对会变化的事实，它会搜索、阅读网页、用编号来源作答，然后对照这些来源核实自己的答案。
拖入文本、Word、PDF 或图片。每个对话有自己的文件夹；把一个对话指向某个项目文件夹，它就在那里工作。
Python 运行在沙盒中，只能写入对话的文件夹。需要时自动安装软件包。
它能看你的照片和截图。安装了图片功能后，它能在本地画图、编辑你的照片。
它会记一些简短的笔记：你是谁、你喜欢怎样的回答，保存在你可以阅读和编辑的文件里。你随时可以关闭它。
在 Joshua 里下载适合你电脑的其他本地模型并保持更新，或者为某个对话选择更大的云端模型。在 macOS 26 上，Joshua 还能使用 Mac 内置的模型 Apple Intelligence。
内置的 API 采用常见的 OpenAI 格式，让你的脚本、机器人或其他应用使用 Joshua，包括工具和记忆，可以在这台电脑上，也可以在家庭网络中。使用方法
目标模式会一直工作，直到任务完成并经过核实。群体模式会询问多个智能体，并合并出最佳答案。定时任务会在设定的时间自动运行，前提是 Joshua 开着、电脑没关机。了解更多
给 Joshua 一个目标，而不是一个问题。它会制定计划、使用工具、检查结果并继续工作，一轮接一轮，直到你设定的上限，直到它把目标标记为完成，或者告诉你为什么做不到。“读一下这个对话里的三个 PDF，写一页对比，保存为 Word 文件。”
多个智能体同时处理同一个请求，各有各的方式：一个有条理，一个持怀疑态度，一个注重实际。然后 Joshua 比较它们的答案，核实它们有分歧的事实，写出一个最终答案。更慢，但在难题或开放性问题上更好。“支持和反对四天工作制的最有力论据是什么？”
让 Joshua 在设定的时间做某件事：一次、每天、每周或每隔几小时。每次运行都会出现为一个新的 ⏰ 对话。“每天早上 8 点，总结一下人工智能方面的新闻。”任务在 Joshua 打开、电脑开机时运行。
模型在回答前会一步步推理，你可以阅读它的推理过程。更慢，但在数学、逻辑和多步骤问题上更好。只在问题需要时才打开。
微调会用你的例子调整模型数十亿个数字中的一部分，让它养成一种习惯：一种语气、一种格式、你的行话。Joshua 会在 教 Joshua 面板中一步步带你完成，并解释每一步。它在你的 Mac 上运行 15–60 分钟，你的例子从不离开这台电脑。
你自己的模型，而不是一堆文件。微调不是给模型一些文件，让它从中查找答案：那是 Joshua 用你的文件、它的记忆和网络来做的事。微调改变的是模型本身。Joshua 训练一个 LoRA 适配器：在模型的数十亿个数字旁边增加几百万个新数字，从你的例子中学习，然后合并成一个属于你的新模型，在模型菜单里有它自己的名字。
为什么用小模型。小模型知道得少，推理也不如巨型模型。但它可以在笔记本电脑上一小时内重新训练、复制并在任何地方运行，所以它能成为专家，精通你的语气、你的格式、你所在领域的行话。
教它风格，而不是事实。用 200 个关于你公司的回答来训练它，它听起来会像了解你的公司，但会编造细节。关于事实，Joshua 有记忆、你的文件和网络。
joshua-<name> 的新模型。模型本身没有记忆。每次你发消息，Joshua 都会把整个对话发给它，模型要么回答，要么请求使用某个工具。Joshua 使用该工具，加入结果后再次询问，最多 25 轮。
基于 Ollama · qwen3-vl · 通过 mflux 运行的 FLUX.2 klein · mlx-lm · llama.cpp 的转换器 · Gradio · 用 ddgs 匿名搜索构建。全部开源。