openworker · 其它

你的 AI 打工人同事：OpenWorker 上手指南

故事：从"给 AI 下指令"到"让 AI 交付成果"

你曾经有没有过这样的崩溃时刻——早上打开电脑，邮件堆成山、Slack 未读消息 99+、日历上还有三个会议的待办事项，而你要在 9 点前把所有东西都处理完？

传统的 AI 助手（比如 ChatGPT）会给你一堆"建议"：建议你先处理邮件、建议你列个清单、建议你一个一个来。但 OpenWorker 不是，它直接帮你把活干完——起草好的邮件回复、整理好的数据报告、已排好的日程，直接交出成品，而不是一张待办清单。

这个项目由吴恩达（Andrew Ng）团队背书，7 月 20 日开源，仅用 5 天便冲上了 GitHub Trending，斩获 4000+ Star。

OpenWorker 架构图

图 1：OpenWorker 工作架构——桌面壳层 + 本地 Agent 引擎 + 工具连接层 + 模型层，四层解耦

背景：为什么我们需要"AI 打工人"？

当前 AI 工具的两大流派：

对话式 AI（ChatGPT、Claude）：你问，它答。信息丰富但需要你做大量后续操作。
AI Agent（OpenWorker）：你告诉它目标，它调动工具完成，直接交付成品。

OpenWorker 属于第二流派。它的核心理念是：AI 的价值不在于回答问题，而在于完成工作。

核心功能：从"告诉我怎么做"到"帮我做完"

1. 交付成品，而非建议

在 OpenWorker 中，你输入类似这样的指令：

"帮我起草一份客户简报，包含 Q3 的销售数据摘要"
"整理我的日历，把今天下午的会议时间挪到明天"
"检查 GitHub 上的 release 状态，整理成报告"

OpenWorker 会拆解任务、调用对应工具、完成后直接把成品放在你面前——一个 .docx 文档、一份 Slack 回复、一张整理好的表格。

2. 审批 Gate：安全不是事后补丁

这是 OpenWorker 设计中最值得称道的部分：任何写操作（发消息、发邮件、执行命令）都必须经过用户审批。系统不会自动执行，而是把操作放进一个 inbox，等待你点"确认"。

这解决了 AI Agent 最大的落地障碍——企业用户不敢让 AI 自主操作。审批机制让 AI 变成"超级助理"而不是"失控机器人"。

3. 25+ 工具深度集成

OpenWorker 内置了对以下工具的原生支持：

类别	工具
代码管理	GitHub, GitLab
团队协作	Slack, Teams, Notion, Linear, Jira, Monday.com
CRM	HubSpot
日历/邮件	Google Calendar, Gmail, Outlook
本地	文件系统, 终端

此外，通过 MCP（Model Context Protocol） 协议，任何支持 MCP 的工具都可以即插即用，实现了无限扩展的可能。

4. Slack 原生：@一下就能干活

在 Slack 频道里 @mention OpenWorker，它会自动在本地桌面启动一个 session，调动相关工具完成工作，完成后在原线程里回复你。这比打开另一个 App → 粘贴上下文 → 下指令 → 复制结果 → 粘贴回 Slack 的流程高效得多。

5. 定时自动化

支持 Cron 表达式级别的定时任务：每天早上 8 点生成一份早间简报、每周五下午生成周报、监控某个 Slack 频道的关键字。任务完成后结果进入 App 的 inbox，随时可查阅执行记录和完整 transcript。

技术架构：四层设计，模块清晰

┌──────────────────────────────────────────┐
│   OpenWorker 桌面应用（Tauri/Rust 壳）     │  native shell + GUI
├──────────────────────────────────────────┤
│      本地 Agent Server（Python）            │  基于 FastAPI + Uvicorn
├────────────┬───────────────┬─────────────┤
│ 本地文件    │  25+ 连接器    │  任意模型   │
│ & 终端     │  MCP 可扩展    │  API Key 自带│
└────────────┴───────────────┴─────────────┘

核心技术栈：

层级	技术选型	说明
桌面壳	Tauri（Rust）	轻量、安全，比 Electron 小很多
前端 UI	TypeScript + Vite + Tailwind + React	现代化 Web 技术栈
Agent 引擎	Python（coworker 包）	核心逻辑，engine.py 达 44KB
模型抽象	aisuite	自定义 fork，统一封装多模型 API
MCP	mcp>=1.1	工具扩展协议
调度	croniter	Cron 表达式解析
PDF	pypdf + pypdfium2	文档解析

支持模型列表：OpenAI 全系列、Anthropic Claude、Google Gemini、DeepSeek、Kimi（Moonshot）、Qwen（通义）、MiniMax、GLM（智谱）、Mistral、Grok（xAI），以及通过 Ollama 完全本地运行。

上手体验：本地运行的秘密

OpenWorker 最大的差异化卖点是本地优先：

Agent 循环、对话历史、连接器 token、模型 key，全部存在本机 App 的本地 secret store 中
只有用户主动选择使用的云端服务（如 Slack OAuth）才会与外部通信
可完全离线运行（配合 Ollama）

但代价是——它不是那种打开浏览器就能用的 Web 服务。你需要：

安装 Python 3.10+、Node 20+、Rust toolchain
bash packaging/setup_dev_env.sh 一次性初始化
.venv/bin/openworker-server 启动 Agent 服务
cd surfaces/gui && npm install && npm run dev 启动 Web UI

macOS 和 Windows 用户可以下载官方打包好的 .dmg / .exe 安装包（macOS 版已签名，Windows 版 SmartScreen 会报警告），开箱即用。

优势与局限

优势

本地优先，数据不外泄——对隐私敏感的企业和个人用户极具吸引力
审批 Gate 机制让 AI 执行风险可控，适合企业场景
工具链深度集成，不是简单的 API 调用，而是真实操作（发消息、改日历、提交 PR）
MCP 扩展协议让生态可持续生长
定时自动化能力让"AI 打工"成为可能

局限

目前只有英文文档，中文用户有门槛
107 个 open issues，Beta 阶段成熟度待验证
Windows 版未签名，SmartScreen 会误报
需要自己提供 API Key，无法开箱即用
无 Docker 部署选项，对服务器环境用户不友好

行业意义

OpenWorker 的出现代表了一个重要趋势：AI 工具正从"对话助手"向"数字同事"进化。它的审批 Gate 机制、本地优先设计、工具链集成，都在为"可信 AI Agent"这个命题提供具体的工程答案。

结合吴恩达的教育资源和社区影响力，这个项目很可能会成为 AI Agent 赛道的重要里程碑。

分析基于 GitHub 开源代码，Star 4309（数据截至 2026-07-25）