腾讯最近在 GitHub 上开源了一个项目，叫 Octop，挂在 TencentCloud 官方组织下面，用的 MIT 协议。

它是个能自己部署的 AI 助手平台，支持多用户，也能同时跑多个 Agent。网上不少人把它叫"开源版 WorkBuddy"，因为它里面的专家、技能、连接器、知识库这些东西，和腾讯自己的 WorkBuddy 长得实在是太像了。

这个项目 7 月放出代码以后热度一直在涨，马上快冲刺1万Star了，今天给大家分享一下，有想打造自己专属 Agent 的，基于这个开源的 Octop 去做，我觉得是个不错的选择。

Octop 是什么

Octop 是一个开源、自托管的 AI 助手。在本地部署之后，Web 控制台、命令行工具、各个 IM 平台的机器人、定时任务，这些东西会一起跑起来，默认监听 8088 端口。你的对话记录、各个 Agent 的工作区文件、账号配置，全部存在本机的 ~/.octop/ 目录下面，数据库默认用的是 SQLite，后面数据量大了也可以换成 PostgreSQL。

"开源版 WorkBuddy"这个叫法得说清楚。腾讯官方从没这么叫过，是社区叫出来的。WorkBuddy 是腾讯的商业产品，而 Octop 代码全部公开，软件本身不要钱，还可以做二次开发定制。两边用的都是同类 Agent 技术，但目标用户不一样。

功能详情

多用户和专家体系

Octop 是支持多用户的。管理员可以给家里人或者团队里的同事开账号，每个人登录以后只能看到自己的东西，对话记录、记忆、工作区文件都是互相隔开的。

每个账号下面可以建好几个"专家"。每个专家有自己独立的工作区，可以单独配模型，也可以单独写角色设定。项目里自带了一个专家库，还有 16 种 MBTI 人格的模板，不想从头配的话，直接挑一个模板改改就能用。配好的专家可以分享给同一个部署里的其他人，别人觉得好用直接拿去用，不用每个人都从头配一遍。

另外还有一个叫 AgentTeams 的功能，目前还在 Beta。大概的玩法是有一个协调者角色，遇到步骤比较多的任务，它会把任务拆开，分给不同的专家分别去做。像那种一个人做不完、需要好几个角色配合的事情，可以用这个试试。

接入聊天软件

这个功能是我自己用下来感觉最实用的。Octop 可以接入飞书、钉钉、QQ、微信、企业微信，海外的 Telegram 和 Discord 也支持。接好以后，在群里 @ 一下机器人就能直接给它派活，不用再专门打开一个网页去聊。平时工作上的沟通本来就在群里进行，AI 也能在群里直接叫到，很多事情顺手就交代了。

连接器和插件

连接器有两种接法：OAuth 应用和 MCP 服务。

内置的连接器数量已经不少了，腾讯文档、腾讯会议、腾讯新闻这些腾讯自家的产品都在里面，Notion、Obsidian 这类第三方工具也有。接好以后，专家就可以直接去读写这些平台里的内容了。

举个例子，你可以让它去你的腾讯文档里找一份文件，然后帮你总结成几句话。

插件是另一种扩展办法，第三方做的插件可以装进来，项目自带的插件默认就装好了，想开想关都在控制台里点一下的事。

浏览器、终端和远程桌面

Browser AI+ 是在后台起一个无头浏览器，AI 可以自己打开网页、点按钮、填表单、截图，做一些信息采集和网页自动化的事情。Terminal AI+ 是在网页控制台里放了一个可以交互的终端，AI 会帮你执行命令、排查报错。

远程桌面这个更直接一点，你在控制台里能直接看到宿主机的实时画面，还可以操作鼠标键盘，Linux、Windows、macOS 都支持。如果机器是没有图形界面的 Linux 服务器，也可以一键起一个隔离的桌面环境出来用。

把代码任务交给编码 Agent

Octop 支持 ACP 协议，两个方向都能用。一个方向是把代码任务委托出去，交给 OpenCode、Claude Code、Codex、CodeBuddy 这些专门写代码的 Agent 来做，执行过程中有权限控制的环节，敏感操作要经过确认。

另一个方向是反过来，Octop 自己也可以当 ACP 服务端，给 Zed 这类编辑器调用。聊天在 Octop 里，写代码交给专门的工具，两边各干各的。

知识库和记忆

知识库用起来很简单：把自己的文档传进去，提问时 AI 会先检索这些资料，再回答。同一个部署下面的用户之间，也可以把语料共享出来一起用。

官方把记忆功能叫"可迁移记忆"。记忆跟着工作区走，换模型不会丢，换一个新的会话也还在。以前用过一些助手，记忆是跟单次对话绑定的，对话关掉就没了。用久了，它会慢慢积累你的习惯和偏好。

定时任务

定时任务可以用自然语言来配，不用自己去写 cron 表达式。比如跟它说一句，每天早上把某个资讯网站的更新整理一下发到群里，它就会每天按时去跑。控制台里有专门的页面管理这些任务，建了哪些、下一次什么时候执行，都列在上面。

快速开始

安装的方式有好几种，我自己装的时候用的是 pip，机器上有 Python 环境的话，三条命令就装完了：

pip install octop
octop init    # 初始化，建数据库和管理员账号
octop run     # 启动服务

跑起来以后，浏览器打开 http://127.0.0.1:8088 就能进控制台了。

如果不想碰命令行，也有别的选择。

macOS 和 Linux 有官方的一键安装脚本，Windows 有 PowerShell 脚本，想用 Docker 的话仓库里有现成的 compose 文件。

模型是在控制台的设置页面里配的，OpenAI 兼容的 API、阿里的 DashScope 都可以填，想用本地模型就接 Ollama。还有一种配法，是直接在聊天框里跟它说，比如"帮我加一个模型供应商，类型 OpenAI 兼容，地址是什么，Key 是什么"，它会自己去配好。如果想完全离线用，不依赖任何外部 API，那就只能用 Ollama 跑本地模型了，模型能力肯定会差一些，这个要提前想清楚。

官方在安全上做了几层保护。多用户之间用 JWT 做隔离，敏感信息在离开工作区之前会做脱敏处理，有风险的 shell 命令要人确认了才会执行，具体哪些命令放行、哪些拦截，规则文件可以自己改。要是部署到公网，默认密码必须改，防火墙也得配好，别装完就不管了。

最后聊聊

我用了一段时间，感受是这样的。

小团队在意数据自己掌控、想给家里人搭一套共用的 AI 助手，或者你本身就爱折腾、想自己选模型和配置，Octop 会比较合适。特别是平时工作沟通都在飞书、钉钉、企业微信里的团队，能把 AI 直接拉进群聊，很多事情不用在几个应用之间切来切去，确实方便。

但如果你不想一直养一台机器，也不想管 API 账单，WorkBuddy 这种开箱即用的产品更省事。自己部署是自由，但代价也明显：机器得一直开着，出问题只能自己查。

最后我还有个疑问，多用户、专家体系、聊天软件和知识库那些 WorkBuddy 常用的东西都放到 Octop 里面开源出来，功能又很相近，不会分走自家商业化产品 WorkBuddy 的用户吗？

开源地址

https://github.com/TencentCloud/Octop