自然使用多种语言
在同一个任务中使用多种语言。即使中途切换，DJL 也会保留完整的工作上下文。
DJL 桌面版
能独当一面的智能体，就在你的桌面上。
描述你想要的结果。DJL 规划任务、调用合适的工具，并在需要你判断的时刻停下来等你。
macOS 13+ · 同时支持 Windows
新对话移交
我们来做点什么？
产品
一个窗口，完整闭环。
计划、工具、差异、审查——整个执行过程在一个桌面窗口里清晰可见，未经你批准不落地任何变更。
描述结果。看它做事。批准变更。
能力
你的工作，适配每一种模型。
用你最自然的语言工作。一键切换 API 与本地模型，深浅主题随环境变化，任务上下文始终不断。
切换模型，上下文不断
一键换到更合适的模型，当前任务、文件和指令都会留在原位。
从 API 到完全本地
需要更强能力时连接 API，也可以通过 Ollama 与 LM Studio 在自己的设备上私密运行。
深色或浅色
跟随系统，也可以手动选择更适合长时间工作的外观。
本地 AI
真正在本地。
按你的硬件选择合适规模的模型，DJL 在设备上完成规划、调用工具与修改代码。
- 拔掉网线也能运行
- 1.7B 到 30B 的精选模型
- 内存需求提前写明
本地 vs API
为什么 API 模型依然是主力
本地模型有它的位置——但更大的任务需要更大的大脑。这里是一份诚实的对比，以及 DJL 如何让你两者兼得。
API 模型
- 前沿级推理——比任何装得进本地内存的模型看得更远、解得开更难的问题
- 超长上下文：一次任务能装下更多的代码库内容
- 任何设备都全速运行——推理在数据中心完成，而不是靠你的风扇
- 从第一次调用到最后一个差异，工具驱动始终可靠
通过安全连接路由——且只在你选择时。
本地模型
- 代码不出设备
- 离线可用，没有按 token 计费
- 能力上限在 30B——前沿模型高出一个量级
- 需要 4–32 GB 内存；最强的本地模型要配最强的机器
- 最小的模型只能对话，不能驱动工具
DJL 的答案：两个都用。私密的日常工作留在本地——当任务超出机器的能力时，路由给 API。无论哪条路，每个变更都要经你审查，密钥永远留在本机。