Osaurus

• 1. 概要 (342 chars)

  Osaurus 是一个开源的 macOS 原生 AI 运行时（harness），让你在本地 Mac 上运行 AI 模型、构建自主 agent、管理持久记忆和工具链，同时保持数据完全在本地。它支持在本地模型（Llama、Qwen、Gemma、DeepSeek 等）和云端模型（OpenAI、Claude、Gemini 等）之间自由切换，记忆和上下文跨模型共享。项目由前 Tesla 和 Netflix 工程师 Terence Pae 创立，自上线以来已获得超过 7,300 GitHub 星标和 185,000+ 下载量，并在 Product Hunt 取得当日第 2 名。但官网「Nothing leaves unless you say so」的隐私承诺在实际实现中存在差距——默认开启匿名遥测、本地数据未加密明文存储、插件权限范围大等问题值得警惕。

• 2. 产品背景 (534 chars)

  Osaurus 由 Dinoki Labs（dinoki.ai）开发，联合创始人 Terence Pae 此前在 Tesla 和 Netflix 担任软件工程师。产品脱胎于一个名为 Dinoki 的桌面 AI 伴侣项目——Pae 将其描述为「AI 驱动的 Clippy 助手」。当时 Dinoki 的用户质疑：既然还要为 Token 付费，为什么要买这个应用？这促使团队转向本地运行 AI 的方案。   项目的核心理念是：随着 AI 模型日益商品化和可互换，真正不可替代的是 AI 外围的上下文、记忆、工具和身份。大多数产品把这些层留在服务器上，而 Osaurus 把它们留在用户的 Mac 上。项目于 2025 年 8 月首次开源，主要开发语言为 Swift，采用 MIT 许可证，完全免费。目前联合创始人还包括 Sam Yoo，团队正在参与总部位于纽约的创业加速器 Alliance，并计划未来将 Osaurus 推向企业市场，特别是法律和医疗等对数据隐私要求高的领域。   截至 2026 年 7 月，Osaurus 已从一个简单的本地 LLM 服务器演变为一个完整的 agent 平台：新增了持久记忆、自主执行、加密身份和语音控制等功能，几乎全部在本地模型上默认运行。官方数据显示，项目在零广告投入下，通过口碑传播在 GitHub 上获得了 7,300+ 星标和 185,000+ 次下载。

• 3. 产品功能与使用体验 (841 chars)

  Osaurus 像是一个 macOS 上的「AI 操作系统层」。它不是一个简单的聊天窗口，而是连接你、本地模型和云端模型的桥梁，提供以下核心能力：   首先是模型管理。Osaurus 支持本地运行 Llama、Qwen、Gemma、Mistral、DeepSeek 等多种开源模型，利用 Apple Silicon 的 MLX 框架做优化推理。你也可以一键连接 Ollama、LM Studio 等本地服务，或者接入 OpenAI、Anthropic、Gemini、xAI/Grok、OpenRouter 等云端提供商。关键是，你的记忆、文件和工作目录在不同模型之间切换时不需要搬家。   其次是 agent 系统。你可以创建多个 agent，每个拥有独立的提示词、工具、记忆和视觉主题——一个编程助手、一个研究助理、一个文件管理器，各司其职。升级后的 Work Mode 让 agent 可以把目标分解为可追踪的任务，串行或并行执行，并支持后台处理。   第三是记忆系统。Osaurus 有四层记忆架构，包含知识图谱。它会从每一次对话中自动学习——提取事实、检测冲突、在需要时召回相关内容。全部存储在本地。   第四是安全和沙箱。agent 可以在一个由 Apple Containerization 驱动的隔离 Linux VM 中执行代码——shell、Python、Node.js、编译器，全在沙箱里跑，对 Mac 零风险。每个 agent 有自己的 Linux 用户和家目录。   实际体验方面，TechCrunch 和独立评测者都提到安装非常丝滑：下载 DMG、打开即用，不需要账号、不需要配置。一个评测者在 M3 MacBook Pro（24GB 内存）上测试了库存分析工作流，连接本地 Ollama 的 Llama 3 一次成功，处理 2000 行 CSV 耗时约 45 秒。不过云端连接方面出现了问题——Claude API 验证流程中断了两次，需要重启应用重建连接。   当下最新版 0.22.5 新增了知识集合、统一 skills 库、工具型 agent、Router credits 高级网页搜索和模型加载时的内存安全限制。

• 4. 定价与商业模式 (369 chars)

  Osaurus 完全免费，MIT 开源，没有订阅费，也没有本地使用上限。你可以在 GitHub 上 fork、修改、商用，没有任何限制。   不过免费有两层不同的账单。本地版免费是真的，但硬件成本不低——TechCrunch 报道指出，运行本地模型至少需要 64GB 内存，更大的模型（如 DeepSeek V4）建议 128GB。Osaurus 声称 Bonsai 27B 压缩版在 24GB 机器上也能运行，但注意这指的是模型本身，不是整套 agent 工作流的总占用。   云端则是另一张账单。你可以自己填 OpenAI、Anthropic 等 API key，也可以走 Osaurus Router 按量买 credits。Router 不保存 prompt 和回复，只保留计费元数据。没有一张清晰的统一单价表，所以「免费」不能理解成云端也免费。   团队正在规划企业版，可能面向法律和医疗行业的私有化部署。

• 5. 用户评价 (443 chars)

  正面反馈集中在隐私保护和本地优先的设计理念上。Reddit 上 435 分、122 条评论的帖子中，用户对 UX 的正面反馈确实存在。一个中文用户评测称 installation「满满的可可爱爱风，小白上手也很简单」，对文件夹监听器、本地隐私脱敏、零门槛安装等功能印象深刻。独立评测站 pidune.com 给了 3.5/5 分，肯定了「隐私故事是真实的」，数据确实不会离开设备。   负面反馈主要集中在几个方面。一是设置门槛：评测者指出「设置摩擦力会把普通用户逼疯」，需要理解 Ollama 服务器、模型管理等概念。二是云端连接不稳定：Claude API 验证失败需要重启。三是本地性能慢：M3 芯片处理复杂分析需要 45-60 秒，而云端只需 10-15 秒。Reddit 上也有用户反馈模型下载经常要反复点「Re-download」，GPU 最高只有 13% 利用率的性能问题。   社区讨论中反复出现模型下载、GPU 利用率、内存配置和「我该从哪里开始」这类入门问题。整体上，它更像一个正在快速长大的开源项目，还不是一件装上就忘记的家电。

• 6. 行业评价 (350 chars)

  TechCrunch 在 2026 年 5 月的报道中把 Osaurus 放在 OpenClaw 和 Hermes 等同类产品的框架中评价，认为它是「一个有趣的新入局者」。媒体指出 Osaurus 的优势在于提供了一个比同类产品更易用的图形界面，而非只面向开发者的终端工具。   中文科技媒体 36氪转译了 TechCrunch 报道的核心观点。知定网、对的码等中文技术社区也发布了中文译介，关注点集中在隐私保护和本地 AI 的商业化前景。有分析认为，Osaurus 为苹果生态用户提供了一种兼顾便捷性、安全性和灵活性的 AI 使用方案。   正面报道的核心共识是：Osaurus 在认真做操作系统层的 AI 工作台，比「给聊天窗口加一个文件上传按钮」实在得多。   不过 Neodrop 的深度分析文章指出了官方隐私口号与实际实现的明显差距——这一点在下文会详细展开。

• 7. 争议与风险 (533 chars)

  最大争议集中在隐私承诺的真实性上。   官网明确写的是「连匿名分析也没有」。但官方仓库中的 Telemetry 文档写明：匿名使用分析默认开启，用户可以退出；它会记录消息发送、agent 运行、模型来源、系统版本、地区、粗略内存档位等事件。文档强调不会收集聊天内容和文件内容，但「没有匿名分析」和「默认开启匿名分析」不能同时成立。   第二处风险是本地数据存储。默认情况下，Osaurus 的数据以明文 SQLite 存储，仅依赖 macOS 的 FileVault 做加密保护。SQLCipher 加密需要用户在设置中手动打开。如果没有启用 FileVault，或者多人共用一个 Mac，或者备份 ~/.osaurus/ 到不完全信任的位置，那么你的数据只是「放在本机的文件」，而不是「加密后的保险箱」。   第三处风险是权限范围。Osaurus 的插件可以访问 Mail、Calendar、Contacts、Messages、文件系统和浏览器。后台自动化可以不抢鼠标焦点，agent 可能在你没盯着屏幕时继续工作。它减少了数据出网，却增加了软件在本机的行动半径。把 AI 关进 Mac，不等于把它关进笼子。   评测者 pidune.com 也指出，缺乏原生 Shopify 集成意味着电商用户需要手动导出数据、处理、再导入，操作繁琐。

• 8. 适用人群与使用建议 (304 chars)

  最适合三类人：一是隐私敏感的数据处理者，需要处理供应商报价、客户清单、专利研究等不能出网的数据；二是 Mac 上高频使用 AI 开发工具的工程师，受够了多个助手、多个上下文的割裂感；三是想做本地 agent 实验的开发者。   不太适合两类人：一是只想开箱即用的普通用户——设置需要了解模型管理和本地部署概念，不是零门槛；二是需要完整电商集成或像 SaaS 仪表盘那样即开即用的电商卖家。   我的具体建议是：先只给它一个测试文件夹，先跑本地模型；需要云端时单独检查 Router 和上游供应商的隐私政策；用自动化插件前，检查 Accessibility、Screen Recording 和每个工具的作用范围；最后再打开 SQLCipher 加密。

• 9. 总结 (168 chars)

  Osaurus 是目前少数把本地 AI 做成完整工作台的产品，不是另一个聊天框。它的模型无关设计、持久记忆、沙箱执行和 agent 工作流，确实比其他本地工具走得更远。但「本地运行」不等于「默认加密、默认无遥测、默认不出网」——它减少了数据出网，却增加了本机权限和信任风险。它值得试用，但别因为它长了一只绿色恐龙，就把整台 Mac 的钥匙串都递过去。

No in-depth report yet

• 

  MNelson_99

  —

  装了一下 Osaurus，确实很丝滑，DMG 打开就能跑，不用注册账号。本地模型跑 qwen3 基本够日常用了，隐私这方面确实让人安心。

---

• 

  Arthur_Murphy_Plus

  —

  界面是真的可爱，绿色小恐龙在官网蹦蹦跳跳就很戳我。功能比想象中多，有记忆有 agent 还有沙箱，不是那种蹭 AI 热度的空壳产品。

---

• 

  Mason_WrightJr

  —

  用了三天，结论是：隐私保护是真的香，但别指望开箱即用。你得自己折腾模型管理、Ollama 配置这些，对新手不够友好。

---

• 

  PhilipJimenezSr

  —

  下载模型经常要反复点 Re-download，不知道是不是我网络问题。GPU 利用率最高也才 13%，不太对劲，希望后面版本能优化。

---

• 

  Mark_Parker_2020

  —

  看了 Neodrop 那篇分析才注意到，它官网说「没有匿名分析」，实际 Telemetry 文档写的是默认开启可以退出。这个差距挺要我命的，说一套做一套的感觉很不好。

---

• 

  MNelson_2022869

  —

  免费而且是 MIT 开源确实良心。我主要在 M3 Max 上跑本地模型写代码，虽然响应比云端慢几秒，但代码和 prompt 不外传，这一点对商业项目太重要了。

---

• 

  Zachary.Rodriguez978

  —

  连 Claude API 的时候验证失败了两回，得重启应用才能重建连接。云端可靠性还需要打磨，本地倒是稳得很。

---

• 

  LaurenSullivan520

  —

  更新到 0.22.5 之后 skills 库统一了，之前各 agent 的技能管理有点乱，现在好多了。还加了 Router credits 做高级搜索，算是往正经平台走了。

---

• 

  Steven_HughesSr6

  —

  大家说的内存问题我深有体会，24GB 的 MacBook Pro 跑小模型还行，想上大一点的模型直接卡爆。没有 64GB 以上的最好别指望当主力用。

---

• 

  whitesnake738

  —

  说几个让我惊喜的点：文件夹监听器很好用，我设了个 Downloads 监听，下载完文件自动帮我分类整理。还有就是跨模型记忆共享，切 Claude 和本地模型聊天记录居然还能续上。

---

• 

  JHughesIII

  —

  Product Hunt 当日第二，零广告费拿到的，确实有点东西。不过现在是快速增长期，bug 也不少，更像个正在长大的开源项目，还不是成熟产品。

---

• 

  MYoung_88

  —

  数据默认明文 SQLite 存着，这点让我有点犹豫。虽然说是靠 FileVault 保护，但多人共用 Mac 或者备份到云盘的话就裸奔了。好在能手动开 SQLCipher 加密。

---

• 

  Kyle.Collins_Pro

  —

  需要 macOS 15.5 以上和 Apple Silicon，Intel Mac 直接劝退。而且权限给得很大，Mail、Calendar、文件系统都碰得到，用自动化插件前真得挨个看一遍权限范围。

---

• 

  hyh1qfhlo99

  —

  我把它当 MCP 服务器用，给 Cursor 和 Claude Desktop 接本地工具，体验很不错。一个端口搞定文件操作、浏览器控制和 Git 操作，不用在三个工具里各配一遍。

---

• 

  Hannah_RogersZ

  —

  总的来说值得一试，隐私本地化这个方向是对的。但别因为它长了一只绿色恐龙就把整台 Mac 的钥匙串都递过去——该检查的权限要检查，该开的加密要开，对自己负责。

No reviews yet