andrewyng/openworker · 上手攻略

  • 仓库：andrewyng/openworker
  • 链接：https://github.com/andrewyng/openworker
  • 分类：AI Agent · Desktop Tools · Local-First
  • 作者：Tom
  • 更新：2026-07-25

是什么

OpenWorker 是由 Andrew Ng（吴恩达）与 Rohit Prasad 联合推出的开源桌面 AI 同事，2026 年 7 月 23 日以 MIT 许可证发布开放 beta。它不只是一个聊天界面——交付的是完成的工作产物：一份精修的报告、一条附上真实数据的 Slack 回复、一份更新好的日历、一封分拣过的收件箱。运行在本地机器上，不绑定任何模型，支持 30+ 模型提供商，也支持完全本地化的 Ollama 部署。数据只经过用户选择的模型提供商和集成工具，不经过任何第三方云服务。

技术架构上，OpenWorker 分为三层：

  • Tauri 2 + React 桌面外壳（原生窗口、auto-update）
  • Python FastAPI 本地 Agent 服务器（核心引擎、工具、连接器）
  • Rust Speech-to-Text sidecar（语音输入）

底层引擎构建于 aisuite，这是该仓库的同名父项目，提供统一 Chat Completions API 和 Agents API。

解决什么问题

传统的 LLM 对话只能给文字回复，要让 AI 真正"干活"（写文件、发消息、改日历、跑命令）需要大量工程对接。OpenWorker 把这些都封装好了，作为桌面应用让用户在自然语言指令下直接拿到交付物，同时保留人工审批节点——在发送消息、修改日历、执行 Shell 命令之前必须经过用户确认。

核心解决的是三件事：

  1. 数据隐私：所有数据留在本机，不走额外云服务
  2. 模型自主：不绑定某一家，用自己的 API key，或完全离线
  3. 交付物驱动：不只是聊天，是把文件/消息/日程直接交付给你

快速安装

macOS（推荐）

下载已签名并经过公证的安装包：

https://download.openworker.com/mac

要求 macOS 12+，Apple Silicon。安装后打开 App，粘贴你的模型 API key（或指向 Ollama），即可开始。

Windows

https://download.openworker.com/windows

要求 Windows 10/11 x64。注意构建尚未代码签名，SmartScreen 会报警告，签名流程进行中。

源码手动搭建（Linux/macOS/Windows）

前置依赖： - Python 3.10+ - Node 20+ - Rust toolchain（通过 rustup.rs 安装）

git clone https://github.com/andrewyng/openworker
cd openworker

# 一次性引导：创建 .venv Python 虚拟环境
bash packaging/setup_dev_env.sh

# 启动本地 Agent 服务器
.venv/bin/openworker-server --cwd ~/some/project --port 8765

# 另一个终端：启动浏览器 UI
cd surfaces/gui
npm install
npm run dev

全功能桌面 App（含 Tauri 原生窗口）：

cd surfaces/gui
npm run tauri dev   # 需要 Rust toolchain

打包构建脚本（macOS DMG / Windows EXE）：

bash packaging/build_dmg.sh
# Windows:
powershell -File packaging/build_windows.ps1

核心用法

API Token 认证

启动时会生成 per-launch token，存于 <state-dir>/sidecar-8765.token，Vite UI 启动时自动读取。

直接调用 API：

curl -H "X-OpenWorker-Token: <token>" \
     http://localhost:8765/v1/chat/completions \
     -d '{"model":"openai:gpt-4o","messages":[{"role":"user","content":"hello"}]}'

模型配置

使用环境变量或启动参数指定 API key：

# 使用 OpenAI
export OPENAI_API_KEY="sk-..."

# 使用 Ollama（完全本地）
export OLLAMA_BASE_URL="http://localhost:11434"

# 启动时指定
.venv/bin/openworker-server --model openai:gpt-4o

支持的模型格式为 <provider>:<model-name>，内置支持的 provider 包括：

Provider 示例模型
openai gpt-4o, gpt-4o-mini
anthropic claude-3-5-sonnet, claude-sonnet
google gemini-2.0-flash, gemini-pro
openai (兼容) o1-preview, o1-mini
ollama llama3, qwen2, mixtral
mistral mistral-large, mistral-small
deepseek deepseek-chat
kimi moonshot-v1-128k
glm glm-4
qwen qwen-turbo
minimax MiniMax-Text-01
xai grok-2
together / fireworks open-weight 模型

⚠️ 上述支持列表基于 README，模型生态变化快，具体版本支持情况请以官方文档为准。

权限模式（五级）

启动时通过 --approval-mode 指定：

模式 行为
read 仅读取，不做任何写入
read_local 读取本地文件，无外部操作
exec 允许本地命令执行，不走外部
external 允许外部操作（发消息等），需要逐项审批
（未指定） 全权限，完全自动化（需自己承担风险）

内置集成（25+）

开箱即用的连接器包括：

  • 代码/项目管理：GitHub, Jira, Linear
  • 文档/知识库：Notion, HubSpot
  • 通信：Slack, Gmail, Outlook, Google Calendar
  • 任务管理：monday.com
  • 通用：终端、本地文件
  • MCP 扩展：任何符合 Model Context Protocol 的服务均可接入

通过 MCP 接入第三方工具示例：

# 在 openworker-server 启动后，通过 MCP 工具注册
# 配置文件路径或 MCP URL 在 --mcp-config 中指定
.venv/bin/openworker-server --mcp-config ~/mcp-servers.json

自动化（定时任务）

支持按 schedule 运行自动化任务，输出完整执行 transcript 到 App 内：

# 在 UI 内配置定时任务，如"每天早 9 点生成行业简报"
# 或"每周一生成上周 GitHub activity 汇总"
# 任务触发后结果推送到 App inbox，无需人工介入

Slack 集成

在 Slack 频道 @OpenWorker，Bot 在用户桌面打开一个 session，使用用户本人权限和工具完成工作，结果以 thread 回复形式发回频道。

典型适用场景

场景 OpenWorker 能做什么
每日站会准备 抓取 Jira / GitHub / Linear 数据，生成摘要文档
客服处理 读取邮件/工单，生成回复草稿，经审批后发出
周报生成 汇总 GitHub commits、Jira 燃尽图、Slack 消息频率
隐私敏感行业 医疗/法务数据全程不离开本机
多模型评估 同一任务对比 Claude / GPT-4o / Gemini 结果
开发者个人助手 替代简单的重复性 CLI 脚本和 cron job

坑与注意

  1. Windows 签名问题：当前 Windows 构建未签名，SmartScreen 会拦截，需要手动"仍要运行"。签名流程进行中，正式版会解决。
  2. Linux 官方未支持：README 只列出 macOS 和 Windows 下载，Linux 需要从源码构建，未做充分测试。
  3. Python 3.10 强制要求：packaging/setup_dev_env.sh 依赖 Python 3.10+，旧版系统需要升级。
  4. Ollama 模型工具调用支持：README 提到"verified for tool-calling"的模型列表是经过验证的子集，非所有 Ollama 模型都能稳定使用工具调用。
  5. beta 期 Breaking Changes：作者明确表示开放 beta 期会有破坏性更新，不要在生产关键流程中作为唯一依赖。
  6. 审批疲劳：权限模式设得过于宽松（external/exec）会导致 Agent 自动执行意外操作；建议从 read 开始逐步放开。
  7. 连接器 token 安全：集成（Slack/GitHub/Jira 等）的 API token 存在 App 本地 secret store，非加密存储，本机安全很重要。

与同类对比

工具 模型灵活性 部署方式 工具生态 审批机制 适合人群
OpenWorker 30+ provider + Ollama 桌面 App（本地） 25+ 内置 + MCP 五级权限门 隐私敏感团队、个人开发者
OpenClaw 多 provider 本地/云 丰富插件生态 支持审批流 需要灵活定制的用户
Claude Code 仅 Anthropic CLI 代码工具为主 无（CLI 工具直接执行） 开发者（代码补完/重构）
OpenAI Agents SDK 仅 OpenAI + 少量 云/本地 工具集可扩展 需自行实现 构建自己 agent 的开发者
Open Interpreter 多 provider 本地 CLI 系统级（代码执行） 可选确认 高级用户（完全本地执行）

核心差异：OpenWorker 是唯一同时做到"本地优先 + 模型无关 + 审批门控 + 25+ 企业集成"的桌面级产品，定位是"AI 同事"而非"开发者工具"。

一句话推荐结论

如果你想拥有一个运行在自己机器上、不绑定模型、可以真正帮你发 Slack 消息和写报告的 AI 同事，且团队有一定技术能力管理 API key 和集成配置，OpenWorker 是 2026 年最值得关注的对隐私友好的开源选择——目前仍在 beta，适合早期采纳者参与塑造产品方向。

参考来源

  • GitHub README：https://github.com/andrewyng/openworker
  • aisuite 父仓库：https://github.com/andrewyng/aisuite
  • OpenWorker 官网：https://openworker.com
  • Marktechpost 报道（2026-07-23）：https://www.marktechpost.com/2026/07/23/andrew-ng-just-released-openworker
  • Moclaw.ai 分析：https://moclaw.ai/blog/what-is-openworker
  • Andrew Ng X 公告（2026-07-23）