openfang

OpenFang 是由 RightNow-AI 团队发起并持续维护的开源 Agent 操作系统，核心定位是“一个用 Rust 从零构建、编译为单一约 32MB 二进制的完整 Agent 运行时——不是聊天机器人框架，不是 Python 包装器，而是一个让自主智能体按计划运行、构建知识图谱、监控目标并主动汇报结果的操作系统”。它不满足于做一份“你发消息、它回消息”的被动对话工具，而是将 7 个生产级 Hands（自主能力包）、30 个预构建 Agent、40 个通道适配器、38 个内置工具、26 个 LLM 提供商、16 层安全系统、持久化 SQLite+向量记忆、MCP/A2A/OFP 协议支持、Tauri 2.0 原生桌面应用 整合于一套完整的开源体系中，全部配有 curl -fsSL https://openfang.sh/install | sh 一键安装、openfang init + openfang start 两步启动、仪表盘默认运行在 http://localhost:4200，以及 MIT / Apache 2.0 开源协议。

一、OpenFang 是什么

OpenFang 采用“单一二进制 + Hands 能力包 + 声明式清单”三位一体的架构，通过 GitHub 完全开源发布。项目由 RightNow-AI 团队发起并持续维护，截至 2026 年 4 月已发布 v0.5.10 版本，代码规模达 137K 行 Rust、14 个 crate、1,767+ 测试、零 clippy 警告，在 GitHub 上获得 16.8k★。项目提供 Shell 安装器（Linux/macOS）、Cargo 安装（任意平台）、Docker 镜像三种部署路径，以及 Windows PowerShell 安装脚本。桌面端提供 Tauri 2.0 原生应用——带系统托盘、通知、单实例强制、登录自启动和全局快捷键。

OpenFang 的运作机制与市面常见的“Agent 框架”或“多 Agent 编排器”有本质区别。其核心创新是 Hands——一套全新的自主智能体原语。传统 Agent 框架的范式是“你发消息 → Agent 处理 → 返回响应”，Agent 不发起任何行动。OpenFang 的 Hands 是预构建的自主能力包——它们按计划运行、随时间积累知识、主动向仪表盘汇报结果。你激活一个 Hand，然后像管理员工一样定期查看它的进展——不需要通过聊天来微观管理它。每个 Hand 由三层构成：HAND.toml（声明工具、设置、仪表盘指标和系统需求）、System Prompt（500+ 字的多阶段操作手册，含决策树、错误恢复和质量门禁）、SKILL.md（注入运行时上下文的领域专业知识）——三层全部通过 Rust 的 include_str!() 编译进二进制，无外部文件、无运行时依赖。

二、OpenFang 能做什么

OpenFang 的核心能力可以精炼地概括为：手、智、安、记、通，围绕这五大维度提供了从自主执行到多平台联通的完整路径，覆盖 Agent 运行时的全方位需求，具体包括：

7 个生产级 Hands（手） ——不是“等你提问才干活”，而是“按计划自主运行、主动交付结果”。Clip：输入一个 YouTube URL，自动下载、识别最佳片段、切割为带字幕和缩略图的竖屏短视频、可选添加 AI 配音，8 阶段流水线（FFmpeg + yt-dlp + 5 个 STT 后端），发布到 Telegram 和 WhatsApp。Lead：每日运行，发现匹配 ICP 的潜在客户，进行网络研究增强，0-100 评分，去重，交付 CSV/JSON/Markdown 格式的合格线索。Collector：OSINT 级情报监控——给定目标（公司/人物/话题），持续监控变化检测、情感追踪、知识图谱构建和关键告警。Predictor：超级预测引擎——从多源收集信号、构建校准推理链、以置信区间做出预测、用 Brier 分数追踪自身准确率，还有故意反共识的 contrarian 模式。Researcher：深度自主研究——交叉引用多源、用 CRAAP 标准评估可信度、生成带引用的报告。Twitter 和 Browser 分别管理 X 账号和自动化网页操作。

30 个预构建 Agent 与 38 个内置工具（智） ——不是“从零搭建 Agent”，而是“一键生成、即时可用”。OpenFang 内置 30 个 Agent 模板，覆盖编排器、代码审查员、客户支持等场景，分为 4 个性能层级（从 Anthropic 到 Groq 到 DeepSeek）。38 个内置工具覆盖文件系统、网页搜索、Shell、浏览器自动化、调度、协作、图像分析、Agent 间通信、TTS 和媒体处理。同时支持 MCP 协议——既能连接外部 MCP 服务器，也能将 OpenFang 工具暴露给其他 Agent。

16 层安全系统（安） ——不是“安全靠自觉”，而是“从沙箱到审计的全链路防护”。OpenFang 的安全体系包括：WASM 双重计量沙箱（fuel + epoch 中断）、Ed25519 清单签名、Merkle 审计追踪、污点追踪、SSRF 防护、密钥零化、HMAC-SHA256 双向认证、GCRA 限流器、子进程隔离、提示注入扫描器、路径遍历防护等。工具代码在 WASM 中运行，文件操作限制在工作区内，子进程环境变量被清除且强制超时，10 阶段优雅关闭。

持久化 SQLite + 向量记忆（记） ——不是“每次对话从零开始”，而是“跨会话、跨通道的持久记忆”。基于 SQLite 存储，支持向量嵌入，跨通道规范会话、自动 LLM 压缩、JSONL 会话镜像。Agent 可以跨对话和通道回忆上下文。记忆带有置信度衰减机制（decay_rate = 0.05），确保过时信息自然淡出。

40 个通道适配器与三大协议（通） ——不是“只能在一个平台用”，而是“一个 Agent，所有平台”。覆盖 Telegram、Discord、Slack、WhatsApp、Teams、IRC、Matrix 等 40 个通道，支持按通道的模型覆盖、DM/群组策略、限流和输出格式化。协议层面支持 MCP（客户端+服务端）、Google A2A（Agent 到 Agent 任务）和 OFP（OpenFang 协议，P2P 网络 + HMAC-SHA256 双向认证）。

三、OpenFang 适合谁用

OpenFang 的内容设计使其适配各类希望拥有“真正会主动干活”的自主 Agent 的开发者与团队，核心聚焦那些“受够了 Agent 框架必须等你发消息才响应”的人群，主要涵盖以下几类：

独立开发者与一人公司实践者——一个人要同时做内容、获客、研究、监控，精力分散。OpenFang 的 7 个 Hands 让独立开发者可以“部署 7 个专家”——Clip 做视频剪辑、Lead 做获客、Collector 做竞品监控、Predictor 做趋势预测、Researcher 做深度研究——每个都自主运行、定期汇报，像雇了一支不休息的团队。

内容创作者与社交媒体运营者——需要持续将长视频剪辑为短视频、管理社交账号、追踪表现指标。Clip Hand 的 8 阶段自动化流水线和 Twitter Hand 的轮换内容格式调度，让内容生产从“手动操作”升级为“激活一个 Hand 然后看仪表盘”。

市场情报与竞品分析团队——需要持续监控竞争对手动态、行业信号和潜在客户。Collector Hand 的 OSINT 级监控和 Lead Hand 的 ICP 发现与评分，为情报收集和获客提供了自主化能力。

自托管与数据主权优先的用户——不希望 Agent 数据上传到第三方云端。OpenFang 编译为单一 ~32MB 二进制，完全本地运行，SQLite 本地存储，无需云端后端。

AI Agent 研究者与平台工程师——希望研究“自主 Agent 如何按计划运行、积累知识、自我报告”的前沿方向。OpenFang 的 Hands 架构、三层编译机制、安全体系和协议栈，提供了可深入研究的技术底座。

四、OpenFang 的应用场景是什么

基于其内容设计与定位，OpenFang 的应用场景主要围绕自主内容生产、持续情报监控、潜在客户发现与评分、预测性决策支持和多平台 Agent 部署，覆盖从个人自动化到团队级部署的多个场景，具体包括：

自主内容生产与短视频批量制作场景——内容创作者需要将长视频（播客、直播、讲座）批量转化为社交媒体短视频。OpenFang 提供了一条“激活 Clip Hand → 提供 YouTube URL → 自动分析、切片、加字幕、加配音、发布”的完整自主路径。8 阶段流水线在无人值守的情况下完成从源到发布的全过程。

持续竞品监控与情报收集场景——市场团队需要 7×24 小时监控竞争对手和行业动态。Collector Hand 自主运行，持续检测变化、追踪情感、构建知识图谱，在关键信号出现时发出告警。不需要有人每天手动搜索和整理。

潜在客户发现与自动评分场景——销售团队需要持续发现和筛选潜在客户。Lead Hand 每日运行，发现匹配 ICP 的线索，用网络研究增强，0-100 评分，去重，交付结构化格式。

预测性分析与趋势研判场景——决策者需要基于多源信号做出有校准的预测。Predictor Hand 收集信号、构建推理链、以置信区间做预测，并用 Brier 分数追踪自身准确率。Contrarian 模式让它可以主动挑战共识。

多平台 Agent 统一部署场景——团队需要在 Telegram、Discord、Slack 等多个平台上同时运行 Agent。40 个通道适配器让一个 Agent 可以同时在所有平台上工作，按通道覆盖模型、策略和格式化。

五、OpenFang 为什么值得关注

OpenFang 之所以值得关注，核心在于它将“Agent 从被动响应的对话工具升级为按计划自主运行、积累知识、主动汇报的操作系统级实体”，并具备“单一 32MB 二进制、Hands 自主能力包、16 层安全、40 通道、16.8k Stars 社区认可”的独特价值，具体体现在以下几点：

从“你发消息它才动”到“它按计划自己动”的范式革命。传统 Agent 框架的致命缺陷是“不发起行动”——你发消息，它处理，返回响应，然后等待下一次输入。OpenFang 的 Hands 从根本上改变了这个范式：它们按计划运行、随时间积累知识、主动向仪表盘汇报。你激活一个 Hand，然后像管理员工一样定期查看进展——不需要微观管理。这种“部署专家而非使用工具”的心智模型转变，是 OpenFang 区别于所有 Agent 框架最核心的价值。

从“Python 重依赖”到“单一 32MB Rust 二进制”的工程革命。大多数 Agent 框架是 Python 生态的重型依赖链——数百 MB 内存、复杂的虚拟环境、漫长的冷启动。OpenFang 用 Rust 从零构建，137K 行代码编译为单一约 32MB 二进制——一条安装命令、一条启动命令，Agent 即刻上线。所有 Hands、工具、安全层、记忆系统全部编译进二进制，无外部文件、无运行时依赖。

7 个 Hands——从“聊天机器人”到“自主专家”的能力升维。大多数 Agent 框架给你的是“一个能聊天的 Agent”。OpenFang 给你的是 7 个已经知道该怎么干活的自主专家——Clip 知道怎么把长视频变成爆款短视频，Predictor 知道怎么用 Brier 分数校准预测，Collector 知道怎么做 OSINT 级监控。每个 Hand 不是“通用 Agent + 一段提示词”，而是500+ 字的多阶段操作手册 + 领域专业知识 + 声明式配置的三层编译体。

16 层安全系统——从“能跑就行”到“生产级可信”的成熟度。大多数 Agent 框架的安全是事后补丁——一个沙箱、一个 API 密钥管理、然后就没了。OpenFang 将安全作为架构的第一性原则——WASM 双重计量沙箱、Ed25519 清单签名、Merkle 审计追踪、污点追踪、SSRF 防护、密钥零化、HMAC-SHA256 双向认证、GCRA 限流器、子进程隔离、提示注入扫描器、路径遍历防护——16 层防护从代码执行到网络通信到文件操作全覆盖。这种“安全即架构”的设计，让 OpenFang 适合对合规有要求的组织。

16.8k Stars + 快速迭代 + 中文社区本地化。OpenFang 在 GitHub 上获得 16.8k★，社区快速增长——知乎上有专门的介绍文章，GitHubDaily 等中文技术媒体进行了报道。项目还出现了中文本地化版本（openfang-cn）。项目保持快速迭代——v0.5.10 修复了安全认证的 fail-closed 和多个真实 bug。