吴恩达开源 OpenWorker：桌面 AI Agent 的本地优先范式

又一个"能替你干活"的 AI，但这一个跑在你自己的电脑上

2026 年 7 月 24 日，吴恩达在领英上发布了一条简短动态：他开源了一个叫 OpenWorker 的桌面 AI 智能体。不到 48 小时，GitHub 上的 Star 数已经突破 3700。

这不是第一个桌面 AI Agent。但 OpenWorker 的独特之处在于它明确提出并执行了一套与主流云 Agent 截然不同的设计哲学：本地优先、模型中立、用户审批。在 AI 行业正在为"Agent 应该跑在云端还是本地"争论不休的当下，吴恩达用自己的代码投下了一票。

OpenWorker 是什么？一句话：在你的电脑上干活的 AI 同事

OpenWorker 的定位非常清晰。它不是聊天机器人，而是"交付成品"的 AI 智能体。官网上给出了几个典型场景：销售场景中，它可以整理客户背景、发现扩展信号、准备待审阅的跟进内容；高管场景中，它可以整理日历、从邮件对话中提炼待办和决策；营销场景中，它可以汇总活动信号、解释变化、整理报告；运维场景中，它可以把告警与近期变更和运行手册关联起来。

它的运作方式是：用户用大白话交代任务目标——比如"明天上午 10 点和 Acme 续约，帮我把该看的材料理出来"——然后 OpenWorker 在本地协调执行，从 HubSpot 拉客户数据、从邮件找往来记录、从文件系统读取相关文档，最终生成一份结构化的续约要点简报，等用户审阅后再发出跟进邮件。

整个过程中，所有数据都在用户电脑上流转。凭据保存在本机密钥存储中，模型调用通过用户自备的 API 密钥完成。需要发邮件、发 Slack 消息等关键操作时，OpenWorker 会停下来等待用户批准。

三大设计原则，直击云 Agent 的痛点

OpenWorker 的设计哲学可以归纳为三个原则，每个都精准针对当前桌面 Agent 赛道的核心争议：

原则一：本地优先。 OpenWorker 默认在本地运行，用户的文件、邮件、日历数据不出自己的电脑。这直接回应了企业对 AI Agent 最大的顾虑——数据安全。当一个 AI 需要读取你的全部邮件、日历和客户数据才能发挥价值时，把这些数据上传到第三方云服务器的风险是不可接受的。本地优先不是可选项，而是 AI Agent 进入企业场景的前提条件。

原则二：模型中立。 OpenWorker 不捆绑任何模型。用户可以用 OpenAI 的 GPT、Anthropic 的 Claude、Google 的 Gemini，也可以用 Kimi、GLM、DeepSeek、通义千问等国产模型，甚至通过 Ollama 运行完全本地的开源模型。底层基于吴恩达此前开源的 aisuite 库——一个与提供商无关的 Python 框架，通过统一 API 支持多种大语言模型。每个任务都可以选不同的模型，对话中也能随时切换。

原则三：用户审批。 这是 OpenWorker 区别于"全自动 Agent"的关键设计。用户不仅设定目标，还划定工具范围和批准规则。发邮件、发 Slack 消息、执行命令等操作在执行前需要用户点头。这种"人机协作"模式降低了用户的心理门槛——你知道 AI 不会在你不知情的情况下做任何事。

技术栈：轻量但完整

OpenWorker 的架构简洁但实用。它基于 aisuite 库实现模型无关性，支持 25 种以上的工具集成——从 Slack、Outlook、Gmail 到 Notion、HubSpot、GitHub、Jira、Linear，覆盖了知识工作者日常使用的主要生产力工具。

事件驱动的自动化是另一个亮点。用户可以选择触发工作流的事件：Slack 中被 @ 时自动收集故障背景和近期变更、收到特定邮件时自动准备回复草稿、会议前自动整理最新数据。但关键操作仍然需要批准——OpenWorker 的设计者显然深谙"失控的自动化比没有自动化更危险"。

在模型接入方面，OpenWorker 支持的列表堪称"全家桶"：OpenAI、Anthropic、Google、xAI、Mistral、Together AI、Fireworks 等海外厂商，以及智谱 GLM、Kimi、DeepSeek、通义千问、MiniMax 等国产模型，加上 Ollama 本地部署能力。这种开放姿态在目前桌面 Agent 产品中数一数二。

目前 macOS 版本已正式上线，Windows 版本已可运行但尚未签名。项目采用 MIT 许可证，100% 开源，GitHub 仓库地址为 github.com/andrewyng/openworker。

桌面 Agent 赛道的范式之争

OpenWorker 的发布，让桌面 AI Agent 赛道的"云 vs 本地"之争变得更加激烈。

一边是以某主流 AI 厂商为代表的云 Agent 路线——Agent 的核心逻辑跑在云端，桌面端只是一个前端界面。这种方案的优势是计算能力不受本地设备限制，产品迭代快，但代价是用户数据必须离开本地。

另一边是以 OpenWorker 为代表的本地优先路线——Agent 的协调逻辑和数据处理都在本地完成，仅通过 API 调用云端模型进行推理。数据不出设备，用户完全掌控访问权限和批准流程。

OpenWorker 选择后者，不仅是技术偏好，更是一种产品立场。吴恩达在 AI 教育领域深耕多年，深知企业用户对数据安全的敏感性。他在领英的发布动态中没有讨论模型的参数规模或推理速度，而是强调"重要操作始终由你批准"——这句话本身就是一种产品宣言。

3.7k Star 背后：开发者为什么买账？

OpenWorker 上线不到 48 小时就获得 3700 多个 Star，这个增速在桌面 Agent 类项目中相当可观。驱动这个数字的，不仅是吴恩达的个人号召力，更是开发者对"可控的 AI Agent"的真实需求。

过去一年，AI Agent 的概念被反复炒作，但大多数产品落地时都遇到了同一个问题：用户不信任它。不信任它读邮件、不信任它操作文件、不信任它发消息——这些不信任最终指向一个根源：用户看不到 Agent 在做什么，也无法有效控制它做什么。

OpenWorker 用三个步骤解决了这个问题：数据不出本地、操作需要批准、代码完全开源可审计。这三步走下来，信任门槛大幅降低。一个值得注意的细节是：OpenWorker 已经在 GitHub 上出现了社区贡献的汉化包和自定义 API 项目，说明开发者不仅在使用它，还在围绕它构建生态。

结语：AI Agent 的下一个阶段，从"更智能"到"更可信"

OpenWorker 的意义不在于它比别的桌面 Agent 多实现了几个功能，而在于它提出了一套完整的设计范式。这套范式回答的是一个比技术实现更根本的问题：什么样的 AI Agent，用户才敢用？

吴恩达的答案是：跑在我自己的电脑上、用我选的模型、每一步重要操作都经过我同意。这个答案朴素但精确。当 AI Agent 从"玩具"走向"工具"，从"演示"走向"生产力"，信任将成为比智能更稀缺的资源。OpenWorker 用 100% 开源和本地优先的设计，为这条路径打了一个样。