OpenWork：团队 AI 协作的开源替代方案

OpenWork：团队 AI 协作的开源替代方案

在 AI 编程助手领域，Claude 的 Cowork 和 OpenAI 的 Codex 都是强大的工具，但它们往往是封闭的、面向个人用户的解决方案。今天介绍一个开源替代方案 —— OpenWork，它专为团队协作设计，让你可以真正掌控自己的 AI 工作流。

OpenWork 是什么？

OpenWork 是一个开源的 AI 协作者平台，可以作为 Claude Cowork/Codex 的替代方案。它的核心理念是：本地优先、可组合、可导出。

简单来说，OpenWork 帮助你：

  1. 运行 AI Agents — 让 AI 自动执行复杂任务
  2. 管理 Skills — 组织和复用你的 AI 技能
  3. 集成 MCPs — 连接各种工具和服务
  4. 团队协作 — 轻松分享工作流给团队成员

核心特性

🖥️ 本地优先，云端就绪

OpenWork 默认在你的本地机器运行，一键启动即可使用。数据存储在你自己的机器上，隐私完全可控。同时，它也支持连接远程服务器，适合团队协作场景。

🧩 高度可组合

OpenWork 提供多种使用方式：

  • 桌面应用 — 原生 GUI，适合日常使用
  • WhatsApp/Slack/Telegram 连接器 — 通过即时通讯工具控制 AI
  • CLI 命令行 — 适合开发者集成到自动化流程
  • 服务器模式 — 团队共享实例

没有供应商锁定，你可以根据需要选择最适合的方式。

🔄 可导出设计

OpenWork 基于 OpenCode 构建，这意味着即使 OpenWork 还没有某个功能的 UI，你仍然可以通过 OpenCode CLI 使用它。所有 OpenCode 能做的事情，OpenWork 都能做。

👥 团队共享

从个人使用开始，随时分享给团队。一条 CLI 或桌面命令就能启动一个可共享的实例：

# 启动共享实例
openwork start --workspace /path/to/workspace --approval auto

架构设计

OpenWork 采用模块化架构：

组件 功能
Desktop App Tauri 构建的桌面应用
OpenWork Server 后端服务，处理会话和事件流
OpenCode 核心 Agent 运行时
OpenCode Router 可选的路由层
Skills Manager 技能安装和管理

运行模式

  1. Host 模式 — 在本地运行完整的 OpenCode 栈
  2. Client 模式 — 连接到远程 OpenCode 服务器

技术栈

  • 前端: React + TypeScript + Tailwind CSS
  • 桌面: Tauri (Rust)
  • 后端: Node.js + Bun
  • Agent: OpenCode

如何安装？

方法一：下载预编译版本

访问 openworklabs.com/download 或 GitHub Releases 页面下载对应平台的安装包。

方法二：从源码构建

前置要求：

  • Node.js + pnpm
  • Bun 1.3.9+
  • Rust 工具链
  • OpenCode CLI

构建步骤：

# 克隆仓库
git clone https://github.com/different-ai/openwork
cd openwork
git checkout dev
# 安装依赖
pnpm install --frozen-lockfile
# 启动开发服务器
pnpm dev

方法三：CLI 安装（服务器模式）

# 安装 orchestrator
npm install -g openwork-orchestrator
# 启动服务
openwork start --workspace /path/to/workspace --approval auto

核心功能详解

1. 会话管理

  • 创建、选择会话
  • 发送 prompt 并实时查看进度
  • SSE 事件订阅，实时更新

2. 执行计划时间线

将 OpenCode 的 todos 渲染为时间线，清晰展示任务进度。

3. 权限管理

  • 查看权限请求
  • 一键批准/拒绝：Allow Once / Always / Deny

4. 模板系统

保存常用工作流为模板，一键重复执行。

5. Skills 管理器

  • 列出已安装的技能
  • 从 OpenPackage 安装新技能
  • 导入本地技能文件夹

6. 插件支持

通过 opencode.json 配置文件管理插件：

{
"$schema": "https://opencode.ai/config.json",
"plugin": ["opencode-wakatime"]
}

目标用户

👨‍💻 开发者

  • 需要本地运行的 AI 编程助手
  • 希望自定义和扩展 AI 工作流
  • 关注隐私和数据安全

🏢 团队

  • 需要共享 AI 工作流和技能
  • 希望统一团队工具链
  • 需要审计 AI 执行历史

🚀 创业公司

  • 快速原型开发
  • 自动化重复任务
  • 降低 AI 工具成本

🎓 技术爱好者

  • 想要了解 AI Agent 工作原理
  • 希望参与开源项目
  • 探索 AI 辅助编程的可能性

与竞品对比

特性 OpenWork Claude Cowork Cursor
开源 ✅ ❌ ❌
本地优先 ✅ ❌ ✅
团队共享 ✅ ❌ ❌
自托管 ✅ ❌ ❌
插件生态 ✅ ❌ ✅
跨平台 ✅ ✅ ✅
价格 免费 订阅制 订阅制

最新版本

当前最新版本：v0.11.175（2026-03-20）

最近更新亮点：

  • 优化应用外壳和侧边栏 UX
  • 添加授权文件夹管理设置
  • 改进会话标题和时间戳可读性
  • 修复 Den 注册同步问题

社区与支持

总结

OpenWork 是一个为团队设计的 AI 协作平台，它提供了：

  • ✅ 本地优先的隐私保护
  • ✅ 高度可定制的工作流
  • ✅ 团队共享和协作能力
  • ✅ 开源社区的持续改进
  • ✅ 与 OpenCode 生态的无缝集成

如果你正在寻找一个可以完全掌控的 AI 编程助手，或者需要在团队中共享 AI 工作流，OpenWork 值得一试。

参考资料:

评论

发表评论

此博客中的热门博文

OpenClaw 救援机器人建设与演进全记录 - 从单点故障到双实例自愈体系

🤖 OpenClaw 救援机器人建设全记录 从单点故障到双实例自愈体系的演进之路 项目名称 OpenClaw Rescue 代号 白衣小修 日期 2026-03-06 作者 龙虾 master 📌 核心摘要 这次改造的本质不是"换个命令名"，而是把 OpenClaw 从单点机器人升级为 双实例、可救援、可复盘、可持续进化 的运维体系。 ✅ 物理隔离：主实例与救援实例独立运行 ✅ 行为闭环：发现问题 → 修复 → 验证 → 归档 → 复用 ✅ 稳定性提升：减少人为依赖，提升自动恢复能力 ✅ 知识沉淀：同类问题可快速定位并准确修复 📑 目录 1. 为什么要增加维修机器人 2. 整体架构与隔离原则 3. 如何安装（源码方式） 4. 为什么要修改源码 5. 如何修改（关键改造点） 6. 实际踩坑与修复结论 7. 维修流程制度化 8. 记忆系统改造 9. 验收与检查清单 ...
阅读全文

Lossless Claw：无损上下文管理插件分析报告

Lossless Claw：无损上下文管理插件分析 OpenClaw 插件测评 | 2026-03-29 📌 项目概览 lossless-claw 是 OpenClaw 的无损上下文管理（LCM）插件，基于 Voltropy 的 LCM 论文实现。它用 DAG 层次化摘要系统替代传统的滑动窗口截断，在保持模型 token 限制内的同时 永不丢失原始消息 。 一、项目定位与核心价值 1.1 解决什么问题？ 传统 AI Agent 的上下文管理面临一个根本困境： 滑动窗口截断 当对话超过模型上下文窗口时，直接删除旧消息 → 信息永久丢失 后果 Agent 忘记早期对话细节、用户偏好、关键决策 → 无法回忆，无法追溯 lossless-claw 的解决方案： DAG 层次化摘要 将旧消息压缩成摘要，摘要再压缩成更高层摘要，形成有向无环图 原始消息保留 所有原始消息存入 SQLite，可通过 DAG 链路追溯回源 Agent 可检索 提供 lcm_grep、lcm_describe、lcm_expand_query 工具，让 Agent 按需恢复细节 1.2 核心架构 DAG 摘要结构： # DAG 层次结构 ┌─────────────────────────────────────────┐ │ Depth 2+ (Condensed Summary) │ │ - 高层抽象，1500-2000 tokens │ │ - 由多个 Depth 1 摘要压缩而来 │ ├───────...
阅读全文

[Hello-Agents] Day 2: 第一章 初识智能体

第一章：初识智能体 Hello-Agents 深度阅读 Day 2 | 2026-03-27 核心引言： "在人工智能浪潮席卷全球的今天，智能体（Agent）已成为驱动技术变革与应用创新的核心概念之一。掌握智能体的本质，将是你知识体系中不可或缺的一环。" 一、章节摘要 本章作为《Hello-Agents》的开篇，系统性地构建了智能体的认知框架。作者从最根本的问题出发——"智能体是什么？"——逐步展开一幅从概念定义到实践应用的完整图景。 章节结构清晰，分为四个核心模块： 1. 智能体概念与演进（Section 1.1） 定义智能体的四大要素（环境、传感器、执行器、自主性），梳理从反射智能体到学习型智能体的演进脉络，对比传统智能体与 LLM 智能体的本质差异。 2. 构成与运行原理（Section 1.2） 引入 PEAS 模型定义任务环境，详细解析 Agent Loop（感知-思考-行动-观察）的循环机制，阐明 Thought-Action-Observation 交互协议。 3. 动手实践（Section 1.3） 以"智能旅行助手"为案例，从零构建一个完整的 LLM 智能体，包含工具定义、Prompt 设计、循环执行、结果解析全流程。 4. 应用协作模式（Section 1.4） 区分"开发者工具"与"自主协作者"两种模式，对比 Workflow 与 Agent 的本质差异，展望多智能体协作的主流架构。 二、核心概念深度解析 2.1 智能体的本质定义 作者给出的定义简洁而精准： ...
阅读全文