OpenBot：当 AI Agent 终于有了自己的桌面、自己的浏览器、自己的同事

一个 Agent 的工位

想象你新招了一个实习生。你给他一张桌子、一台电脑、一个浏览器，然后说："这是你的工位，文件放这边，需要查资料就开浏览器，有事情就发消息给隔壁工位的同事。"

然后你发现：他没有桌子。他每次干活都站在走廊里，干完活就消失，下次再来时什么都不记得了。

这就是今天大多数 AI Agent 的处境。你在 Claude Code 里开一个会话，它帮你写完代码，关掉窗口，一切归零。下次再开，它不记得上次干了什么，不知道你的项目结构，更不可能主动找另一个 Agent 商量。

OpenBot 想做的事情很简单：给每个 Agent 一张桌子。

不是聊天框，是工位

OpenBot 的定位是 local-first desktop workspace for persistent AI teammates——本地优先的桌面工作区，给持久的 AI 队友用。

关键词不是 "desktop"，是 persistent。

在 OpenBot 里，每个 Agent 有：

• 独立的工作区（workspace）：文件、上下文、会话历史都存在本地
• 独立的消息队列（FIFO queue）：任务排队、暂停、恢复、取消，崩溃后能恢复
• 独立的浏览器（embedded browser）：Agent 可以打开网页、检查元素、控制页面
• 独立的模型配置：每个 Agent 可以用不同的模型（Codex、Claude、Grok、Gemini、Cursor、Cline）

这不是一个聊天工具加了 Agent 功能。这是一个操作系统，为 Agent 设计的操作系统。

Agent 之间能说话

OpenBot 最有意思的设计是 agent-to-agent messaging。

一个 Agent 干不完的活，可以委托给另一个 Agent。它们之间可以发消息、回复、发图片、传文件。还有一个 "shared desktop channel"——多个 Agent 共享一个频道，有一个 task owner，可以显式委派任务。

这像什么？像一个团队。

你有一个擅长写代码的 Agent（Codex），一个擅长做设计的 Agent（Claude），一个擅长搜索的 Agent（Grok）。它们各自坐在自己的工位上，需要协作时发消息，需要交接时传文件，需要讨论时开频道。

这不是 "多 Agent 系统" 的论文概念，这是把多 Agent 系统装进了一个桌面应用。

"danger-full-access" 的诚实

OpenBot 的 README 里有一段警告，用词罕见地直接：

Agents currently run with danger-full-access and approvalPolicy: never. They can read and modify files, run commands, use the network, and control the embedded browser without per-action confirmations.

danger-full-access。不是 "elevated privileges"，不是 "extended permissions"，是 "danger"。

这个命名本身就是一种设计哲学。大多数 Agent 工具会粉饰安全风险——说 "agent has broad capabilities" 而不是 "agent can do anything"。OpenBot 选择了最直白的说法：危险，全权限，不问。

为什么？因为 per-action confirmation 是 Agent 工作流的敌人。

想象你让 Agent 帮你重构一个模块，它需要读 50 个文件、改 20 个文件、跑 10 次测试、查 5 个网页。如果每一步都要你点 "approve"，你不是在用 Agent，你是在玩打地鼠。

OpenBot 的选择是：第一次启动时明确授权，之后不再打扰。代价是你要信任你的 Agent，而且要做好备份。

这不是唯一正确的选择——Cursor 选了不同的路，每步都问。但 OpenBot 的选择更接近真实的工位逻辑：你招了一个实习生，第一次给他钥匙，之后不会每次进办公室都让他出示身份证。

Computer Use：Agent 操作你的屏幕

OpenBot 还支持 Computer Use——通过 cua-driver 二进制文件，Agent 可以控制鼠标和键盘，操作桌面应用。

这意味着什么？Agent 不只能写代码，还能：

• 打开 Figma 调设计
• 打开 Excel 看数据
• 打开终端跑命令
• 打开浏览器查资料

Agent 从 "帮你写代码的助手" 变成了 "坐在你旁边的同事"——它能用你的电脑，不只是能用你的代码编辑器。

当然，这也意味着风险更大。一个能控制你屏幕的 Agent，如果指令理解错了，可以造成真正的破坏。这就是为什么 OpenBot 强调 "run only agents and tasks you trust"。

本地优先，不是离线优先

OpenBot 反复强调自己是 local-first，但特意澄清：不是 offline-only。

Agent 连 OpenAI、连 Anthropic、连 xAI、连 Google——这些都需要网络。但你的数据（会话历史、工作区文件、消息队列）存在本地。Agent 的 "工位" 在你的机器上，Agent 本身可能调用云端模型。

这个区分很重要。很多 "local-first" 工具其实只是 "本地 UI + 云端模型"。OpenBot 做到了真正的本地优先：工作区、队列、浏览器、消息——这些基础设施全在本地，模型只是调用。

为什么是桌面应用，不是 Web 应用？

OpenBot 是 Electron 应用（macOS/Windows/Linux）。为什么不是 Web？

因为 浏览器是 Agent 的工具，不是 Agent 的容器。

如果 OpenBot 是 Web 应用，Agent 需要操作浏览器时就得通过远程调试协议连接到你的 Chrome——这可行但笨拙。OpenBot 内嵌了一个浏览器，Agent 可以直接控制它，不需要和你的日常浏览器抢窗口。

更重要的是，桌面应用可以做到 Web 应用做不到的事情：

• 直接读写本地文件系统
• 控制鼠标和键盘（Computer Use）
• 在后台持续运行
• 崩溃后恢复状态

Web 应用的沙箱模型是为人类用户设计的——每次打开一个标签页，关掉就没了。Agent 需要的是持久的工作环境，不是临时的标签页。

从 "Chat" 到 "Workspace"

过去两年，AI 工具的主流形态是 chat——一个输入框，一个输出区，对话即工作。

这个形态正在被打破。Cursor 把 chat 嵌进了编辑器，Claude Code 把 chat 变成了终端，OpenBot 把 chat 变成了桌面。

趋势很清楚：Agent 需要的不是更大的上下文窗口，是更持久的工作环境。

上下文窗口解决的是 "Agent 能记住多少"。工作区解决的是 "Agent 能做什么"。前者是记忆，后者是行动。

OpenBot 给每个 Agent 一个工作区、一个浏览器、一个消息队列、一个模型配置——这些东西加在一起，让 Agent 从 "回答问题的机器" 变成了 "坐在你旁边的同事"。

同事不需要每次开会都重新认识你。同事有自己的桌子。同事之间能说话。这就是 OpenBot 想做的事。

项目地址：https://github.com/nightly-labs/openbot
今日 Stars：794
状态：开发预览版，支持 macOS / Windows / Linux