、多少字节;工具卡片和附件卡片都能一键打开所在文件夹。
- 模型偶尔不按协议写文件,回答下方的「保存到工作区」是兜底:自动取回答里最大的那段代码,填好带时间戳的文件名,确认路径即落盘。
- 提问里点到工作区中真实存在的文件(最多 4 个、合计 4 万字),会直接读进来当上下文,不用再让它「先读一遍」。
- 一次提问里「要文件 → 回灌结果 → 继续生成」最多 20 轮(原来 4 轮),多步骤的活儿不会半路被掐断。
- 工作区可以存好几个目录,随时切;切到「不使用工作区」就回到纯聊天,列表里的目录仍然留着;每行右侧的删除只从列表移除,不碰磁盘。
外面的工具,也能接进来。 左侧新增「MCP」页:左边服务器列表(整行选中、开关即启停、状态点与工具数),右边工具清单(函数名、服务器原名、参数摘要、完整描述),每个工具还能单独开关 —— 关掉的工具不再随对话下发给模型。
- 传输优先 Streamable HTTP,连不上自动回退老式 HTTP + SSE;服务器配置存在客户端,瘦客户端也能用。
- 另有一套「JSON 配置」模式,直接改
mcpServers(与常见 MCP 客户端同一写法),带格式校验、格式化与保存重连。 - 工具名默认是
mcp_<工具>,只有两台服务器撞名时后一台才带服务器段;模型写歪了名字(丢了前缀或只写原名)也会逐级兜底对上,不会出现「调用被悄悄丢掉、气泡一片空白」。 - 结果拍平成文本回灌,单次上限 4 万字,防止一条工具输出吃掉整个上下文。
- 工作区那五个文件工具其实也是一台 MCP 服务器 —— 只是它跑在主进程内、不监听端口,与外部服务器走完全相同的连接、发现、调用链路。
思考过程收进一张卡片。 开着思考模式时,推理不再和答案混在一条流里:服务端边生成边把两段切开,界面上一张默认折叠的卡片,生成中显示「思考中…」、字数与走表,收尾后显示用时,点一下展开。卡片跟着会话一起落盘,隔天重开还在。推理里预演的工具调用不再算数,只在正文里找。
长回答不再腰斩,长对话不再每轮重读。 单次生成长度默认从 2048 提到 8K,底部下拉最高可调到 128K(2K / 4K / 8K / 16K / 32K / 64K / 128K),调过就一直记住;大段输出按块推送,不会等生成完才上屏;撞到上限会直接提示你调高。多轮对话改为复用上一轮留在 KV 里的前缀快照,第二轮起只读「上轮回复 + 新问题」;历史里没有图就切回文本引擎拿这份复用,只有带图那一轮才留在视觉引擎上。命中与未命中都会在「日志」页写一行原因,不用靠感觉猜。
给个链接就出总结,视频也行。 新工具「网页总结(支持视频)」:网页直接抓正文;识别出是视频就先找字幕(人工优先、其次自动),没有字幕就只下音轨交给本机转写,再一起交给 mlx-lm 总结。文稿超过上下文预算时自动分段总结再汇总,一小时的访谈也不会只剩开头。语言下拉改成人看得懂的写法(自动 / 简体中文 / English…),总结语言跟着走;总结默认跟随对话页选中的模型。
更多模型能自己调工具。 工具调用的解析统一收到服务端,只认模型原生的几套写法:Qwen 的 <tool_call> XML、Spark 的 <arg_key> / <arg_value>、Gemma 的 call:name{…} 与 Gemma 4 的 channel 外壳。前端不再各写一遍解析、摘除与流式按住,只负责执行与渲染 —— 换个模型不用再改四处代码。
其他。 长音频按静音切块转写,m4a / aac 修好,上传有真实进度;等待期间显示阶段提示与实时耗时,等待图标改为三点波动;消息列表与输入框之间留出间隔,输入框独立成卡片;服务监听地址失效时自动回退,本机 IP 变了也不会起不来;上传中的文件不再回写表单值,避免误报「请填写音频 / 视频」。
二、X-Studio 能做什么
X-Studio 是一款本地大模型桌面客户端:模型跑在 Apple 芯片的 MLX 引擎上,聊天、看图、画图、做视频、配音、听写、读网页都在同一块屏幕上完成。不注册账号、不买额度,断网也能用;Intel Mac 与 Windows 装上客户端,连上局域网里一台 M 芯片 Mac,界面与功能完全一致。
| 能力 | 你能做的 |
|---|---|
| 对话 | 流式回答、思考过程折叠卡片、Markdown 排版、多会话保存、拖入图片与文档、选工作区读写文件、调用 MCP 工具 |
| 看图 | 描述图片、提取文字、表格转 Markdown、读截图里的代码、多图对比 |
| 画图与修图 | 一句话出图;参考图风格化、局部替换、按遮罩修改 |
| 文生视频 | 一句话生成 mp4,高速模式先用十几秒试提示词 |
| 语音 | 文字转自然语音;音视频转文字并导出字幕,长音频按静音切块 |
| 网页总结 | 贴一个链接,网页正文或视频台词变成一份结构化总结 |
| 模型管家 | 社区挑模型、粘贴 id 下载,带进度与断点续传;本地模型自动扫描与完整性检查 |
这七件事之外还有两点:工具是模块化的,懂 Python 的人把自己的脚本放进指定目录就能在菜单里用;一台 M 芯片 Mac 可以当工作室主机,别人装客户端连上来共用同一份算力。
三、值得一试
从「会聊天」到「能动手」。 以前你要把代码贴进对话框,再把回答复制出去存成文件;现在把项目目录设成工作区,说一句「把 README 里的旧命令改成新的」,它会先读、再改、再告诉你改了哪一行。接上 MCP,数据库、笔记、工单这些系统的工具也能在同一个对话框里被叫起来 —— 全部在本机执行,工具调用记录留在自己的磁盘上。
还是那句话:不上传、不订阅、不限次数。 所有推理都在本机 Apple 芯片上完成,只有你主动下载模型、或主动让网页总结去抓链接时才联网。工具跑完即退出、内存立刻归还;聊天常驻所以每条消息都是秒回。一台 M4 / 16GB 的机器上实测,对话约 42 tok/s,512×512 四步出图约 23 秒。
上手三件事。 对话页底部下拉里挑一个目录当工作区,文件能力就开了;想接外部工具,去「MCP」页填地址和令牌点「检测」,或在 JSON 里一次写好;想要更长的回答,把底部的生成长度调到 16K,翻译整篇文档也不用分几次。M 芯片 Mac 首次启动会自动准备依赖(约 3~10 分钟),客户端版本连 Python 都不用装。
如果你有一台 M 芯片 Mac,它可以是你的工作室主机;如果你用的是 Intel Mac 或 Windows,装个客户端接上去,一样能共用。
赶紧用起来吧,不要浪费 M 芯片的算力 —— 现在它不只是陪你聊,还能替你改文件、跑工具、把活儿做完。

