OpenWorker

• 1. 概要 （共 257 字）

  2026 年 7 月，AI 教育领军人物吴恩达（Andrew Ng）与前亚马逊 AGI 负责人 Rohit Prasad 联合开源了桌面 AI Agent「OpenWorker」，采用 MIT 许可证。与传统「聊天-回答」式 AI 不同，OpenWorker 的核心定位是「交付成品而非对话」——用户只需描述期望的结果（如「准备客户简报」），它就能自行拆解任务、跨本地文件和已连接的应用执行，最终交出一份可直接打开和分享的文件。项目上线 GitHub 后迅速获得超过 3500 星标，标志着桌面 Agent 入口之争出现了第三种位置：开源、本地优先、模型中立。

• 2. 产品背景 （共 456 字）

  吴恩达是 DeepLearning.AI 创始人、Coursera 联合创始人、斯坦福大学计算机科学系兼职教授，曾领导 Google Brain 项目并担任百度首席科学家。据其个人官网数据，超过 700 万人通过他的课程学习人工智能。这次 OpenWorker 的开源，延续了他一贯「降低 AI 使用门槛」的理念——只是这次交付的不是课程，而是一个 AI 同事。   共同开发者 Rohit Prasad 同样分量十足。他 2013 年加入亚马逊，是 Alexa 早期的首席科学家，2023 年起领导亚马逊 AGI 团队并主导 Nova 基础模型系列，2025 年 12 月底在亚马逊 AI 架构重组中离职。离开亚马逊约七个月后，他以共同开发者的身份出现在这个开源项目中，这也是他离开大厂后的首个公开动作。   OpenWorker 最初在吴恩达团队此前开源的多模型接口库 aisuite 仓库内开发，随后独立出来成立单独仓库。项目于 2026 年 7 月 23 日进入公开测试阶段，目前 macOS（Apple Silicon）版本已签名并支持自动更新，Windows 10/11 版本虽已可用但尚未代码签名。

• 3. 产品功能与使用体验 （共 838 字）

  OpenWorker 与普通 AI 聊天机器人最核心的差异在于「交付闭环」。传统使用大模型的流程是：让 AI 分析需求、生成文本，然后用户自己查找文件、核对数据、调整格式，最后在 Slack、邮箱或日历中把结果发出去。OpenWorker 的目标是把这条链路打通——用户只需描述期望的结果，它会自行拆解任务，调用电脑中的文件、终端和已连接的应用，最后交付一份可直接使用的成品。   连接能力方面，OpenWorker 内置 25 个以上办公工具连接器，涵盖 GitHub、Slack、Jira、Notion、Linear、HubSpot、Outlook、Gmail、Google Calendar 等主流工具，也支持通过 MCP 协议接入任何兼容工具。用户可以在 Slack 频道里 @OpenWorker 触发任务，它在本机完成工作后把结果回复到 Slack 线程。   定时自动化是另一个重要功能。OpenWorker 支持晨报、周报、频道值守等周期性任务，每次运行留有完整运行记录。这对需要例行信息汇总的知识工作者来说，可以省去大量重复操作。   架构层面，OpenWorker 采用 Tauri 2 + React 的桌面壳，搭配本地 Python Agent Server。Agent 引擎基于吴恩达此前开源的 aisuite 库。据 GitHub 仓库数据，该项目包含约 119 个 Python 后端文件、149 个 TypeScript/TSX 前端文件和 78 个后端测试模块，工程完整性在同类开源项目中较为突出。   模型层面，OpenWorker 不绑定任何厂商。用户自带 API 密钥即可接入 OpenAI（GPT-5.6 Sol/ Terra/ Luna）、Anthropic（Claude Fable/Mythos/Opus/Sonnet）、Google Gemini 3.6、DeepSeek、Qwen、Mistral、Grok 等前沿模型，也可以通过 Ollama 运行完全本地的模型。精选模型列表覆盖约 30 个经过工具调用验证的模型，甚至支持在同一任务中切换不同模型以平衡成本和质量。

• 4. 定价与商业模式 （共 143 字）

  OpenWorker 完全免费，采用 MIT 开源许可证，没有付费层级。用户只需承担自己选择的模型 API 费用——使用本地 Ollama 模型可实现零成本运行。对于开源项目来说，这一定价策略降低了尝试门槛，但同时也意味着没有托管云选项、没有企业 SLA、没有合规认证，适合有能力自行维护的用户和团队。

• 5. 用户评价 （共 284 字）

  从多方反馈来看，业内对 OpenWorker 的整体评价比较正面。核心亮点集中在几个方面：第一，「交付成品」的产品定义切中了知识工作者对 AI「出活」而非「聊天」的真实需求；第二，开源 + 本地优先 + 模型中立的三位一体组合，在现有桌面 Agent 产品中是独一份；第三，类型化权限引擎的工程实现受到开发者社区的认可。   同时，早期评价也指出了不少局限。Windows 版本尚未代码签名，安装时会触发 SmartScreen 警告。项目目前处于 beta 阶段，连接器生态的稳定性和大规模用户验证都还是未知数。此外，用户需要自带 API 密钥或自行部署 Ollama，上手门槛对于非技术用户来说不容忽视。

• 6. 行业评价 （共 464 字）

  多家科技媒体对 OpenWorker 的解读集中在同一个判断上：它卡在了一个此前空着的位置。2026 年上半年，桌面 Agent 的入口之争沿着两条路线展开——Anthropic 的 Claude Cowork 在安全边界内做桌面文员，深度绑定自家模型；开源的 OpenClaw 走深度系统访问路线，自托管、模型灵活但由社区驱动。OpenWorker 的开源、本地优先、模型中立，加上「交付成品」而非「协助对话」的产品定义，正好形成了第三条路线。   这个位置的意义在于模型厂商的中立性。Cowork 类产品本质上是模型公司的分发渠道，OpenWorker 则把模型变成可替换的组件。它对国产模型的支持——Kimi、GLM、DeepSeek 直接进入精选列表——意味着国内开发者可以把它当作日常 Agent 底座，而不只是海外模型的客户端。   不过也有分析指出，吴恩达的项目历来带有教育和生态属性：aisuite 是接口标准，OpenWorker 更像它的参考实现，是给开发者「打了一个样」，离大众产品还有距离。open beta 的打磨程度和连接器生态的稳定性，都需要时间验证。

• 7. 争议与风险 （共 384 字）

  安全层面，一个拥有终端访问权限和文件写入权限的本地 Agent 本身就是持续的攻击面。虽然 OpenWorker 的权限引擎做了类型化设计——分为只读、本地写入、执行命令、外部副作用四个风险等级，并支持五种权限模式——但执行重要操作前的审批弹窗，本质上仍是阻止恶意指令的最后一道防线。藏匿在抓取网页中的提示注入、被攻破的连接器令牌、恶意的 MCP 服务器，都可能绕过这一机制。   另一个风险在于项目的 beta 状态。Windows 版本尚未代码签名，跨平台体验的一致性还是未完成的工作。25 个内置连接器能否覆盖企业真实工作流，MCP 接入的实际体验如何，都需要更长时间验证。   此外，与 OpenClaw 之间功能重叠度越来越高也是值得关注的竞争变量。两者都开源、都模型中立、都强调本地运行，差异将收敛到交互形态和工程治理上。OpenWorker 能否借助吴恩达的社区影响力建立贡献者生态，还待观察。

• 8. 适用人群与使用建议 （共 233 字）

  OpenWorker 最适合以下几类用户：注重数据隐私的知识工作者（本地运行，数据不出设备）；愿意折腾的开发者（开源可审计，可二次开发）；希望在多个模型间灵活切换的用户（自带 API Key，模型可替换）；需要定时自动化办公任务的团队。   不太适合的场景包括：需要零设置即开即用的非技术用户（需要配置 API 密钥或 Ollama）；需要企业级合规和安全认证的组织；需要多用户团队协作集中管理功能的企业；以 Windows 或 Linux 为主且不想折腾的用户（macOS 目前是主推平台）。

• 9. 总结 （共 215 字）

  OpenWorker 的发布价值不只是一个新的 Agent 产品，更是吴恩达对桌面 Agent 发展方向的一次清晰表态：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。对于正在评估 Agent 工具的团队来说，OpenWorker 的审批权限模型可以作为衡量云上 Agent 产品的参考基线。它在 beta 期的打磨程度和社区生态的建设进度，将决定它能否从「参考实现」进化为「大众产品」。

暂无深度报告

• 

  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。

暂无评论