OpenSail：开源 AI Agent 平台，让每个人都能构建、运行、共享 AI 工作流

你有没有过这样的困扰：想用 AI 自动化日常重复工作，但市面上的工具要么太贵，要么数据安全没保障，要么根本定制不了？一家小型律所想让 AI 自动整理客户问询文档、一位运营想让 AI 每天自动汇总多渠道数据再推送到内部群——这些需求往往需要几万块的定制开发才能实现。而 OpenSail 正是为解决这个痛点而生。

OpenSail 是 Tesslate AI 团队打造的开源平台，被誉为 Codex App、Claude Desktop、Cursor 和 Cowork 的开源替代品。它让你用纯英文描述工作流程（"每天早上检查这些数据源，汇总变化，更新到 Linear，再把结果发到 Slack"），就能生成一个可执行、可分享、可审计的真实 AI 系统。项目于 2026 年 6 月 20 日更新，GitHub 获星 581 颗，Apache-2.0 开源协议。

---

一、项目背景：从闭源 AI 工具到开源基础设施的跨越

当前 AI Agent 市场呈现"两极分化"格局：头部产品如 Cursor（代码补全）、Cowork（团队协作）、Claude Desktop（个人助手）功能强大但闭源、数据上云、价格不菲；另一端则是 LangChain、CrewAI 等开源框架，虽然灵活但门槛极高——需要写代码、理解 API、搭建基础设施，普通业务人员根本用不了。

OpenSail 瞄准的正是这片空白地带：把 AI Agent 平台的能力，带给不写代码的业务人员。Tesslate 团队此前开源了 Synthia-S1-27B 推理模型、TFrameX Agent 编排框架，以及 UIGENEVAL UI 生成评测榜单，在开源 AI 社区有一定积累。OpenSail 则是他们"让 AI 真正落地"愿景的旗舰产品，主打开源、透明、可自托管。

---

二、核心功能：用自然语言驱动 AI Agent 工作流

2.1 工作流设计：从一句话描述到可执行系统

用户无需写一行代码，只需用自然语言描述业务流程。OpenSail 自动解析并构建包含以下组件的完整系统：

• 触发器（Trigger）：定时任务、Webhook、人工触发等
• Agent 或 App：具体的 AI 动作单元
• 工具与连接器（Connectors）：Slack、Gmail、GitHub、Linear、Jira、Notion、Salesforce、Confluence 等
• 交付目标：结果发往哪里（Slack 频道、邮件、数据库等）
• 审批门控：人工审核环节，防止 AI 自动化出错
• 预算限制：控制每次运行的 token 消耗上限
• 运行历史：完整的执行日志，可回溯、可审计

2.2 多运行时支持：一套代码，三种执行环境

OpenSail 最独特的设计是三套运行时、同一套 UI：

运行时	适用场景	技术实现
Local	个人脚本、轻量任务	本地 Python subprocess
Docker	多容器协作	Docker Compose，容器隔离
Kubernetes	生产级、多人协作	K8s 集群，支持 BtrFS 快照

个人项目可以在本地运行；团队协作上 Docker；生产部署则连接远程 K8s 集群。所有数据通过 ~/.opensail/ 统一管理，切换运行时项目状态完全一致。

---

三、架构解析：K8s 原生设计与 Tiered Compute 模型

3.1 Kubernetes 原生架构

OpenSail 的云端运行时基于 Kubernetes 构建了三级计算模型：

层级	适用操作	成本
Tier 0	文件操作、Web 请求、Agent 推理	几乎为零
Tier 1	Shell 命令执行	即开即用，容器池复用
Tier 2	多容器实时预览 + 部署	按需启动

项目在 Kubernetes 中独占命名空间，通过自定义 BtrFS CSI 驱动实现卷快照与 S3 持久化。休眠项目自动将整个命名空间压缩上传 S3，恢复时一键还原——实现容器级的"原子保存/恢复"。据统计，约 99% 的 Agent 操作发生在 Tier 0 和 Tier 1，无需动用重型资源。

3.2 架构面板：可视化节点图设计器

OpenSail 内置 React Flow 驱动的可视化架构面板，底层是 .tesslate/config.json 配置文件。Agent 和人类共同读写同一份配置：Agent 添加了 Postgres 容器并连接 DATABASE_URL，节点和边实时出现在画布上；人类在画布上拖拽新服务，Agent 下次迭代时立即感知。一份文件，两个作者，共享状态。

---

四、技术栈：TypeScript 前端 + Python 后端 + Tauri 桌面壳

从项目结构来看，OpenSail 是一个标准的现代全栈应用：

组件	技术选型	说明
前端	React + TypeScript + Vite	极速构建工具，静态资源部署在 NGINX
后端	Python (FastAPI)	Python 生态 + AI 工具链的黄金组合
Agent 框架	TFrameX (自研)	多 Agent 编排，支持工具绑定、MCP 协议
LLM 代理	LiteLLM	统一调用 OpenAI/Anthropic/Gemini 等多模型
桌面壳	Tauri v2 + PyInstaller	原生桌面体验，后端打包为单文件 sidecar
本地数据库	SQLite	桌面版数据持久化
容器编排	Docker Compose + Kubernetes	本地开发到生产部署全覆盖
反向代理	Traefik v3	开发环境路由（K8s 用 NGINX Ingress）
存储	BtrFS + S3	K8s 持久化与快照管理

代码结构采用 monorepo 布局：根目录为 Node.js workspace，packages/ 存放共享 TypeScript 包，app/ 为前端代码，services/ 为微服务后端，orchestrator/ 负责 Agent 编排，sdk/ 提供开发者 SDK，desktop/ 是 Tauri 桌面应用。Git submodules 管理 seeds/ 等外部依赖。

---

五、Agent 技能系统与连接器生态

技能（Skills） 将 AI 能力模块化封装。技能可以是数据分析管道、写作风格指南、代码审查清单、研究方法论或报告模板。用户将验证有效的工作方法打包成技能，附加到任意 Agent 或工作流上，并可发布到 marketplace 共享给团队。技能采用渐进式加载机制：技能目录（名称 + 描述）轻量注入 Agent 上下文，完整技能体仅在 Agent 决定使用时才按需拉取。

连接器原生支持 MCP（Model Context Protocol），已支持 Slack、Gmail、Google Drive、Linear、Jira、Notion、GitHub、Salesforce、HubSpot、Confluence，以及任意 REST API 和自定义 MCP 服务器。

---

六、桌面版：离线可用的完整 AI 工作站

OpenSail 提供完整的桌面应用，基于 Tauri v2 构建。桌面版运行与云端完全相同的 orchestrator，本地零网络依赖。后端为 PyInstaller 打包的 FastAPI sidecar，绑定本地随机端口，生成一次性 Bearer Token，SQLite 本地数据库持久化数据。桌面版还支持云端配对——本地开发、云端运行，数据双向同步。

---

七、部署方式与行业意义

部署方式	难度	适用人群
桌面应用	简单	个人用户、快速体验
Docker Compose（本地）	简单	开发者、本地多容器
Docker Compose（生产）	中等	小规模生产
Kubernetes	困难	团队协作、生产级

行业意义： OpenSail 填补了开源 AI Agent 平台的关键空白——让业务人员也能构建和运行 AI 工作流，而不必依赖闭源 SaaS 或昂贵的定制开发。它将 AI Agent 能力平民化，同时通过开源保证数据主权和透明性。局限： 技术栈较重（Tauri + FastAPI + K8s + BtrFS），本地开发环境搭建有一定门槛；Kubernetes 部署需要较强的 DevOps 能力；作为相对年轻的开源项目，社区生态和第三方集成尚在成长阶段。

一句话总结： OpenSail 是一个野心勃勃的开源 AI Agent 工作流平台，适合希望拥有自主可控 AI 自动化能力的团队和个人。