你让 AI 帮你写个客户简报。
它回你："好的！我来帮你准备一份客户简报。首先，我们需要确定简报的结构。一般来说，客户简报包含以下几个部分：公司背景、项目概述、关键成果、下一步计划。你希望重点突出哪个部分？另外，你有没有特定的格式要求？"
你只是想要一份简报。不是一场对话。
吴恩达也受够了。3 天前他发了 OpenWorker，3K 人已经装了。
OpenWorker 是什么
一句话：AI 不该陪你聊天，该替你交活。
OpenWorker 是一个开源桌面 AI 助手，跑在你自己机器上，连接你日常用的工具，把"帮我做 X"变成一份写好的文档、一条发出去的 Slack 回复、一个更新好的日历——不是一串聊天记录。
GitHub：https://github.com/andrewyng/openworker Star：3,076 | Fork：401 | 协议：MIT | 语言：Python + Rust + TypeScript 创建时间：2026-07-20（3 天前）
它怎么工作
你："准备一份客户简报"
↓
OpenWorker 拆解任务：
1. 从 HubSpot 拉客户数据
2. 从 Slack 找相关对话
3. 从 Jira 查项目进度
4. 整合成文档
↓
关键操作前弹窗确认 → 你批准
↓
成品落地：一份 .docx 文件
不是"我建议你这样做"，是"我做完了，你看一眼"。
架构四层：
| 层 | 干什么 |
|---|---|
| 桌面壳 | Tauri 原生窗口 + React UI |
| Agent 引擎 | Python，基于 aisuite（吴恩达的统一 LLM 库） |
| 连接器 | 25+ 工具集成（GitHub、Slack、Jira、Notion、Linear、HubSpot、Outlook、Gmail、Google Calendar、monday.com...） |
| 本地存储 | 对话、Token、密钥全在本地，数据不出机器 |
4 个它真正能做的事
1. 交成品，不是聊天
"准备客户简报"→ 一份写好的文档。"整理我的日历"→ 日历已更新。"查一下发布进度"→ 从 Jira 和 GitHub 拉数据，给你一份汇总。
2. 从 Slack 直接用
在频道里 @OpenWorker，它在你桌面上开一个会话，用你的工具干活，答案回到 Slack 线程里。不用切窗口。
3. 定时跑
早报、周报、频道监控——设好自动化，它按时跑，结果落在 app 里，带完整记录。
4. 审批门控
发消息、改日历、跑命令——这些操作必须你批准。无人值守时，待审批项堆在收件箱里，不会自作主张。
模型随便换
OpenWorker 不锁模型。支持 15+ 供应商：
云模型：OpenAI、Anthropic、Google Gemini、DeepSeek、Kimi、Qwen、MiniMax、Mistral、Grok（xAI）、GLM（Z.ai）、Inkling
开源模型代理：Together、Fireworks
完全本地：Ollama
贴个 API Key 就能用，随时换。有验证过的模型列表标注哪些 tool-calling 靠谱，也可以自己填任意模型字符串（后果自负）。
隐私：本地优先
所有东西都在你机器上：Agent 循环、对话记录、连接器 Token、模型密钥——全在 app 的本地密钥库。唯一的云端服务是一个 OAuth 握手中介（给连接器用的），而且你可以不登录，用手动 API Key 代替。
代价清醒：4 个你该知道的
问题一：3 天的项目，安全漏洞还没补完。
Issue #29：Shell 命令白名单可以通过命令链绕过。Issue #30：MCP OAuth 回调不验证 state 参数，存在 CSRF 风险。88 个 Open Issues，其中安全相关的还没关。让一个 3 天的 Agent 跑 rm 命令？再等等。
问题二：本地模型体验差。
Issue #62 和 #57 都在抱怨本地 GPU 模型连不上或 tool-calling 不行。OpenWorker 的核心能力依赖 tool-calling，而本地模型（Ollama 跑的 7B/13B）的 tool-calling 质量远不如 GPT-5.6 或 Claude。用本地模型 = 大部分功能打折。
问题三：Windows 没签名。
Windows 版还没代码签名，SmartScreen 会弹警告。macOS 版已签名且公证过，Windows 用户得手动放行。
问题四：25+ 连接器，但很多是实验性的。
源码里 connectors/experimental/ 目录下的连接器还没稳定。GitHub、Slack、Gmail 这些主力没问题，HubSpot、monday.com 可能随时变。
竞品对比：它站在哪
| OpenWorker | OpenHuman | QClaw | 豆包桌面 | |
|---|---|---|---|---|
| 出品方 | 吴恩达 | Tiny Humans AI | 腾讯 | 字节 |
| 开源 | ✅ MIT | ✅ | ❌ | ❌ |
| 本地运行 | ✅ | ✅ | ✅ | ❌ |
| 模型自由 | ✅ 15+ | 有限 | 腾讯系 | 字节系 |
| 连接器 | 25+ | 少 | 5000+ Skills | 字节生态 |
| 定价 | 免费（自带 Key） | 免费 | 免费+付费 | 免费 |
| 安全审计 | ❌ 有漏洞 | 未知 | 大厂级 | 大厂级 |
OpenWorker 的差异化：开源 + 本地 + 模型自由。QClaw 的 5000+ Skills 生态更丰富，但不开源、锁腾讯模型。豆包中文体验好，但数据过字节服务器。OpenHuman 同样开源本地，但连接器少、社区小。
趋势判断：桌面 Agent 的"Android 时刻"
OpenWorker 不是第一个桌面 AI 助手，但它是第一个吴恩达做的开源桌面 AI 助手。这很重要。
吴恩达在 AI 圈的地位不需要解释。他发 aisuite 统一 LLM API，发 Context Hub 解决 Agent 幻觉，现在发 OpenWorker 做"交成品"的桌面 Agent——这是在定义桌面 Agent 的技术栈：aisuite 做模型层，MCP 做工具层，Tauri 做壳，Python 做引擎。
3 天 3K Star 的速度不算爆（对比 OpenHuman 首周万星），但吴恩达的项目的意义从来不是 Star 数，而是他选的技术路线会变成行业默认路线。aisuite 已经是很多 Agent 框架的底层，OpenWorker 很可能变成桌面 Agent 的参考实现。
但 3 天就是 3 天。安全漏洞没补、本地模型体验差、Windows 没签名——这些都是"能用"和"敢用"之间的距离。现在装来玩可以，拿它处理生产数据，再等等。
相关链接：
- GitHub：https://github.com/andrewyng/openworker
- 官网：https://openworker.com
- 下载 macOS：https://download.openworker.com/mac
- 下载 Windows：https://download.openworker.com/windows
- 底层库 aisuite：https://github.com/andrewyng/aisuite
- 安全漏洞 #29：https://github.com/andrewyng/openworker/issues/29
- 安全漏洞 #30：https://github.com/andrewyng/openworker/issues/30
暂无评论。