OpenOPC

OpenOPC 是由香港大学数据智能实验室（HKUDS）发起并持续维护的开源 AI 原生公司构建与运营框架，核心定位是“将多智能体系统从‘一群会聊天的 Agent’升级为‘一家有组织架构、有汇报关系、能从项目中持续学习的公司’”——它不满足于做一份简单的多 Agent 协作封装或预设工作流编排工具，而是将组织配员（Self-Built）、动态协作编排（Self-Run）、组织记忆沉淀（Self-Grown） 三大核心机制整合于一套完整的开源运行时中，全部配有 uv pip install -e . 一键安装、opc ui 浏览器工作台（Workspace/Office/Org 三页）、Task 与 Company 双执行模式、JiuwenSwarm 集成，以及覆盖 AI 技术、软件开发、金融投资、销售增长、内容媒体、会计财务、品牌电商、教育培训等九大垂直领域的端到端任务交付能力。截至 2026 年 9 月，项目已获得 1,300+ GitHub Stars，持续活跃迭代中。

一、OpenOPC 是什么

OpenOPC 采用“组织推导 + 状态机驱动 + 记忆反哺”三位一体的架构。项目由香港大学数据智能实验室（HKUDS）发起并持续维护，核心定位是“Build Your Personal AI-Native Company: Self-Built, Self-Run, Self-Grown”。用户只需安装 OpenOPC 并配置 LLM API Key，即可通过 opc ui 启动浏览器工作台，或通过 opc chat 在 CLI 中直接下达任务。

OpenOPC 的运作机制与市面常见的“预设工作流编排”或“自由对话式协作”有本质区别。它不是让人类提前画好 DAG 让 Agent 按节点跑，也不是把几个 Agent 丢进同一个 chat 靠消息往来推进，而是一套像真公司一样运转的多 Agent 运行时。给定一个目标，OpenOPC 先推导需要哪些角色与汇报结构（Self-Built），再通过工作项状态机 + 依赖 DAG 驱动团队执行（Self-Run），最后将执行结果归因到具体角色并沉淀为组织记忆（Self-Grown）。三个机制形成闭环：自建根据目标搭组织，自营驱动组织执行，自成长把执行结果反哺给组织。

二、OpenOPC 能做什么

OpenOPC 的核心能力可以精炼地概括为：建、营、长、协、控，围绕这五大维度提供了从目标到交付的完整路径，覆盖 AI 原生公司运营的全方位需求，具体包括：

组织推导与人员配置（建） ——不是“先有几个 Agent 再分配角色”，而是“给定目标，先推导需要哪些岗位，再决定每个角色由谁担任”。OpenOPC 起草组织架构图，从任务需求推导出所需的角色与汇报结构，然后由招聘 Agent 在“复用现有员工”和“从人才池招募新人”之间做选择。有经验的员工携带以往项目塑造的经验档案入职，新员工则提供一张白纸。用户可以在 Org 页面编辑角色图、从人才市场招聘、将员工部署到办公室。

工作项状态机与依赖 DAG 编排（营） ——不是“人类提前规划每一步”，而是“运行时根据工作项状态动态编排”。每个工作项有明确的阶段——决定它在看板上的列、当前阶段的负责人、以及是否可运行。管理角色负责分解、分派、审阅、整合和返工，支持五种模式：execute、delegate、review、integrate、rework。分解定义依赖 DAG——独立项并行推进，依赖项等待前置条件解决。阻塞时，团队内部先由最合适的角色处理；超出权限则升级给人类。

角色归因与组织记忆沉淀（长） ——不是“把成败归因给整个团队”，而是“定位到真正负责的角色”。用户反馈被解析为逐员工评估，只更新拥有相关工作项的角色——功劳和问责落到该落的地方。执行轨迹被蒸馏为高信号经验，存入角色的私有经验档案；反复出现的经验被提升为共享 playbook，新员工入职即继承。这种“组织记忆”机制让 OpenOPC 的公司越跑越聪明。

Task 与 Company 双执行模式（协） ——不是“只能单 Agent 或只能多 Agent”，而是“两种模式按需切换”。Task Mode 是单 Agent 工作区，可选择 OpenOPC Native、Codex、Claude Code、Cursor 或 OpenCode 作为执行 Agent。Company Mode 围绕组织架构展开协作，将一个 brief 转化为运行时会话加角色拥有的工作项。OpenOPC 还支持 JiuwenSwarm 集成——将 JiuwenSwarm-single 作为单个 Agent 使用，或将 JiuwenSwarm-team 作为一个不透明 Team 嵌入组织。

审批分级与人类介入（控） ——不是“全自动不可控”，而是“低风险自动流转，关键决策升级给人类”。会话授权持久化，低风险操作自动执行，延迟决策保持可用。当工作项超出团队权限时，运行时精确地在需要时升级给人类 owner。这种“分级审批”的设计，让 OpenOPC 在自动化与可控性之间取得了平衡。

三、OpenOPC 适合谁用

OpenOPC 的内容设计使其适配各类希望通过 AI 团队完成复杂、可分工、需审阅任务的开发者与团队，核心聚焦那些“面对一个需要多步骤、多角色协作的复杂目标，单 Agent 会话会中途丢失上下文”的人群，主要涵盖以下几类：

独立开发者与一人公司实践者——希望用一个 AI 团队完成从产品设计到开发、从内容制作到运营的全流程，但不想自己管理多个 Agent 的协调。OpenOPC 的“一句话下达目标，组织自动搭建并运转”模式，让一人公司拥有了完整的“公司架构”。

技术团队负责人与工程管理者——需要将复杂工程项目拆解给多个 AI 角色协作完成。OpenOPC 的工作项状态机、依赖 DAG、看板监督和角色审阅机制，为多 Agent 工程协作提供了可追踪、可审计的运行时。

AI 研究者与多 Agent 系统开发者——希望研究“多 Agent 如何像公司一样持续运转并自我改进”的前沿方向。OpenOPC 的三大机制（组织推导、动态编排、记忆沉淀）提供了完整的研究平台。

金融、内容、电商等垂直领域的自动化需求方——OpenOPC 覆盖九大垂直领域，从投资备忘录、市场地图到视频制作、品牌规划、课程设计，复杂任务都可以交给 AI 公司端到端交付。

四、OpenOPC 的应用场景是什么

基于其内容设计与定位，OpenOPC 的应用场景主要围绕复杂项目端到端交付、多 Agent 工程协作、AI 原生公司运营和多角色内容生产，覆盖从个人创作到团队协作的多个场景，具体包括：

复杂项目从目标到交付场景——用户有一个需要多步骤完成的目标，如“规划、实现、审阅并文档化这个功能”。OpenOPC 的 Company Mode 将 brief 转化为运行时会话，自动推导组织架构、分配角色、驱动工作项流转。

软件开发与 SaaS MVP 构建场景——团队需要从零构建一个 SaaS 产品原型。OpenOPC 的 Software Development 垂直覆盖 Android 应用、SaaS MVP、网站、小程序和游戏开发。

金融投资研究与决策支持场景——需要生成投资备忘录、市场地图、尽职调查和 IC 决策包。OpenOPC 的 Financial Investment 垂直为这些任务提供了专用的组织模板和工作流。

内容与媒体多平台生产场景——需要完成视频制作、短视频内容、脚本、故事板和跨平台剪辑。OpenOPC 的 Content & Media 垂直覆盖了从内容策划到成片交付的完整链路。

多 Agent 协作研究实验场景——研究者需要在可控环境中实验组织推导算法、依赖编排策略和记忆沉淀机制。OpenOPC 的三大机制解耦设计为实验提供了可修改的模块。

五、OpenOPC 为什么值得关注

OpenOPC 之所以值得关注，核心在于它将“多 Agent 协作从预设工作流或自由对话升级为可推导、可编排、可成长的 AI 原生公司运行时”，并具备“组织推导、状态机编排、角色归因、双模式执行、HKUDS 背书”的独特价值，具体体现在以下几点：

从“预设工作流”到“组织推导”的范式升维。大多数多 Agent 框架的组织架构是写死的——几个 Agent、各自什么角色，都在配置文件里。OpenOPC 的关键反差是“给定目标，先推导需要哪些角色，再决定每个角色由谁担任”。组织架构不是“我先有几个 Agent”决定的，而是“这件事需要哪些岗位”决定的。这种“目标驱动组织”而非“配置驱动组织”的设计，是 OpenOPC 区别于所有多 Agent 框架最核心的价值。

从“自由对话”到“工作项状态机”的协作纪律。自由对话式协作的问题是没有职责边界、没有汇报关系、没有对结果的责任归属。OpenOPC 通过工作项状态机定义了每个任务的阶段、负责人和可运行性，通过依赖 DAG 消除了临时协调，通过结构化阶段转换处理依赖解决和驳回传播。这种“纪律化协作”让多 Agent 系统从“一群会聊天的 Agent”升级为“一家有组织的公司”。

从“团队归因”到“角色归因”的学习精度。大多数多 Agent 系统的“学习”是全局的——成功了是整个团队好，失败了是整个团队差。OpenOPC 的 Self-Grown 机制把用户反馈解析为逐员工评估，只更新拥有相关工作项的角色。功劳和问责落到该落的地方。这种“角色级归因”让组织学习从“模糊的整体反馈”升级为“精准的个人成长”。

从“单 Agent”到“Task + Company 双模式”的灵活覆盖。OpenOPC 不强制用户“必须用多 Agent”——Task Mode 提供单 Agent 工作区，可选择 OpenCode、Claude Code、Codex 等执行 Agent。简单问答用 Task Mode 更快更省，复杂可分工任务用 Company Mode 端到端交付。这种“双模式”设计，让用户可以根据任务复杂度自由选择，而非“杀鸡用牛刀”或“牛刀杀不了鸡”。

HKUDS 的学术工程双重背书。OpenOPC 来自香港大学数据智能实验室（HKUDS）——这是 LightRAG 等知名开源项目的同一团队。项目持续活跃迭代，2026 年 7 月至 9 月间发布了多次更新：JiuwenSwarm 集成、更灵敏的 Office UI、更弹性的公司运行恢复、更智能的审批机制。这种“学术严谨性 + 工程迭代力”的组合，确保了项目的长期生命力。