每日开源 · 第 097 期 · 早间篇

OpenWork：把 AI Agent 工作台

从订阅制变成开源 + 本地的革命

Claude Cowork 的开源平替，18.7k Stars 的桌面 AI 协作平台

2026 年 7 月 31 日 · GitHub Trending [#4](javascript:😉 · 今日 +915 ⭐

📋 项目速览

**项目名称：**OpenWork

**GitHub：**different-ai / openwork

**Stars：**18,734+ （今日 +915）

**定位：**Claude Cowork 的开源替代品

**引擎：**OpenCode（18万+ Stars 开源编码代理）

**技术栈：**Electron + React + TypeScript + Node.js

**平台：**macOS / Windows / Linux

**协议：**MIT（核心）/ FSL-1.1-MIT（企业版）

🎯 它能解决什么问题？

2026 年 1 月，Anthropic 正式发布 Claude Cowork——一款能直接操控你电脑桌面的 AI 代理工具。它不再是"问答机器人"，而是一个真正的"数字同事"：整理文件、处理数据、自动完成复杂工作流。

但问题也很明显：

🔴 价格门槛 —— Max 订阅 100-200 美元/月，对个人开发者和小团队不够友好

🔴 数据隐私 —— 文件内容必须上传云端处理，敏感数据"裸奔"

🔴 平台锁定 —— 只能用 Claude 模型，不能切换到其他 LLM 或本地部署

就在社区热议的同一时间，一个叫做 OpenWork 的项目在 Hacker News 横空出世。创始人 Ben Shafii 花 48 小时做出 v0 版本，直接丢到 HN 冷启动。它的口号很简单：把 AI 桌面 Agent 从订阅制变成开源 + 本地运行。

半年后的今天，OpenWork 已经从"48 小时黑马"进化为一个有 YC 背书的商业平台。18,734 Stars、4,100+ 次提交、15 万+ 下载量，它正在重新定义 AI 工作流共享的方式。

✨ 核心亮点

1. 跨工具 AI 工作流共享

OpenWork 最核心的设计理念是：创建一次工作流，到处复用。你只需将 OpenWork MCP 添加到 Codex、Claude Code、Cursor 等任何兼容代理中，就能跨工具、跨团队成员、跨机器复用相同的 Skills、MCP 服务和工作流模板。

比如你用 Claude Code 调试好了一个"周报自动生成"工作流，同事打开 Cursor 就能直接使用——不需要重新配置，不需要学新工具。这就是 OpenWork 说的「把 Agent 工作流产品化」。

2. 人在回路 + 可视化审计

传统 CLI Agent 是一个黑盒子——你不知道它在做什么，直到出错。OpenWork 用两个机制解决信任问题：

**可视化执行时间轴：**每一步规划与操作（文件修改、命令执行、API 调用）都在界面上实时呈现，完整可溯源。

**权限审批弹窗：**敏感操作弹出三个选项——允许一次 / 始终允许 / 拒绝。非技术用户也能安全使用 AI 代理，无需担心意外数据损失。

3. 50+ 模型自由切换

不绑定任何一家 LLM 厂商。支持 OpenAI、Anthropic、DeepSeek、Qwen、本地 Ollama、甚至你自己微调的模型。企业可以像配路由器一样，根据成本、性能、合规要求随时切换 AI 大脑。对国内开发者格外友好——DeepSeek API Key 一配，成本比 Claude 低一个数量级。

4. 技能市场 + 生态网络效应

内置 Skills Manager，像 VS Code 插件一样安装/导入/管理技能包。在项目目录下放 SKILL.md 文件，OpenWork 就能识别并加载。用户可以把自己的工作流打包分享给团队，一个链接就能让所有人复用。

OpenWork 的目标是建立 AI 代理领域的 “Obsidian 插件生态”——当企业发现需要的某个工作流插件只有在 OpenWork 生态里才有，网络效应才算真正形成。

5. 企业级部署能力

OpenWork 不只是一个"开源玩具"。它提供完整的企业级部署方案：

**Den 控制平面：**集中管理团队成员的模型访问权限、桌面策略下发、技能和插件分配

**SSO + SCIM：**企业级身份认证和用户同步，符合 IT 安全合规要求

**Helm Charts + Kubernetes：**完整容器化部署，支持私有网络和气隙（完全离线）环境

**MCP OAuth：**企业级 MCP 标准化鉴权，支持 Salesforce 等应用的 OAuth 发现

🏗️ 架构设计

理解 OpenWork 的架构，才能用好它。整个系统分为四层：

第 1 层 · 界面层 —— Electron 桌面应用，提供原生 macOS/Windows/Linux 体验。也支持纯 Web 界面和 CLI 命令行模式。

第 2 层 · 引擎层 —— OpenCode，一个 18 万+ Stars 的开源 AI 编码代理引擎。负责会话管理、工具执行、权限处理、SSE 事件流推送。

第 3 层 · 编排层 —— OpenWork Orchestrator，守护进程管理多个工作区生命周期。支持无头模式（Headless），放服务器上当 24 小时 AI 同事。

第 4 层 · 集成层 —— 50+ LLM 提供商 + MCP 服务器 + 本地文件系统。通过 MCP 协议连接数据库、GitHub、Google Drive 等外部工具。

架构上最聪明的设计是**「引擎和界面分离」**：OpenCode 可以脱离 OpenWork 桌面 UI 独立运行，这意味着它未来可以驱动 Web 应用、聊天机器人、甚至移动端。

📱 实战场景展示

场景一：个人文件管家

对着 OpenWork 说一句"把下载文件夹里上周的图片按日期分类，给每个文件夹起有意义的名字"，AI 就会自动规划步骤、请求文件访问权限、批量处理，执行过程在时间轴上完整可见。

场景二：团队共享 AI 服务器

在团队服务器上用主机模式启动 OpenWork，团队成员通过客户端模式连接。一个人调试好的"竞品分析报告生成"工作流保存为模板，整个团队一键复用。所有数据和 API Key 留在自己服务器上，零隐私风险。

场景三：企业自动化流水线

市场部更新网站文案 → 自动生成 PR → 通知开发团队 → 部署上线。HR 根据岗位描述自动生成 JD → 多平台一键发布 → 跟踪候选人状态。这些原本需要数小时的多步骤流程，在 OpenWork 中变成一条自动化工作流。

场景四：完全离线私有化部署

安装本地 Ollama 运行 Qwen 或 DeepSeek 模型，OpenWork 配置 Custom Provider 指向本地地址。从此断网也能用 AI 代理——法律、医疗、金融等"数据洁癖"行业的刚需。

🚀 上手指南

方式一：通过 AI 代理一键安装（推荐）

直接把下面这句话粘贴到 Claude Code、Cursor、Codex 等任何支持 MCP 的代理中：

Install OpenWork on my computer, set up my first workspace, and open it ready to use. Follow the steps in https://openworklabs.com/start.md?v=hero

方式二：通过 MCP 集成

无需安装桌面应用，直接通过 MCP 协议连接：

Codex：

codex``mcp add openwork --url https://api.openworklabs.com/mcp/agent

Claude Code：

claude``mcp add --transport http openwork https://api.openworklabs.com/mcp/agent

OpenCode（opencode.json）：

{   "mcp": {     "openwork": {       "type": "remote",       "enabled": true,       "url": "https://api.openworklabs.com/mcp/agent",       "oauth": {}     }   } }

方式三：从源码构建

# 克隆项目（注意子模块！） git clone https://github.com/different-ai/openwork.git cd openwork git submodule update --init --recursive # 安装依赖 pnpm install # 启动桌面应用（开发模式） pnpm dev # 或仅启动 Web 界面 pnpm dev:web

避坑提示

**⚠️ 子模块别忘了：**克隆后必须运行 git submodule update --init --recursive，否则会报找不到 opencode 依赖。

**⚠️ macOS 签名绕过：**遇到"应用已损坏"提示，运行 sudo xattr -rd com.apple.quarantine /Applications/Openwork.app

**⚠️ 工作区范围：**首次启动记得在设置中手动添加「Allowed Folders」，建议只添加项目根目录，不要授予全局根目录权限。

安装技能包

# 通过 OpenPackage 安装社区技能 opkg install openpackage://essentials opkg install openpackage://home-automation opkg install openpackage://markdown-publisher # 或手动放置自定义技能 # 在 .opencode/skills/ 目录下创建 SKILL.md 文件即可

连接本地 Ollama（完全离线）

# 1. 安装并启动 Ollama ollama serve # 2. 拉取本地模型 ollama pull qwen2.5:14b      # 通用任务 ollama pull deepseek-coder-v2 # 代码生成 # 3. 在 OpenWork 设置中选择 Custom/Ollama Provider # 填入本地地址 http://localhost:11434 即可

⚖️ 与 Claude Cowork 的对比

**💰 费用：**OpenWork 免费开源（MIT） vs Claude Cowork 订阅制约 100-200 美元/月

**🏠 运行位置：**OpenWork 本地优先 + 可选自建远程 vs Claude Cowork 完全云端

**🤖 模型选择：**OpenWork 支持 50+ LLM（含 Ollama 本地） vs Claude Cowork 仅 Claude 模型

**🔒 隐私：**OpenWork 数据完全可留在本地 vs Claude Cowork 依赖厂商云端

**🔐 权限控制：**OpenWork 细粒度「人在回路」审批 vs Claude Cowork 自动执行，不可拦截

**🔌 扩展性：**OpenWork 技能/插件系统 + 社区生态 vs Claude Cowork 闭源，扩展空间受限

💡 今日总结

OpenWork 不是一个完美的 Claude Cowork 替代品——它的任务执行速度和模型能力在长链复杂场景上暂时不如 Claude 原生方案。但它在开源、本地化、团队共享、模型自由这四个维度上建立了不可复制的竞争优势。

它的真正价值不是"免费版的 Cowork"，而是提供了一个开放的基础设施——让 AI 代理工作流像代码一样可以被创建、分享、复用和审计。当企业发现数据主权、成本灵活性和定制化能力比"最好用的那个模型"更重要时，OpenWork 就是那个唯一的答案。

**👍 适合：**在意数据隐私的开发者、想要团队共享 AI 工作流的小团队、需要私有化部署的企业（金融/医疗/法律）

**👎 不适合：**想要开箱即用零配置的用户、对 AI 代理稳定性要求极高的生产环境

**⚠️ 注意：**项目仍处于快速迭代期（当前 v0.18.12），API 和功能可能发生破坏性变更。推荐先在开发环境试用。

💬 今日互动

你会选择 Claude Cowork 还是 OpenWork？或者你已经用上了？欢迎在留言区分享你的使用体验和避坑心得！

👇 觉得有用就点个「在看」，让更多人看到好项目

🔗 GitHub：https://github.com/different-ai/openwork

📚 文档：https://openworklabs.com/docs

📥 下载：https://openworklabs.com/download

📢 本文仅作技术分享与开源项目推荐，不构成任何产品或服务的使用建议。项目信息基于公开资料整理，请以官方文档为准。

⚠️ 本工具依赖境外公开数据源，部分平台在中国大陆需合规网络环境。本文仅作技术分享，不构成任何使用建议。