吴恩达开源OpenWorker：打造桌面AI同事，彻底告别聊天工具式交互

吴恩达做了个桌面应用，想让AI从聊天工具变成真同事

7月23号，Andrew Ng开源了一个叫OpenWorker的项目。

这个名字你可能还没听过，但做这个项目的人你一定认识。吴恩达，斯坦福教授，Coursera联合创始人，Google Brain早期成员，百度前首席科学家，DeepLearning.AI创始人。和他一起做这个项目的另一个人叫Rohit Prasad，Alexa的前负责人。

两个人加在一起，基本覆盖了「AI从学术到产品」的完整光谱。他们一起做出来的东西，值得认真看一看。

不是又一个聊天机器人

先说它是什么。

OpenWorker是一个开源的AI桌面应用，MIT协议，跑在你的Mac或Windows上。它不靠云端，不锁定模型，不要求你把数据交出去。你给它一个API key，它就开始替你干活。

但关键不是这些技术参数。关键在于它的产品定位。

README第一句话写的是：AI that gets your everyday tasks done. 翻译过来就是「帮你把日常任务干完的AI」。

注意措辞。不是「帮你聊天的AI」，不是「帮你写代码的AI」，是「帮你把事情干完的AI」。

你告诉它「准备一份客户简报」，它不会回你一段文字让你自己去整理。它会拆解任务，跨你的本地文件和已连接的应用去做，最后落地成一份你能直接打开的文档。你说「看看这周的日历有什么问题」，它会帮你理顺，然后直接更新你的日历。

它交给你的是成品，不是一份待办清单。

从aisuite看出的产品哲学

要理解OpenWorker为什么长这样，得先看它的技术栈。

整个应用分四层，全部跑在你本机上：

• 桌面壳：Tauri 2原生窗口 + React 18 UI
• 本地Agent服务：Python FastAPI + uvicorn，跑在127.0.0.1:8765
• 能力与连接器层：本地工具（文件/git/shell）+ 外部集成 + MCP
• 模型路由：一个接口，多家模型提供商（基于aisuite）

四层各管各的，但层层递进。最底层的模型路由建立在aisuite之上——这是Andrew Ng团队之前做的一个Python库，统一了多家大模型的调用接口。但aisuite本身只是一个薄薄的路由层，不包含Agent能力。工具调用、状态管理、任务编排这些，是OpenWorker自己在上面建的。

这个分层设计本身就是一种产品哲学。Andrew Ng没有只做一个底层库让开发者自己折腾，也没有只做一个封闭产品。每一层都能独立使用，但组合起来就是一个完整的Agent工作台。

OpenWorker就是这个架构的完整形态，也是Andrew Ng对「AI应该成为什么」这个问题的完整回答。

四种agent，不是一种万能prompt

从代码结构看，OpenWorker后端区分了四种agent角色：

• chat — 纯对话，没有文件和shell权限，随手问答用。
• code — 编码专用，带单目录工作区、文件读写、git、持久shell。系统提示词把它约束成「先读懂再改、改完要验证」的资深工程师。有意思的是，prompt里已经写进了并行读取的约定，多个互不依赖的read/grep请求要在一个批次里发，而不是一次一个。
• cowork — 面向一次性知识工作，产出具体交付物，带多目录工作区。
• myhelper — 长期在线的个人助理，跨时间保持在一条连续线程上，记得住要紧的事。

四种角色，四套工具集，四套人格。不同工种配不同人格，比一个万能prompt硬撑要清楚得多。

模型随你挑，不锁死任何一家

OpenWorker开箱支持30个模型：OpenAI、Anthropic、Google Gemini、DeepSeek、智谱GLM、月之暗面Kimi、MiniMax、Qwen、Mistral、Grok，加上通过Together和Fireworks接入的开源权重模型，还有本地的Ollama。

所有模型调用走一个ProviderRouter，按模型字符串的前缀分发到对应的provider。换模型在会话中途随时切。

这里有一个设计选择：OpenWorker没有自己的推理服务。你自带API key，或者用Ollama完全本地跑。它不靠模型赚钱，也不把你锁死在任何一家。产品和模型彻底解耦。

安全不是事后补的，是长在架构里的

这是我觉得OpenWorker最值得讲的部分。

一个真的去动你文件、发你消息、跑你终端命令的agent，最怕的就是它自作主张。大多数桌面agent项目把审批当UI的事后补丁，OpenWorker把它做成了一个类型系统。

每个工具先标注一个「风险类别」：

• READ — 没有副作用，永远放行
• WRITE_LOCAL — 改动工作区，按路径范围卡
• EXEC — 执行命令
• EXTERNAL — 副作用发生在机器之外，比如发消息

然后五种运行模式决定同一个风险类别怎么处理：

• discuss — 只读对话
• plan — 只读加规划流程
• interactive — 默认模式，读自动放行，写和命令要你批准
• auto — 全放行，但写操作限制在路径范围内
• custom — 自动放行一份用户白名单

真正巧妙的是「任务级常驻规则」。当一个外部动作被你批准后，引擎可以记住「这个工具到这个目标」，下次不再问你。但这条捷径只对EXTERNAL风险开放。跑命令这件事，永远会问你，一次都不放过。

安全的边界卡在最危险的动作上，而不是图省事全放开。

无人值守和self-wake

「交付成品」真正要跨过的坎，是让它在你不盯着的时候也能干活，同时又不失控。

OpenWorker用几块设计解决了这个问题。

一是无人值守处理。会话在无人看管时遇到需要批准的动作，不会自作主张，而是把请求停下来，等你回来处理。

二是定时自动化。一个常驻调度器跑周期任务：早间简报、每周报告、频道盯守。宕机期间错过的任务重启后补跑一次，不会把积压全堆上来。

三是会话生命周期管理。从代码结构看，OpenWorker支持会话的休眠与唤醒机制——一个要等三小时后继续的任务，不用真的占着进程空转三小时，空闲期间几乎零开销。

这几块设计指向同一个方向：Agent不是一个「永远在线的服务」，而是一个「会休息、会被叫醒、会记住事的同事」。

25+工具，不是只读你的文件

OpenWorker自带25+个集成：GitHub、Slack、Jira、Notion、Linear、HubSpot、Outlook、monday.com、Gmail、Google Calendar，还有Datadog、PagerDuty、Asana、Salesforce、Zendesk、Confluence、ClickUp、Discord、Telegram。

除了内置连接器，任何能通过MCP（Model Context Protocol）访问的工具都能插进来，逐工具粒度控制。MCP配置刻意做成了和Claude Desktop、Cursor、Codex互通的格式，你从别处复制过来直接能用。

一个具体场景：你在Slack频道里@OpenWorker，它在你桌面上开一个会话，用你本机的工具完成任务，结果作为线程回复发回来。集成不是单向的读，而是双向的工作入口。

本地意味着什么

OpenWorker的模型调用直连你配置的提供商，对话、connector token、模型key全部留在本机的secret store里。唯一的云组件是一个可选的broker，处理OAuth握手，用完即走，token不存云端。应用不登录也能用。

数据路径非常清晰：你的数据只经过你自己选的模型和集成往外走，没有任何中间层。

为什么是桌面应用，而不是API

现在整个行业都在做云端Agent。OpenAI做API，Anthropic做API，Google做API。Claude Code和Codex都是终端里的命令行工具，本质还是调云端。

Andrew Ng做了一个桌面应用。

这个选择不只是「本地更安全」那么简单。它关乎一个更根本的问题：你希望AI成为你调用的服务，还是你身边的同事？

同事有自己的工位，有固定的上下班时间，会休息，会被叫醒，记得之前聊过的事。服务是你用的时候调一下，不用的时候不存在。

OpenWorker的会话休眠唤醒、无人值守处理、定时自动化、长期记忆线程，这些设计指向同一个方向：Andrew Ng想做的不是一个更强的聊天工具，而是一个真正意义上的AI同事。它住在你的桌面上，用你的工具，按你的方式工作，把成品交到你手上。

开源的选择

MIT协议，代码全开。不只是底层库，是完整的桌面应用。

这意味着你可以在它的基础上做任何事。改UI，加connector，换模型，甚至把后端拆出来嵌入你自己的产品。四层分离的架构让这件事天然可行。

Andrew Ng一贯的做法是先做教育，再做产品。Coursera的课程、DeepLearning.AI的内容、现在是OpenWorker的开源。他选择把参考实现放出来，而不是只做一个封闭产品。

还在beta，但方向已经很清楚

OpenWorker现在还在open beta，应用会自动更新，修复迭代很快。

它不完美。没有Linux构建，Windows版还没签名，某些connector还在开发中。但它选了一条和大多数人不同的路，而且在几个关键决策上做得很漂亮：类型化的风险引擎、模型彻底解耦、self-wake机制。

更值得关注的是它代表的方向。当所有人都在往云端堆Agent能力的时候，Andrew Ng选择了把Agent搬到桌面上。不是因为他不懂云端，恰恰相反，他太懂了，所以他知道云端不是唯一的答案。

AI应该交付成品，应该住在你的桌面上，应该做你的同事，而不是你的聊天工具。

这个方向，我觉得是对的。

GitHub：github.com/andrewyng/openworker
官网：openworker.com