MedXpert 跨机任务箱·低配省算力

Introduction

AI 任务太烧钱？低配电脑也能跑大模型——白天派活，晚上回家让本地模型免费跑完，断网也不停。MedXpert 跨机任务箱：WorkBuddy×DSH（DeepSeek Harness）×本地 Ollama 三级协同，批量/重复/文档/敏感任务零云端消耗，复杂推理才上云端。L1-L5 分级路由已代码级实现（add 自动打标 + route 查询）、失败自动重试、同步包双机合并、防僵尸续跑，纯 Python 零依赖即下即用，旧电脑也能当执行节点。模型 API 涨价？跟它无关。省积分、断网续跑、离线任务队列、任务路由与成本控制都找它。

Resource Information

License information is collected from official sources and may be outdated or missing. Refer to the LICENSE file in the original repository before commercial use.

Features

• •DSH 执行层 × 本地模型协同（执行/推理解耦）：任务箱只存任务/状态/结果，执行层可接 DSH（DeepSeek Harness，开源 Agent 执行框架，"一切皆插件"，负责工具/会话/调度/日志编排）或任意 Worker，推理统一交给本地 Ollama——0 API 成本、断网可跑、数据不出门；云端大模型仅兜底复杂推理（L5 试跑不满意才升级）。模型 API 涨价也不影响任务箱运行。
• •低配友好 · 零硬件门槛：不需要高端 GPU 或云算力——普通/低配电脑用 Ollama 跑量化小模型（Q4）就能参与；复杂任务按 L4/L5 路由到云端，低配机只干自己干得动的活（批量/重复/文档类），一台能开机的旧电脑也能当执行节点。
• •省算力路由（L1-L5 任务分级，代码级实现）：批量/重复/文档/敏感任务免费路由到本地大模型（0 云端消耗），云端算力只留给检索/生图/复杂推理——高频大额项归零，是省积分/省成本的核心机制。local_taskbox.py add 自动按关键词+优先级打级别标签（--level 可手动覆盖），route 子命令可随时查看分级。
• •断网完整闭环：本地任务箱 + 同步包，不依赖任何云端 API / MCP，拔网线也能完整跑完。
• •零依赖、下载即用：纯 Python 标准库（json/os/argparse/subprocess），无 pip install、无第三方包、无需虚拟环境。

Supported platforms