吴恩达开源桌面Agent OpenWorker：AI同事进入"交付时代"

AI资讯

一句话总结

吴恩达开源桌面Agent项目 OpenWorker，主打"交付成品而非聊天"——你说一句"帮我准备客户简报"，它就去翻文件、查日历、搜 Slack，最后把成品文档交到你手上。MIT 许可，模型无关，本地优先。

不只是又一个 Agent 项目

AI Agent 这个概念喊了一年多，但市面上的产品大多停留在两个极端：要么是浏览器里的聊天机器人，要么是重度定制的企业工作流编排平台。中间缺了一个东西——一个真正住在你电脑里、能跨工具干活、又完全受你控制的 AI 同事。

吴恩达（Andrew Ng）的 OpenWorker 瞄准的正是这个缺口。项目已在 GitHub 以 MIT 许可证开源，macOS 版本可直接下载使用，Windows 版本也已发布（尚待代码签名）。

他在 X 上的定位很直接："这是一个 open-source agent，不只是和你聊天，而是 deliver finished work。" 翻译成人话就是——别光陪聊，帮我把活干了。

OpenWorker 的核心设计：四个关键词

1. 交付式 Agent

OpenWorker 与普通聊天机器人最本质的区别在于"交付"二字。传统 AI 工作流是：你让 AI 分析需求 → AI 生成文本 → 你手动找文件、核对数据、调格式 → 打开 Slack/邮箱/日历把结果发出去。AI 参与了，但你在不同软件之间来回倒腾的活儿一点没少。

OpenWorker 想把这整条链路接起来。你只需要告诉它想要什么结果，它自行拆解任务，调用本地文件、终端和已连接的应用，最后交付一份可以直接打开、修改和分享的成品。

2. 模型无关

OpenWorker 不绑定任何特定模型。你带上自己的 API Key，即可接入 GPT 5.6 Sol、Claude Fable、Gemini 3.6，也可以通过 Ollama 运行 Kimi、GLM、DeepSeek、Qwen、Inkling 等开放权重模型。今天 GPT 涨价了？换个模型就行。

3. 本地优先 + 隐私保护

Agent 循环、对话记录、连接器令牌和模型密钥都默认保存在本地设备的秘密存储中。数据只在你主动选择使用特定 LLM 服务商或第三方集成时才会离开本机。唯一的云组件是一个用于 OAuth 握手的小型代理服务。

4. 请求-批准机制

当任务涉及发送消息、修改日历、写入外部工具或执行终端命令时，OpenWorker 会先暂停操作，向你说明准备做什么，获得批准后才继续执行。如果你不在电脑前，这些请求会进入待确认列表，等你回来处理。这个设计决定了 AI Agent 能不能真正进入办公场景——一个合格的 AI 同事可以勤快，但不能擅作主张。

25+ 工具连接 + MCP 扩展

OpenWorker 项目主页显示，它可以连接超过 25 种工具，包括 GitHub、Slack、Jira、Notion、Linear、HubSpot、Outlook、Gmail、Google Calendar 等，还能调用本地文件与终端。如果觉得不够，还可以通过 MCP（Model Context Protocol）继续接入更多工具。

此外，它还支持定时任务——每天早上整理信息简报、每周自动生成工作报告、持续关注某个 Slack 频道，都可以交给它处理。

架构一览

OpenWorker 的架构分为三层：

  • 桌面 Shell（Rust）：原生桌面 GUI，macOS 已签名，Windows 版本待签名
  • 本地 Agent 服务器（Python）：引擎、工具、连接器，基于 aisuite 构建
  • 你的文件、工具和模型：一切用你的密钥、在你的机器上运行

前置依赖：Python 3.10+、Node 20+、Rust 工具链（用于桌面 Shell 编译）。

推演：为什么这可能是 Agent 的分水岭

OpenWorker 的意义不在于它比别的 Agent 多几个功能，而在于它同时做到了三件事：

  • 开源：MIT 许可证意味着开发者可以查看代码、修改功能、按照自己的工作流程定制部署。这不是一个封闭产品，而是一个可改造的基础设施。
  • 本地优先：在越来越多企业因数据隐私拒绝云端 Agent 的背景下，"数据不出本机"是一个实实在在的竞争优势。
  • 模型无关：这既是技术选择，也是战略判断——AI 的底座还在快速演进，绑定任何一家都有风险。

吴恩达过去几年一直在强调 AI Agent 和工作流的重要性。他曾说"AI Agent 是下一个重大方向"。OpenWorker 把这个判断又往前推了一步：Agent 的下一站，不在浏览器里，不在代码编辑器里，而在我们的桌面上。

落到行动

对于开发者来说，OpenWorker 提供了一个可以直接上手实验的桌面 Agent 框架：

当然，OpenWorker 目前仍处于公开测试阶段，边角还在打磨。但它的方向已经很清楚了：AI Agent 不能永远停留在聊天框里，要真正参与工作、交付成果，并把模型选择权、工具调用权和最终决定权交还给用户。

参考链接：

滚动至顶部