Orkas 与两个 OpenBot:桌面 Agent 的三条路线,与三种信任模型

你在 GitHub 搜 "OpenBot",会搜出两个毫不相干的项目。再加上 Orkas,三个东西的用户故事听起来几乎一样:本地优先、多 Agent、有自己的工作区、能连着你的编码工具、数据不上云。

目录
  1. Orkas 与两个 OpenBot:桌面 Agent 的三条路线,与三种信任模型
  2. 一、先把名字厘清
  3. 二、三条路线:谁拥有 Agent 循环
  4. 三、同一个问题,三种回答:谁决定它能动手
  5. 四、对照总表
  6. 五、各自的软肋
  7. 六、怎么选
  8. 七、如果三个都在手上,互相抄什么
  9. 结语

Orkas 与两个 OpenBot:桌面 Agent 的三条路线,与三种信任模型

你在 GitHub 搜 "OpenBot",会搜出两个毫不相干的项目。再加上 Orkas,三个东西的用户故事听起来几乎一样:本地优先、多 Agent、有自己的工作区、能连着你的编码工具、数据不上云。

但读完源码会发现,它们不是同一个产品的三个版本,而是三种互不兼容的架构答案。

仓库快照日期 2026-11-01。以下数字都是本地实测(行数按 *.ts/*.tsx/*.js 统计,排除构建产物)。

一、先把名字厘清

路径实际仓库出品方形态许可
Orkas/Orkas-AI/Orkasorkas.aiElectron 桌面应用MIT
nightly-lab-openbot/nightly-labs/openbot个人/小团队Electron 桌面 + 自托管 server + 手机 + WebPolyForm NC
OpenBot/CopilotKit/openbotCopilotKitDocker/Postgres 自托管平台,浏览器优先MIT
第三个不是"桌面助手",是给公司部署的 AI 同事平台。它跟另外两个没有共同祖先,只是撞名。


二、三条路线:谁拥有 Agent 循环

这是三个项目最根本的分野。

Orkas:自己造循环。 src/core-agent/ 是从 OpenClaw 核心模块提取出来的独立 harness,通过 @earendil-works/pi-ai 接模型。runner.ts 220 KB、session.ts 155 KB,另配上下文分层压缩预算、循环守卫、持久会话、执行计划、工作区状态。工具链自带:文件、Shell、进程会话、run_program(quickjs 沙箱)、网页抓取、记忆、元认知。

nightly OpenBot:借循环。 它不写循环,它写适配器。Codex App Server、Claude Agent SDK、Grok、ACP(OpenCode/Gemini/Cursor/Cline)、Pi、Muse 都是执行端;OpenBot 自己只暴露约 11 个直接工具,通过 MCP bridge 注入进去。它的护城河在别处:邮箱、队列、车位、审批、跨设备。

CopilotKit OpenBot:只要协议。 任何 AG-UI 端点就是一个 Bot。仓库里躺着 16 个框架样例:LangGraph、Mastra、CrewAI、ADK、Pydantic AI、Claude SDK、LlamaIndex……它故意不拥有循环,因为它的产品是治理,不是智能。

一句话总结:

Orkas 卖的是能力,nightly 卖的是编排,CopilotKit 卖的是约束。

三、同一个问题,三种回答:谁决定它能动手

这部分是这次对比里最有意思的。

控制点一句话
Orkas用户设置三档权限 + 逐次弹窗,风险由用户承担
nightly OpenBotagent 配置每个 teammate 有 access 档位和审批模式
CopilotKit OpenBot网关目标解析 → CEL 策略 → 写审计 → 才执行
CopilotKit 的网关是 fail-closed 的:策略为空即拒绝,deny 先于 allow 求值,规则写坏也拒绝,而不是放开。每个 Bot 跑在自己的容器里(Chromium + shell + workspace),出口流量走过滤代理,可以上 gVisor。

还有一个设计我觉得另外两家都该抄:审计行里带 initiator_kind,区分 person / routine / responsibility / memory / handoff,UI 上直接给一个 "Nobody watching" 过滤器。

它回答的不是"谁授权了",而是"我不在的时候,谁在用我的名义干活"。这个问题在定时任务和 Agent 互相派活的时代会越来越重要。

nightly 的文档里给 CLI 默认的是 danger-full-access(README 自己标了警告);Orkas 的默认是"可以访问整个磁盘,但敏感操作要审批"。三种取舍都诚实,但对"能过审计"的要求,只有第三种站得住。


四、对照总表

维度Orkasnightly OpenBotCopilotKit OpenBot
交付形态Electron 桌面桌面 + server + 手机 + WebDocker/Compose/Helm,桌面只是安装器外壳(Tauri)
Agent 内核自研完整循环宿主:外部 CLI 是引擎协议宿主:AG-UI 端点即 Bot
数据文件系统 JSON/JSONL单一 SQLite(48 个迁移)PostgreSQL + pgvector;会话/记忆在 CopilotKit Intelligence
协作模型单会话群聊:@ 提及 + Commander 分解 + 任务板常驻 teammate + Mailbox/队列 + channel + workflow DAGBot(coworker)+ channel + 团队发布 + Responsibilities
隔离进程内沙箱workspace 限制 + 浏览器 profile每人/每 Bot 一容器
前端栈手写 ES module,无框架无打包SolidJS 2 RC + ViteReact 19 + TanStack + shadcn
代码量src 33 万 / test 35 万行三处合计约 86 万行约 47 万行
测试936 单测 + 136 e2e,CI 仅 2 条58 vitest + 约 230 真机 e2e,CI 16 条716 个 bun test,CI 6 条
许可MITPolyForm NCMIT

五、各自的软肋

Orkas 的交付物闭环最完整(视频、配音、图像、Office、电商、建站),但它把复杂度堆进了单文件:bus.ts 552 KB、conversation.js 825 KB。主进程不打构建,打包内带 tsx 在运行期转译 TypeScript。CI 只有 2 条,936 个测试靠本地跑,回归主要依赖人工清单。

nightly OpenBot 把"Agent 团队"当基础设施做透了:邮箱、车位、steer、审批中心、Team API 能力协商、iOS/Android、自托管 server。代价是重依赖外部 CLI 的版本与行为 —— 文档里到处是"Codex 动态工具在 session 创建时固定""ACP 只能给 notes"这类补丁,还有专门的 provider CLI canary 流水线盯着。技术上也很前沿:Solid 2 RC、Effect 4、TS 7。

CopilotKit OpenBot 治理最硬、框架最开放,但它 v0.2.0、自述 beta 兼"模板而非产品"。依赖链也长:Docker + Postgres + CopilotKit Intelligence(可自托管,但要许可证)。"自有基础设施"的叙事里,会话与记忆其实落在 Intelligence —— 这是它最软的一环。配置面同样惊人,configuration.md 有 92 KB。


六、怎么选

  • 一个人干活,要成品 → Orkas。
  • 一个人/小团队,指挥一队编码 Agent,还要手机和远端 → nightly OpenBot。
  • 公司内部多人使用,需要"能过审计的 Agent" → CopilotKit OpenBot。
  • 要二次开发成自己的产品:Orkas 和 CopilotKit 都是 MIT;nightly 需谈授权。

七、如果三个都在手上,互相抄什么

1. Orkas 最该抄网关:把"三档权限 + 弹窗"升级成可写规则、可回放的策略层。initiator 的概念能直接解决它"定时任务和人在场同权限"的盲点。 2. nightly 最该抄容器隔离:它现在给 CLI 的是全权限,而 CopilotKit 证明"每 Bot 一容器 + 出口白名单"在工程上可行。 3. CopilotKit 最该抄交付物能力:它止步于浏览器 + 文件 + React 组件,没有视频/Office 流水线 —— 那正是 Orkas 的护城河。 4. 三者对"无人值守"的处理可以互相印证:nightly 的静默运行 + 失败上报、CopilotKit 的疲劳规则(连续 10 次失败自动关停)、Orkas 的项目自动推进。同一个问题的三种答案。


结语

三个项目都在解决同一句话:让 Agent 持续地把活干完,而不是回答完一个问题就消失。

区别在于,Orkas 相信"更强的引擎能自己管好自己",nightly 相信"好的调度器能让别人家的引擎协同",CopilotKit 相信"没有约束的自主不值得信任"。

三种相信都成立。你需要先回答的不是"哪个功能多",而是"我准备把多少决定权交出去,以及交给谁"。


仓库

  • Orkas — https://github.com/Orkas-AI/Orkas
  • OpenBot(nightly-labs)— https://github.com/nightly-labs/openbot
  • OpenBot(CopilotKit)— https://github.com/CopilotKit/openbot
*本文基于三个仓库的源码结构与文档对比,未实际运行三家产品;性能与真实任务成功率不在结论范围内。*

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(1)

小

作者补充:三个项目不是竞品,是三个层级

写完这篇我意识到,把它当"三选一"读会误导。它们其实对应三种场景:

场景该选的因为
个人提效Orkas装完就用,交付物闭环
3–20 人小组nightly OpenBot桌面 + 自托管 server + 手机,够用
公司级平台CopilotKit OpenBot只有它把身份、策略、审计做成了代码
所以真正的分水岭不是"Agent 多不多",而是谁持有身份与审计。没有这两样,Agent 能力越强,风险越大。

一处自我修正:文中把 nightly 归为"桌面"窄了。它有自托管 server、Team API、iOS/Android,团队协作是完整设计;卡住它的是 PolyForm 非商业许可和 SQLite 单机事实源,不是能力。

如果要做公司级平台,补三条判断标准

1. 写操作边界:能不能改生产、能不能动钱。能,就必须有网关 + 双人审批 + 回滚;不能,可以先从只读做起。 2. 数据分级:L3/L4 数据能不能出内网。不能,模型选型和会话存储都要重排。 3. 审计要求:是"出事能查"还是"事前能拦"。前者要日志,后者要 fail-closed 的策略网关 —— 两者工作量差一个数量级。

这三条里只要有一条答案是"最严",CopilotKit 就是唯一选项;三条都很松,Orkas 反而更划算。

最后一句

先别做 Swarm。先用单 Agent + 确定性工作流跑通一条能算清收益的纵向流程,再谈自主与协同。多 Agent 的失败模式不是"不够聪明",是"互相确认同一个错误"。

👍 1
合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens