OpenWorker

Ein quelloffener, local-first Desktop-KI-Kollege, der fertige Ergebnisse statt Gespräche liefert

Agent Universeller Agent

https://github.com/andrewyng/openworker

Website besuchen

Ausführlicher Bericht

Im Juli 2026 haben Andrew Ng, Leiter der KI-Ausbildung, und Rohit Prasad, ehemaliger Leiter von Amazon AGI, gemeinsam den Desktop-KI-Agenten „OpenWorker“ unter der MIT-Lizenz als Open-Source-Lösung bereitgestellt. Im Gegensatz zu herkömmlicher „Chat-and-Antwort“-KI besteht die Kernpositionierung von OpenWorker darin, „fertige Produkte statt Gespräche zu liefern“ – Benutzer müssen nur die gewünschten Ergebnisse beschreiben (z. B. „Kundenbriefings vorbereiten“), und es kann die Aufgaben selbst aufschlüsseln, sie über lokale Dateien und verbundene Anwendungen hinweg ausführen und schließlich eine Datei übergeben, die direkt geöffnet und geteilt werden kann. Nachdem das Projekt auf GitHub gestartet wurde, erhielt es schnell mehr als 3.500 Sterne und markierte damit die Entstehung einer dritten Position im Kampf um den Zugang zu Desktop-Agenten: Open Source, Local First und Modellneutral.
Andrew Ng ist der Gründer von DeepLearning.AI, Mitbegründer von Coursera und außerordentlicher Professor der Fakultät für Informatik an der Stanford University. Er leitete einst das Google Brain-Projekt und war Baidus Chefwissenschaftler. Laut seiner persönlichen offiziellen Website haben mehr als 7 Millionen Menschen durch seine Kurse künstliche Intelligenz erlernt. Der Open Source von OpenWorker führt dieses Mal seine konsequente Philosophie fort, „die Schwelle für den Einsatz von KI zu senken“ – nur handelt es sich bei der Lieferung dieses Mal nicht um einen Kurs, sondern um einen KI-Kollegen. Mitentwickler Rohit Prasad ist ebenso kräftig. Er kam 2013 zu Amazon und war der erste Chefwissenschaftler von Alexa. Seit 2023 leitet er das Amazon AGI-Team und leitet die Basismodellreihe Nova. Ende Dezember 2025 trat er im Zuge der Umstrukturierung der KI-Architektur von Amazon zurück. Ungefähr sieben Monate nachdem er Amazon verlassen hatte, trat er als Mitentwickler des Open-Source-Projekts auf, sein erster öffentlicher Schritt seit seinem Ausscheiden aus einem großen Unternehmen. OpenWorker wurde ursprünglich im aisuite Warehouse entwickelt, einer Multimodell-Schnittstellenbibliothek, die zuvor vom Team von Andrew Ng als Open Source bereitgestellt wurde, und wurde dann unabhängig und richtete ein separates Warehouse ein. Am 23. Juli 2026 ging das Projekt in die öffentliche Beta-Phase. Die aktuelle macOS-Version (Apple Silicon) ist signiert und unterstützt automatische Updates. Die Windows 10/11-Version ist verfügbar, aber noch nicht mit dem Code signiert.
Der Hauptunterschied zwischen OpenWorker und gewöhnlichen KI-Chatbots ist der „geschlossene Lieferkreislauf“. Der traditionelle Prozess bei der Verwendung großer Modelle besteht darin, die KI Anforderungen analysieren und Text generieren zu lassen. Anschließend finden Benutzer Dateien, prüfen Daten, passen Formate an und senden die Ergebnisse schließlich in Slack, Postfach oder Kalender. Das Ziel von OpenWorker ist es, diesen Link zu öffnen – Benutzer müssen nur die gewünschten Ergebnisse beschreiben, und schon wird die Aufgabe selbst zerlegt, Dateien, Terminals und verbundene Anwendungen auf dem Computer aufgerufen und schließlich ein fertiges Produkt geliefert, das direkt verwendet werden kann. Was die Konnektivitätsfunktionen betrifft, verfügt OpenWorker über mehr als 25 integrierte Konnektoren für Office-Tools, die gängige Tools wie GitHub, Slack, Jira, Notion, Linear, HubSpot, Outlook, Gmail und Google Kalender abdecken. Es unterstützt auch den Zugriff auf jedes kompatible Tool über das MCP-Protokoll. Benutzer können @OpenWorker-Aufgaben im Slack-Kanal auslösen und die Ergebnisse werden an den Slack-Thread zurückgegeben, nachdem die Maschine die Arbeit abgeschlossen hat. Eine weitere wichtige Funktion ist die geplante Automatisierung. OpenWorker unterstützt periodische Aufgaben wie Morgenberichte, Wochenberichte, Kanalüberwachung usw. und hinterlässt für jeden Lauf eine vollständige Laufaufzeichnung. Dies kann Wissensarbeitern, die eine routinemäßige Informationsaggregation benötigen, viele sich wiederholende Vorgänge ersparen. Auf architektonischer Ebene verwendet OpenWorker die Desktop-Shell Tauri 2 + React, gepaart mit einem lokalen Python-Agent-Server. Die Agent-Engine basiert auf der zuvor Open-Source-Bibliothek aisuite von Ng. Laut GitHub-Warehouse-Daten enthält das Projekt etwa 119 Python-Back-End-Dateien, 149 TypeScript/TSX-Front-End-Dateien und 78 Back-End-Testmodule. Die Projektintegrität ist unter ähnlichen Open-Source-Projekten herausragend.Auf Modellebene ist OpenWorker an keinen Anbieter gebunden. Benutzer können auf hochmoderne Modelle wie OpenAI (GPT-5.6 Sol/Terra/Luna), Anthropic (Claude Fable/Mythos/Opus/Sonnet), Google Gemini 3.6, DeepSeek, Qwen, Mistral, Grok usw. zugreifen, indem sie ihre eigenen API-Schlüssel mitbringen. Sie können über Ollama auch vollständig lokale Modelle betreiben. Die kuratierte Modellliste umfasst etwa 30 durch Toolaufrufe validierte Modelle und unterstützt sogar den Wechsel zwischen verschiedenen Modellen in derselben Aufgabe, um Kosten und Qualität in Einklang zu bringen.
OpenWorker ist unter der MIT-Open-Source-Lizenz völlig kostenlos und hat keine kostenpflichtigen Stufen. Benutzer tragen nur die Kosten für die Modell-API ihrer Wahl – die Ausführung mit nativen Ollama-Modellen kostet null. Für Open-Source-Projekte senkt diese Preisstrategie die Hürde, es auszuprobieren, bedeutet aber auch, dass es keine verwalteten Cloud-Optionen, kein Unternehmens-SLA und keine Compliance-Zertifizierung gibt, was für Benutzer und Teams geeignet ist, die in der Lage sind, sich selbst zu warten.
Aufgrund zahlreicher Rückmeldungen fällt die Gesamtbewertung von OpenWorker in der Branche relativ positiv aus. Die wichtigsten Highlights konzentrieren sich auf mehrere Aspekte: Erstens entspricht die Produktdefinition „Lieferung fertiger Produkte“ den tatsächlichen Bedürfnissen von Wissensarbeitern, dass KI „lebt“ statt „chattet“; Zweitens ist die Dreifachkombination aus Open Source + lokaler Priorität + Modellneutralität einzigartig unter den bestehenden Desktop-Agent-Produkten; Drittens wird die technische Implementierung der typisierten Berechtigungs-Engine von der Entwicklergemeinschaft anerkannt. Gleichzeitig wiesen frühe Rezensionen auch auf eine Reihe von Einschränkungen hin. Die Windows-Version ist noch nicht mit dem Code signiert und löst bei der Installation eine SmartScreen-Warnung aus. Das Projekt befindet sich derzeit in der Beta-Phase und die Stabilität des Connector-Ökosystems und die groß angelegte Benutzerüberprüfung sind noch unbekannt. Darüber hinaus müssen Benutzer ihre eigenen API-Schlüssel mitbringen oder Ollama selbst bereitstellen, und die Eintrittsbarriere kann für technisch nicht versierte Benutzer nicht ignoriert werden.
Die Interpretation von OpenWorker durch viele Technologiemedien konzentriert sich auf das gleiche Urteil: Es steckt in einer zuvor leeren Position fest. In der ersten Hälfte des Jahres 2026 wird sich der Kampf um den Markteintritt von Desktop-Agenten auf zwei Wegen entfalten: Claude Cowork von Anthropic arbeitet als Desktop-Angestellter innerhalb der Sicherheitsgrenzen und bindet sein eigenes Modell tief; Die Open-Source-Lösung OpenClaw geht den Weg des tiefen Systemzugriffs, wird selbst gehostet, verfügt über ein flexibles Modell, wird aber von der Community vorangetrieben. OpenWorkers Open Source, Local First, Modellneutralität und die Produktdefinition „Lieferung fertiger Produkte“ statt „Unterstützung bei Gesprächen“ bilden nur den dritten Weg. Die Bedeutung dieser Position liegt in der Neutralität des Modellherstellers. Cowork-Produkte sind im Wesentlichen Vertriebskanäle für Modelunternehmen, während OpenWorker Models in austauschbare Komponenten verwandelt. Die Unterstützung inländischer Models – Kimi, GLM und DeepSeek kommen direkt in die Liste der vorgestellten Modelle – bedeutet, dass inländische Entwickler es als tägliche Agentenbasis und nicht nur als Client für ausländische Models nutzen können. Einige Analysten wiesen jedoch darauf hin, dass die Projekte von Andrew Ng schon immer pädagogische und ökologische Eigenschaften hatten: aisuite ist ein Schnittstellenstandard und OpenWorker ähnelt eher seiner Referenzimplementierung, verleiht Entwicklern ein „gleiches Aussehen“ und ist noch weit von einem Massenprodukt entfernt. Es wird einige Zeit dauern, den Grad der Verfeinerung der offenen Betaversion und die Stabilität des Connector-Ökosystems zu überprüfen.
Auf Sicherheitsebene ist ein lokaler Agent mit Terminalzugriffsberechtigungen und Dateischreibberechtigungen selbst eine dauerhafte Angriffsfläche. Obwohl die Berechtigungs-Engine von OpenWorker ein typisiertes Design hat – unterteilt in vier Risikostufen: Nur Lesen, lokales Schreiben, Befehlsausführung und externe Nebenwirkungen – und fünf Berechtigungsmodi unterstützt, ist das Genehmigungs-Popup-Fenster vor der Durchführung wichtiger Vorgänge im Wesentlichen immer noch die letzte Verteidigungslinie, um böswillige Anweisungen zu verhindern. Hint-Injections, die in gecrawlten Webseiten versteckt sind, kompromittierte Connector-Tokens und bösartige MCP-Server können diesen Mechanismus umgehen. Ein weiteres Risiko liegt im Beta-Status des Projekts. Die Windows-Version ist noch nicht mit Code signiert, und es ist noch nicht abgeschlossen, das plattformübergreifende Erlebnis konsistent zu machen. Ob die 25 integrierten Konnektoren den tatsächlichen Arbeitsablauf des Unternehmens und die tatsächliche Erfahrung des MCP-Zugriffs abdecken können, wird länger dauern, um zu überprüfen. Darüber hinaus ist auch die zunehmende funktionale Überschneidung mit OpenClaw eine sehenswerte Wettbewerbsvariable. Beide sind Open Source, beide modellneutral und beide legen Wert auf den lokalen Betrieb. Die Unterschiede werden in Interaktionsformen und technischer Governance zusammenlaufen. Es bleibt abzuwarten, ob OpenWorker den Community-Einfluss von Ng nutzen kann, um ein Mitwirkenden-Ökosystem aufzubauen.
OpenWorker eignet sich am besten für die folgenden Benutzertypen: Wissensarbeiter, die Wert auf Datenschutz legen (lokal ausgeführt, Daten verlassen das Gerät nicht); Entwickler, die bereit sind, wegzuwerfen (Open Source, überprüfbare und sekundäre Entwicklung); Benutzer, die flexibel zwischen mehreren Modellen wechseln möchten (mit eigenen API-Schlüsseln können Modelle ersetzt werden); Teams, die Büroaufgaben regelmäßig automatisieren müssen. Zu den weniger geeigneten Szenarien gehören: technisch nicht versierte Benutzer, die keine sofortige Einrichtung benötigen (API-Schlüssel oder Ollama müssen konfiguriert werden); Organisationen, die eine Compliance- und Sicherheitszertifizierung auf Unternehmensebene benötigen; Unternehmen, die die Zusammenarbeit mehrerer Benutzerteams und zentralisierte Verwaltungsfunktionen benötigen; Benutzer, die hauptsächlich Windows oder Linux verwenden und sich nicht darum kümmern möchten (macOS ist derzeit die Hauptplattform).
Der Wert der Veröffentlichung von OpenWorker liegt nicht nur in einem neuen Agentenprodukt, sondern auch in einer klaren Aussage von Andrew Ng zur Entwicklungsrichtung von Desktop-Agenten: KI-Agenten können nicht ewig in der Chatbox bleiben, sondern müssen sich wirklich an der Arbeit beteiligen, Ergebnisse liefern und dem Benutzer das Recht auf Modellauswahl, Toolaufruf und endgültige Entscheidungsfindung zurückgeben. Für Teams, die Agent-Tools evaluieren, kann das Genehmigungsberechtigungsmodell von OpenWorker als Grundlage für die Messung von Agent-Produkten in der Cloud dienen. Ob es sich von einer „Referenzimplementierung“ zu einem „Massenprodukt“ entwickeln kann, wird der Grad der Ausarbeitung in der Betaphase und der Fortschritt beim Aufbau der Gemeinschaftsökologie bestimmen.

Nutzerbewertungen

Lawrence_Wilson_99

—

Windows 版本装了，但 SmartScreen 一直弹警告，搞了半天才装上。虽然理解 beta 阶段还没签名，但体验确实打了折扣。等正式版吧。

CryptoTr_ader885

—

吴恩达果然是吴恩达，OpenWorker 这个「交付成品」的思路太对了。之前每次用 AI 都要在各软件之间来回倒腾，现在一句话就搞定，省了中间环节。

Gabriel.Bailey_7

—

太香了，已经回不去了。

Heather.Price_775

—

看了一圈代码，权限引擎的设计是最大的亮点。把工具调用分成 read / write_local / exec / external 四类，再配五种权限模式，比 OpenClaw 那种简单的全部允许或全部拒绝合理得多。

Thomas_Miller_88

—

刚在 Mac 上装好 OpenWorker，配置了 Claude API Key，试了一下让它帮我整理下周的日程冲突。说实话第一次跑的时候有点担心它会不会乱改日历，结果它在执行前弹了个确认框，列了具体的改动清单让我审一遍。比起 Cowork 那种黑盒操作，这种感觉踏实不少。

JMitchellIII

—

期待 Windows 版本完善！

realLyubomudrSviridovskiy_88

—

yyds！吴恩达出品必属精品。

MsFrankieDunne_88

—

之前用 OpenClaw 总担心安全问题，OpenWorker 的权限引擎给了我没尝试过的安心感。把每个工具调用都做了风险评级再决定是否放行，而不是简单粗暴的全放权或全禁止，这种精细化的管控才是一个桌面 Agent 该有的样子，尤其是当它拥有你终端的访问权限时，每一步都慎重才是对的。

JoshuaPerez007

—

GitHub 上已经有汉化包了，叫 openworker-zh-CN，一位开发者做的。覆盖了大概 80% 的界面，侧边栏、设置页、连接器都汉化了。对英文不好的用户来说，这个贡献真的很关键。

杜博雅

—

有没有人试过在 Ollama 上跑本地模型？我用 Qwen 2.5 试了一下，执行速度和响应质量都还不错，关键是数据完全不出本机，这比用云端 API 放心多了。

i1gj2jx

—

本地运行这点就秒杀 Cowork 了。

Kimberly_Morgan369

—

说实话上手门槛还是有点高的。先要装客户端，然后是 Python 环境，还要自己搞 API Key。对技术小白来说，光是配置这一步就劝退了。但如果你是开发者，那它就是神器。

CherylPowell_2021

—

免费的，还要什么自行车。

WElin_dev

—

试了下让它从 HubSpot 拉客户数据然后生成简报，最后产出的是一个可以直接用的 HTML 文件。之前用 GPT 做同样的事情，我需要手动跑 CRM 导出、再复制粘贴到提示词里，OpenWorker 省了中间至少三步。

安然297

—

最让我惊喜的是 Slack 集成。在频道里 @OpenWorker 就能触发任务，它在桌面端跑完活把结果回复到线程里，这个体验很自然，不用在聊天和桌面应用之间切来切去。

Kevin.ThompsonQ

—

仔细读了一下 secrets.py 的代码，发现连接器的访问令牌目前还是以 0600 权限的 JSON 文件存着的，官方说后续会切到系统密钥链。正式用之前建议注意一下这个点。

FlamingoFiRich_ter

—

3.7K stars 几天就到了，吴恩达的影响力确实不是盖的。不过说真的，这项目目前还处在「参考实现」的阶段，连接器的稳定性和 bug 修复速度才是决定它能走多远的关键。

EliWalker

—

在 Slack 里 @OpenWorker 这个功能太香了。我在运营频道设了一个每天早上 9 点自动生成数据简报的任务，它跑完之后在频道里回复一整个线程，团队成员都能看到。之前这事得专人手动做，现在完全自动化了，至少省了半小时。唯一的问题是刚开始配置 Slack 连接的时候有点费劲，花了二十分钟才搞定 OAuth。

silverrabbit181

—

Rohit Prasad 离开亚马逊后第一个项目就是这个，看来他选开源这条路的决心挺大的。一个做过 Alexa 首席科学家的人跑来搞桌面 Agent，有点意思。

Jennifer_Wood_202112

—

MIT 许可证真的是很良心了，可以商用、可以改、可以自己部署。对于 SaaS 团队来说，等于白捡一个 Agent 底座，自己魔改一下就能用。

CosmwasmWizLarses

—

个人觉得当前版本最有价值的是它的审批流程设计。不是那种简单的「是/否」弹窗，而是每个工具调用都有对应的风险分级，shell 命令还强制逐次询问。这思路值得所有桌面 Agent 学习。

Jeffrey.NguyenJr

—

同时支持 Kimi、GLM、DeepSeek 这些国产模型，说明团队是真的在走模型中立路线。对于国内开发者来说，可以用国产模型做底座，不用被海外 API 绑定。

JStephens

—

我在团队里安排了四个预设角色:运维值班、销售简报、产品反馈整理和行政日程。每个场景都试了一下，最流畅的是整理日程，最需要打磨的是跨 Jira 和 GitHub 查版本进度的场景，有时候模型理解任务会出差错。

KimberlyColemanIII

—

开了 auto 模式让 Agent 全权操作，结果它差点把某个测试分支删了……还好执行 shell 命令之前还是弹了确认。建议非技术用户别开 auto，用 interactive 模式最安全。

Kelly_Ortiz369

—

项目刚开源不到一周就有 59 次 commit，维护节奏相当快。对比了一下 OpenClaw 的项目活跃度，OpenWorker 有吴恩达团队背书，长期维护应该更有保障。

DHill520

—

试了接 MCP 协议的工具，配了一个自定义连接器，整个过程比预期顺利。文档里说明支持 MCP，实际用起来也确实可以，扩展性比我想的好。

PElon

—

设了一个每天早上 8 点自动跑晨报的定时任务，跑了两天都正常。每次跑完有完整日志，可以看到 Agent 每一步做了什么，出了问题也好排查。

Joshua_Ortiz

—

我第一天就装上了，正儿八经用了一个星期。说下真实感受吧。优点是思路确实对，「交付成品」这个定位比现在市面上所有聊天式 AI 都先进，省去了很多手工操作。但缺点也很明显，首先 Windows 版没有代码签名，安装就要折腾半天；其次它本质是一个 Python 本地服务加一个前端壳，对非开发者来说，要搞懂配置 API Key、调 MCP 连接器这些东西，门槛实在不低。另外连接器的稳定性也还有提升空间，我试了 Gmail 和 Google Calendar，偶尔会断连需要重新授权。总的来说我觉得它适合愿意折腾的开发者，但不适合想开箱即用的普通用户。希望 beta 期能把这些问题都修好吧。

AnthonyEnnis

—

第一天就下载试了，config 方面确实需要点技术基础，但跑起来之后效果惊人。OpenWorker 和 OpenClaw 的竞争感觉会是今年下半年桌面 Agent 领域最值得看的事情。

Barbara.BellII

—

帮我准备客户简报这个功能实测效果很好，它会先扫描本地 CRM 数据、查邮件往来记录、再结合 GitHub 上的项目进度，生成一个完整的一页纸。要是早半年有这个，我至少能省几十个小时。

OpenWorker

Ausführlicher Bericht

Nutzerbewertungen

Ähnliche Produkte