OpenFang：给AI代理造的操作系统

想象一下，你的电脑里住进了一个全年无休的「数字员工」——不需要你打字，它自己会制定计划、搜集情报、生成报告，然后发到你的 Telegram 群。这就是 OpenFang 正在做的事。

一个大胆的赌注：用 Rust 重写一切

2026 年，AI Agent 框架市场已被 Python 生态牢牢把控——LangGraph、CrewAI、AutoGen 清一色是 Python 方案。但 RightNow-AI 团队做了一个反直觉的选择：用 Rust 从零构建一个「Agent 操作系统」。

这不是小打小闹的玩具项目。截至 2026 年 4 月，OpenFang 积累到 17,653 颗 GitHub Stars、2,252 个 Fork、74 个 open issues。仓库里躺着 137,000 行代码、跨越 14 个 crates（Rust 包）、超过 2,696 个测试用例，且零 clippy 警告。

团队的核心论点：现有的 Python Agent 框架，本质上都是「等待用户输入的对话系统」。真正的 Agent 应该像操作系统一样——开机就运行，24/7 不间断工作，主动完成任务，而不是被动等待指令。

Hands：把AI能力封装成「可插拔的工作单元」

OpenFang 的核心创新叫 Hands（手）。每个 Hand 是一个完整的能力包，内嵌系统提示词（500+ 词的专业操作手册）、技能参考文档（SKILL.md）和执行 guardrails（审批门控）。用户不需要写 prompt，激活即用。

仓库内置了 7 个 Hands：

Clip 是全自动短视频加工流水线。给它一个 YouTube 链接，它自动下载、识别高光时刻、切成竖屏短视频、配字幕和缩略图，还能加 AI 配音，然后直接发布到 Telegram 和 WhatsApp。整个流程分 8 个阶段，调动了 FFmpeg、yt-dlp 和 5 种 STT（语音转文字）后端。

Lead 负责潜在客户发掘。每天定时运行：发现符合 ICP（理想客户画像）的目标、用网络研究丰富数据、打分（0-100 分）、去重，然后以 CSV/JSON/Markdown 格式交付。整个 ICP 画像还会随时间不断优化。

Collector 是 OSINT 级别的情报收集器。监控目标（公司、人、话题）变化，追踪舆情情绪，构建知识图谱，关键变动实时告警。

Predictor 是一个超级预测引擎，收集多源信号、建立校准推理链、给出带置信区间的预测，并追踪 Brier Score 准确率。还支持「反向模式」——主动反驳主流共识。

Researcher 做深度自主研究，交叉验证多来源、用 CRAAP 标准评估可信度、生成带引用的 APA 格式报告，支持多语言。

Twitter/X Agent 负责社交媒体运营：7 种内容格式轮转、发帖时间优化、回复互动、追踪数据，还有一个审批队列确保内容发布前经过人工确认。

Browser 是网页自动化 Agent，支持表单填写、点击、多步骤工作流，背后是 Playwright Bridge，保留会话状态。Browser 有强制购买审批门控——它绝对不会在未经确认的情况下替你花钱。

图1：OpenFang 与竞品的性能基准对比（来源：官方 README）

技术架构：不是框架，是操作系统

README 里反复强调一个概念：OpenFang 不是「框架」，是「操作系统」。从 Cargo.toml 可以看到 14 个核心 crates 的模块划分：openfang-types（类型系统）、openfang-memory（记忆层，支持 SQLite + 向量数据库）、openfang-runtime（运行时）、openfang-api（HTTP 服务）、openfang-kernel（内核调度）、openfang-cli（命令行）、openfang-channels（40 个渠道适配器）、openfang-skills（技能系统）、openfang-desktop（Tauri 2.0 桌面应用）、openfang-hands（7 个内置 Hands）。

运行时依赖非常现代：Tokio 异步运行时、Rustls TLS、Wasmtime（WebAssembly 沙箱）、Axum（HTTP 服务器，支持 WebSocket）、reqwest（LLM API 调用）。整个系统编译成一个约 32MB 的二进制文件，安装方式极为简单：

curl -fsSL https://openfang.sh/install | sh
openfang init
openfang start
# 仪表板在 http://localhost:4200

安全设计：16 层防御

OpenFang 实现了 16 个独立安全系统：WASM 双计量沙箱、Merkle 哈希链审计日志、污点追踪、Ed25519 签名 Agent 清单、SSRF 防护、Secret Zeroization（API Key 用后即清）、OFP 双向认证、Capability Gates（RBAC）、安全响应头（CSP/HSTS）、健康端点脱敏、子进程沙箱、提示词注入扫描器、循环守卫、会话修复（7 阶段验证）、路径遍历防护、GCRA 速率限制。

部署体验：Docker 一键启动

OpenFang 提供成熟的多阶段 Dockerfile（基于 rust:1-slim-bookworm）和 docker-compose.yml：

docker compose up --build
# 暴露 4200 端口，即开即用 Web UI

需要配置 API Key（OpenAI / Anthropic / Groq / Google Vertex 等）和通知渠道（支持 Telegram、Discord、Slack 等 40 个 channel adapters）。不支持 GPU，内存占用仅约 40MB（对比 LangGraph 180MB、CrewAI 200MB、OpenClaw 394MB）。

优势与局限

强项：Rust 带来的性能和内存效率、无依赖单二进制部署、内置 Hands 开箱即用、16 层安全设计（对比竞品几乎没有安全机制）、40 个 channel adapters（竞品多为 0）、支持 MCP 协议和 Tauri 桌面应用。

局限：目前仍处于 pre-1.0 阶段（v0.6.9），minor 版本间存在 breaking changes；社区生态相比 Python 竞品（LangGraph、CrewAI）起步较晚；依赖 LLM API（OpenAI/Anthropic），运行成本不可忽视；某些 Hands（如 Browser）需要额外的浏览器环境。

行业意义

OpenFang 代表了 AI Agent 领域的一个趋势：从「对话式助手」向「自主操作系统」的范式转变。17,653 Stars 的增长曲线说明市场对「真正能自动工作的 Agent」有强烈需求。在 Agent 框架竞争日趋激烈的 2026 年，OpenFang 用「操作系统」的概念切下了一个独特的定位。