<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0"
xmlns:dc="http://purl.org/dc/elements/1.1/"
xmlns:atom="http://www.w3.org/2005/Atom"
>
<channel>
<title><![CDATA[APES]]></title> 
<atom:link href="https://blog.apescale.com/rss.php" rel="self" type="application/rss+xml" />
<description><![CDATA[洞察先机   安全可靠]]></description>
<link>https://blog.apescale.com/</link>
<language>zh-cn</language>

<item>
    <title>WorkBuddy 产品路线图深度解析：从桌面 AI 助手到企业级协作平台</title>
    <link>https://blog.apescale.com/?post=117</link>
    <description><![CDATA[<p>2026 年 3 月 4 日，腾讯旗下 AI Agent 办公助手 <strong>WorkBuddy</strong> 以 4.5.0 版本正式发布，定位为"通过自然语言对话完成日常任务"的桌面助手，支持文件处理、内容创作、代码生成等场景。此后不足半年时间，其版本号从 4.5 一路演进至 5.5.6，更新日志累计数十个版本。本文基于官方 Changelog，梳理 WorkBuddy 的产品演进脉络，解读其背后的产品路线图。</p>
<h2>一、产品定位的演变</h2>
<p>WorkBuddy 的定位经历了清晰的三级跃迁：</p>
<ul>
<li><strong>个人桌面助手（4.5.0，2026-03）</strong>：多模型对话、工作空间管理、Claw 持续对话、Skill 扩展系统、文件读写与终端命令。</li>
<li><strong>AI 能力平台（4.6 ~ 4.24）</strong>：专家中心、MCP 集成、插件市场、多渠道 BOT、腾讯文档深度集成，成为可扩展的 AI 能力聚合与分发平台。</li>
<li><strong>企业级协作平台（5.0 起）</strong>：Teams 团队协作、项目看板、资产库、任务流转、企业智能体与行业 Buddy，迈向组织级协作与行业垂直深耕。</li>
</ul>
<h2>二、六大演进主线</h2>
<h3>主线一：能力生态化——从内置能力到开放生态</h3>
<p>WorkBuddy 从一开始就确立了"以 Skill 扩展 AI 能力"的思路，并逐步构建起完整生态：Skill 扩展系统（4.5）→ SkillHub 市场与插件市场（4.6）→ 专家中心与专家团（4.6/4.24）→ 企业自建 Skill 与套件市场（5.0/5.1）→ 连接器与 MCP 开放协议（4.6 起持续强化）→ 企业智能体（5.3）→ 行业 Buddy 应用（5.5）。能力来源从"内置"走向"社区、企业、第三方"的开放供给。</p>
<h3>主线二：触达渠道——从桌面端到全场景连接</h3>
<p>产品从单机桌面助手逐步打通多渠道：企微/钉钉/飞书/QQ 多渠道 BOT（4.6）→ 微信 ClawBot（4.6）→ 微信小程序扫码登录（4.9）→ 移动端连接电脑与端云同步（5.2/5.3）→ 网页端与官网拉起登录（5.3）。并持续强化微信聊天记录、企微微盘/日程/会议等 IM 数据的自动读取与联动。</p>
<h3>主线三：协作——从个人工作空间到团队协作</h3>
<p>5.0.0 是协作能力的分水岭：新增 Teams 团队协作（项目创建、成员邀请、权限管理）、项目计划看板、项目资产库（网盘）、任务协作对话、任务流转与消息中心。随后不断完善专家团调度、队列派发、子助理协作等多人多 Agent 协作能力。</p>
<h3>主线四：多模态创作——从文生图到创意设计</h3>
<p>内容能力持续从文本向多模态延伸：文生图/图片生成（4.6 起）→ 视频生成（5.2）→ 3D 模型生成（5.4）→ 创意设计能力与品牌设计（5.5）→ 创意设计 PPT 模板与媒体运营场景（5.4/5.5）。灵感（Inspiration）模块与 Ardot 画布内嵌预览，将生成式创作产品化。</p>
<h3>主线五：商业化——积分与订阅体系成型</h3>
<p>商业模式逐步完善：积分（Credits）体系与自动续费（4.x）→ 套餐管理与助理配额（5.2）→ 模型夜间折扣、Token Plan 按需计费（5.2）→ 成长计划（"领取 Buddy 赚积分"）与订阅和用量页（5.4/5.5）。计费信息愈发透明、灵活。</p>
<h3>主线六：安全与稳定性——企业级的技术底座</h3>
<p>安全能力与稳定性贯穿始终：MCP OAuth 授权（4.7）、Skill 安装安全检测（4.7）、沙箱安全策略与目录写保护（5.0/5.1）、安全中心审计日志与文件自动备份（5.1/5.3）、高危命令 IM 审批（4.9）、工具循环检测黑名单。同时持续优化上下文压缩、端云同步、弱网恢复与多端一致性。</p>
<h2>三、阶段化时间线</h2>
<table border="1" cellpadding="6" cellspacing="0">
<tr><th>阶段</th><th>时间</th><th>版本</th><th>标志性能力</th></tr>
<tr><td>发布期</td><td>2026-03</td><td>4.5.x ~ 4.6.x</td><td>正式发布、专家中心、插件市场、多渠道 BOT、SkillHub</td></tr>
<tr><td>生态连接期</td><td>2026-04</td><td>4.7.x ~ 4.21</td><td>MCP OAuth、Skill 安全检测、腾讯文档资料库、产物云上传</td></tr>
<tr><td>协作平台期</td><td>2026-05</td><td>4.22 ~ 4.24</td><td>自定义专家、MCP 进度展示、HTML 产物分享、对话内搜索</td></tr>
<tr><td>团队协作期</td><td>2026-06</td><td>5.0.x ~ 5.1.x</td><td>Teams 协作、项目看板、资产库、任务流转、锁屏远程</td></tr>
<tr><td>商业化完善期</td><td>2026-07</td><td>5.2.x</td><td>视频生成升级、套餐配额、夜间折扣、用量提醒</td></tr>
<tr><td>深度智能期</td><td>2026-08</td><td>5.3.x ~ 5.4.x</td><td>企业智能体、腾讯文档深度集成、Worktree 并行开发、3D/创意设计</td></tr>
<tr><td>行业化期</td><td>2026-09</td><td>5.5.x</td><td>行业 Buddy 应用、创意设计强化、自动化重试</td></tr>
</table>
<h2>四、路线图研判与展望</h2>
<p>综合更新日志，WorkBuddy 的演进遵循一条清晰主线：<strong>以对话式 AI 为核心，从个人效率工具向"AI 驱动、生态开放、组织协作、多模态创作"的企业级平台演进</strong>。可以预见其下一步方向：</p>
<ul>
<li><strong>行业垂直深化</strong>：行业 Buddy 应用将向更多垂直场景扩展，沉淀行业专家与专属连接器。</li>
<li><strong>AI 自驱动与自动化</strong>：从"人发起任务"走向"定时任务/自动化/自我进化（self-improvement）"，强化 AI 自主性与工作流编排。</li>
<li><strong>更深的企业集成</strong>：围绕腾讯文档、企微、腾讯会议等生态持续加深，形成办公闭环。</li>
<li><strong>多模态与创意设计升级</strong>：图片/视频/3D/品牌设计的协同创作将更加成熟。</li>
</ul>
<p>从一个"能聊天的桌面助手"，到覆盖专家生态、团队协作、多模态创作与企业安全底座的 AI Agent 平台，WorkBuddy 的半年之路，正是 2026 年 AI Agent 办公产品主流演进方向的缩影。</p>
<p><em>资料来源：WorkBuddy 官方更新日志（codebuddy.cn / workbuddy.cn）</em></p>]]></description>
    <pubDate>Mon, 14 Sep 2026 15:02:40 +0800</pubDate>
    <dc:creator>figmar</dc:creator>
    <guid>https://blog.apescale.com/?post=117</guid>
</item>
<item>
    <title>GitHub 增长最快开源项目 Top20（2026-09-12）：AI 智能体与 Skills 生态全面霸榜</title>
    <link>https://blog.apescale.com/?post=116</link>
    <description><![CDATA[]]></description>
    <pubDate>Sat, 12 Sep 2026 20:02:14 +0800</pubDate>
    <dc:creator>figmar</dc:creator>
    <guid>https://blog.apescale.com/?post=116</guid>
</item>
<item>
    <title>GitHub 增长最快开源项目 Top20（2026-09-09）：AI 智能体与 Skills 生态持续霸榜</title>
    <link>https://blog.apescale.com/?post=113</link>
    <description><![CDATA[<p>本期榜单抓取自 GitHub Trending（每日增长最快），并融合本周热门补足 20 个席位，统计时间 2026-09-09。本期榜单几乎被 <b>AI 智能体（Agent）与 Skills 生态</b>全面占据，以下对每个上榜项目进行结构化中文点评。</p>
<h2>一、榜单速览</h2>
<table style="border-collapse:collapse;width:100%;font-size:14px;"><thead><tr style="background:#f6f8fa;"><th style="padding:8px 10px;">排名</th><th style="padding:8px 10px;text-align:left;">项目</th><th style="padding:8px 10px;text-align:left;">简介</th><th style="padding:8px 10px;">语言</th><th style="padding:8px 10px;">Stars</th><th style="padding:8px 10px;">今日增量</th><th style="padding:8px 10px;">来源</th></tr></thead><tbody><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#e11d48;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">1</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/affaan-m/ECC" style="color:#0969da;font-weight:600;text-decoration:none;">affaan-m/ECC</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">The agent harness performance optimization system. Skills, instincts, </td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">JavaScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">254,738</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+1,427</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#f59e0b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">2</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/Tencent/teamai-cli" style="color:#0969da;font-weight:600;text-decoration:none;">Tencent/teamai-cli</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Make Every Team AI Native</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">TypeScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">2,647</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+1,083</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#10b981;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">3</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/liquidslr/system-design-notes" style="color:#0969da;font-weight:600;text-decoration:none;">liquidslr/system-design-notes</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Notes of the book System Desgin Interview - An Insider's Guide</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">—</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">17,503</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+910</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">4</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/cathrynlavery/diagram-design" style="color:#0969da;font-weight:600;text-decoration:none;">cathrynlavery/diagram-design</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">38 editorial diagram types for Claude Code, Codex, and Pi. Self-contai</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">HTML</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">35,989</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+710</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">5</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/ayghri/i-have-adhd" style="color:#0969da;font-weight:600;text-decoration:none;">ayghri/i-have-adhd</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">A skill to stop your coding agent from burying the answer. ADHD-friend</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">Python</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">32,672</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+656</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">6</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/freestylefly/awesome-gpt-image-2" style="color:#0969da;font-weight:600;text-decoration:none;">freestylefly/awesome-gpt-image-2</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Prompt as Code | GPT-Image2 工业级提示词引擎与模板库，530+ 个案例逆向工程，20+ 套工业级模板，并提炼出S</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">JavaScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">29,620</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+612</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">7</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/TauricResearch/TradingAgents" style="color:#0969da;font-weight:600;text-decoration:none;">TauricResearch/TradingAgents</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">TradingAgents: Multi-Agents LLM Financial Trading Framework</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">Python</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">103,558</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+506</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">8</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/obra/superpowers" style="color:#0969da;font-weight:600;text-decoration:none;">obra/superpowers</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">An agentic skills framework & software development methodology that wo</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">Shell</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">283,702</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+452</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">9</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/pascalorg/editor" style="color:#0969da;font-weight:600;text-decoration:none;">pascalorg/editor</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Create and share 3D architectural projects.</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">TypeScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">22,673</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+442</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">10</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/vastsa/PI-Desktop" style="color:#0969da;font-weight:600;text-decoration:none;">vastsa/PI-Desktop</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Local-first AI coding agent desktop: Electron + Rust host core + pi Ag</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">TypeScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">1,442</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+393</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">11</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/rohitg00/ai-engineering-from-scratch" style="color:#0969da;font-weight:600;text-decoration:none;">rohitg00/ai-engineering-from-scratch</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Learn it. Build it. Ship it for others.</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">Python</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">53,348</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+356</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">12</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/openai/plugins" style="color:#0969da;font-weight:600;text-decoration:none;">openai/plugins</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">OpenAI Plugins</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">JavaScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">6,056</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+105</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">13</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/earthtojake/text-to-cad" style="color:#0969da;font-weight:600;text-decoration:none;">earthtojake/text-to-cad</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">A library of agent skills for CAD, CAE and CAM</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">Python</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">14,831</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+97</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">14</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/mattpocock/skills" style="color:#0969da;font-weight:600;text-decoration:none;">mattpocock/skills</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Skills for Real Engineers. Straight from my .agents directory.</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">Shell</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">257,446</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#94a3b8;">—</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">本周新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">15</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/NousResearch/hermes-agent" style="color:#0969da;font-weight:600;text-decoration:none;">NousResearch/hermes-agent</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">The agent that grows with you</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">Python</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">243,657</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#94a3b8;">—</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">本周新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">16</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/DietrichGebert/ponytail" style="color:#0969da;font-weight:600;text-decoration:none;">DietrichGebert/ponytail</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Makes your AI agent think like the laziest senior dev in the room. The</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">JavaScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">132,879</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#94a3b8;">—</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">本周新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">17</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/ruvnet/ruflo" style="color:#0969da;font-weight:600;text-decoration:none;">ruvnet/ruflo</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">🌊 The original agent meta-harness. Deploy intelligent multi-player swa</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">TypeScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">71,740</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#94a3b8;">—</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">本周新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">18</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/tt-a1i/archify" style="color:#0969da;font-weight:600;text-decoration:none;">tt-a1i/archify</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Agent skill for beautiful, verifiable architecture, workflow, sequence</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">JavaScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">55,543</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#94a3b8;">—</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">本周新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">19</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/ChromeDevTools/chrome-devtools-mcp" style="color:#0969da;font-weight:600;text-decoration:none;">ChromeDevTools/chrome-devtools-mcp</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Chrome DevTools for coding agents</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">TypeScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">51,424</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#94a3b8;">—</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">本周新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">20</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/coreyhaines31/marketingskills" style="color:#0969da;font-weight:600;text-decoration:none;">coreyhaines31/marketingskills</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Marketing skills for Claude Code and AI agents. CRO, copywriting, SEO,</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">JavaScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">49,131</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#94a3b8;">—</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">本周新增</td></tr></tbody></table>
<h2>二、今日核心看点</h2>
<p>纵观本期 Top20，<b>AI 智能体与 Skills 生态实现霸榜</b>。前 10 名中有 8 个直接属于 Agent、Skills 或 AI 工具链，说明开源社区的注意力高度集中于让大模型真正动手做事这一方向。个人技能的标准化与资产化（skills、superpowers）、多智能体编排（ruflo、TradingAgents）、官方与大厂加速布局（OpenAI plugins、Chrome DevTools MCP、腾讯 teamai-cli）三条主线交相辉映，呈现出 AI 主导、多点开花的格局。</p>
<h2>三、逐项目结构化点评</h2>
<h3 style="color:#0969da;">（一）AI 智能体与 Skills 生态</h3>
<p>本组是本期榜单的绝对主力，围绕给 AI 智能体注入结构化技能展开，占据 6 席，是当前开源社区最集中的关注点。</p>
<h4 style="margin:14px 0 6px;">1. affaan-m/ECC（Agent 性能优化系统）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：面向编码智能体的 Agent Harness 性能优化系统，为 Claude Code、Codex、Opencode、Cursor 等主流编码 Agent 提供技能、本能、记忆、安全与研究驱动的开发能力。</li><li><b>核心亮点</b>：将性能优化、安全防护、记忆机制与工程本能一体化集成，覆盖多个主流编码 Agent，兼容性出色，今日新增 1427 星，位居榜首。</li><li><b>适用场景</b>：重度使用编码 Agent、追求更高执行效率与更强安全性的开发者与研发团队。</li><li><b>综合点评</b>：精准卡位 Agent 基础设施的性能层，直指让 Agent 更快、更安全地工作这一刚需，是本期增长最快的项目，代表编码 Agent 正迈向企业级与工程化。</li></ul><h4 style="margin:14px 0 6px;">8. obra/superpowers（Agentic Skills 框架）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：一套可落地的 Agentic Skills 框架与软件开发方法论，强调工程化与可复用。</li><li><b>核心亮点</b>：系统化组织 Agent 技能，与主流编码 Agent 深度集成，累计获得 28.3 万星，今日再增 452 星。</li><li><b>适用场景</b>：深度使用 AI Agent 进行软件开发的个人开发者与团队。</li><li><b>综合点评</b>：作为 Skills 生态的标志性老牌明星再次霸榜，印证了给 Agent 注入结构化技能已成为业界主流范式，堪称 Agent 基础设施层的标杆。</li></ul><h4 style="margin:14px 0 6px;">14. mattpocock/skills（工程师技能包）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：由知名前端开发者 Matt Pocock 从自己的 .agents 目录中提炼而成的工程实战技能包，供 AI 编码助手调用。</li><li><b>核心亮点</b>：把个人积累的高效 AI 使用经验沉淀为结构化、可复用的技能资产，累计 25.7 万星，开箱即用。</li><li><b>适用场景</b>：使用 Claude Code、Cursor 等 AI 编程工具的开发者，希望让 AI 更懂工程实践。</li><li><b>综合点评</b>：个人 Agent 工作流工程化的典型样本，代表 Agent 能力正从零散经验走向标准化、资产化，是本期榜单最重要的信号之一。</li></ul><h4 style="margin:14px 0 6px;">5. ayghri/i-have-adhd（ADHD 友好型输出技能）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：一个专门针对编码 Agent 总把答案藏起来这一痛点设计的技能，输出对 ADHD 患者更友好。</li><li><b>核心亮点</b>：用贴近人类认知的方式优化 Agent 的答案呈现，提升信息的直接性与可读性，今日新增 656 星。</li><li><b>适用场景</b>：希望 Agent 回答更直接、更清晰的开发者，以及存在注意力障碍的用户群体。</li><li><b>综合点评</b>：以人因工程视角切入 Agent 交互体验优化，体现 Skills 生态正走向精细化、人性化，是一股清新的差异化力量。</li></ul><h4 style="margin:14px 0 6px;">20. coreyhaines31/marketingskills（营销技能库）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：面向 Claude Code 与 AI Agent 的营销技能库，覆盖 CRO（转化率优化）、文案、SEO、数据分析与增长工程。</li><li><b>核心亮点</b>：把专业营销方法论结构化封装为 Agent 可调用技能，累计 4.9 万星。</li><li><b>适用场景</b>：用 AI Agent 开展营销、增长实验的运营与增长团队。</li><li><b>综合点评</b>：垂直领域 Skills 的又一代表，说明 Skills 生态正从工程技术向业务职能纵深拓展，场景空间广阔。</li></ul><h4 style="margin:14px 0 6px;">12. openai/plugins（OpenAI 插件库）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：OpenAI 官方的插件（Plugins）仓库，定义官方插件规范与方向。</li><li><b>核心亮点</b>：由官方维护，今日新增 105 星，是插件生态的权威参照。</li><li><b>适用场景</b>：基于 OpenAI 生态构建插件与应用扩展的开发者。</li><li><b>综合点评</b>：官方入局插件体系，为 Agent 能力扩展提供权威规范，具备清晰的风向标意义。</li></ul>

<h3 style="color:#0969da;">（二）多智能体编排与 Agent 框架</h3>
<p>本组代表 Agent 从单体工具走向集群协同、从无状态走向长期演进的趋势，涵盖成长型智能体、多智能体编排与垂直金融应用。</p>
<h4 style="margin:14px 0 6px;">15. NousResearch/hermes-agent（成长型智能体）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：Nous Research 推出的随你成长（The agent that grows with you）的智能体，强调持续进化能力。</li><li><b>核心亮点</b>：聚焦智能体随使用不断学习与积累，累计高达 24.3 万星。</li><li><b>适用场景</b>：需要长期陪伴、持续进化的个人助手型 Agent 场景。</li><li><b>综合点评</b>：聚焦 Agent 的持续学习与成长性，是有状态智能体方向的代表性项目，显示智能体正从一次问答走向长期演进。</li></ul><h4 style="margin:14px 0 6px;">17. ruvnet/ruflo（多智能体元框架）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：被誉为最初的 agent meta-harness，用于部署多智能体集群、协调自主工作流并构建对话式 AI 系统。</li><li><b>核心亮点</b>：内置自适应记忆、自学习智能与 RAG 集成，原生支持 Claude Code、Codex、Hermes 等主流 Agent。</li><li><b>适用场景</b>：构建多智能体协作、复杂工作流自动化系统的团队与研究者。</li><li><b>综合点评</b>：一站式多智能体编排框架，代表 Agent 从单体工具走向集群协同的趋势，是本期框架类目的典型代表。</li></ul><h4 style="margin:14px 0 6px;">10. vastsa/PI-Desktop（本地优先编码 Agent）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：本地优先的 AI 编码 Agent 桌面应用，采用 Electron + Rust 宿主核心 + pi Agent Harness + 可安装插件架构。</li><li><b>核心亮点</b>：本地优先兼顾性能与隐私，插件化扩展能力强，今日新增 393 星。</li><li><b>适用场景</b>：希望在本机高效、安全地运行编码 Agent 的个人开发者。</li><li><b>综合点评</b>：桌面端本地化编码 Agent 的积极探索，代表 Agent 部署到个人设备这一重要趋势，契合数据安全诉求。</li></ul><h4 style="margin:14px 0 6px;">7. TauricResearch/TradingAgents（AI 金融交易框架）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：多智能体 LLM 金融交易框架，用多个 Agent 协同完成金融分析与交易决策。</li><li><b>核心亮点</b>：将多 Agent 协作能力落地到金融交易这一高价值场景，累计 10.3 万星，今日新增 506 星。</li><li><b>适用场景</b>：量化研究、交易策略探索与 AI 金融应用研究。</li><li><b>综合点评</b>：把多智能体能力应用到金融交易，是 AI+金融赛道的高热度样本，体现 Agent 框架向高价值垂直领域渗透。</li></ul>

<h3 style="color:#0969da;">（三）Agent 开发工具与编码基础设施</h3>
<p>本组涵盖官方工具链接入、团队级 AI 工具、工业设计软件与工程哲学，是 Agent 落地到真实研发流程的底层支撑。</p>
<h4 style="margin:14px 0 6px;">19. ChromeDevTools/chrome-devtools-mcp（浏览器调试接入）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：面向编码 Agent 的 Chrome DevTools，通过 MCP 协议让 Agent 直接操控浏览器进行调试。</li><li><b>核心亮点</b>：Google 官方把 Chrome DevTools 能力接入 MCP，打通 Agent 与浏览器调试链路，累计 5.1 万星。</li><li><b>适用场景</b>：需要让编码 Agent 进行网页调试、前端验证与自动化测试的开发者。</li><li><b>综合点评</b>：官方工具链向 Agent 生态开放，是 MCP 基础设施走向成熟的标志，为 Agent 补齐了关键的浏览器交互能力。</li></ul><h4 style="margin:14px 0 6px;">2. Tencent/teamai-cli（团队 AI 原生工具）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：腾讯推出的命令行工具，使命是让每个团队都 AI 原生（Make Every Team AI Native）。</li><li><b>核心亮点</b>：面向团队 AI 原生工作流，增长迅猛，今日新增 1083 星，位列第二。</li><li><b>适用场景</b>：希望把 AI 能力融入团队研发流程的中大型组织。</li><li><b>综合点评</b>：大厂入局团队级 AI 协作工具，反映企业协作正全面拥抱 AI 原生，是本期榜单中国厂商的代表项目。</li></ul><h4 style="margin:14px 0 6px;">13. earthtojake/text-to-cad（文字到 CAD）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：面向 CAD、CAE、CAM 的 Agent 技能库，实现文字到 CAD 的设计驱动。</li><li><b>核心亮点</b>：把工程设计、分析、制造领域的专业能力封装为 Agent 可调用技能。</li><li><b>适用场景</b>：机械设计、工程建模与制造自动化等专业工程场景。</li><li><b>综合点评</b>：AI Agent 深入专业工程软件的代表，展示 Skills 生态在工业设计与制造领域的巨大落地潜力。</li></ul><h4 style="margin:14px 0 6px;">16. DietrichGebert/ponytail（极简代码哲学）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：让 AI Agent 像最懒的资深工程师一样思考，奉行最好的代码是你没有写的那部分。</li><li><b>核心亮点</b>：以少写代码为哲学，引导 Agent 产出更精简、更保守、可维护性更强的方案，累计 13.2 万星。</li><li><b>适用场景</b>：希望避免过度设计、保持代码库精简与可维护的开发者团队。</li><li><b>综合点评</b>：以反直觉的懒惰哲学切入工程实践，反映社区对 Agent 代码质量与工程审美的深度思考，观点鲜明。</li></ul>

<h3 style="color:#0969da;">（四）AI 图像生成与设计可视化</h3>
<p>本组聚焦 AI 图像提示词工程化与高质量图表、3D 设计生成，代表 AI 生成能力从碰运气走向可复用、可验证。</p>
<h4 style="margin:14px 0 6px;">6. freestylefly/awesome-gpt-image-2（GPT-Image2 提示词引擎）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：定位为 Prompt as Code 的 GPT-Image2 工业级提示词引擎与模板库。</li><li><b>核心亮点</b>：收录 530+ 个案例逆向工程，提炼 20+ 套工业级模板并沉淀为 Skills，持续更新，今日新增 612 星。</li><li><b>适用场景</b>：用 GPT-Image2 批量、稳定生成高质量图片的内容创作与设计团队。</li><li><b>综合点评</b>：把提示词工程产品化、模板化、资产化，代表 AI 图像生成从碰运气走向可复用、可工程化。</li></ul><h4 style="margin:14px 0 6px;">4. cathrynlavery/diagram-design（AI 图表设计模板）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：为 Claude Code、Codex 等 AI 工具提供 38 种编辑级图表设计模板。</li><li><b>核心亮点</b>：采用自包含的 HTML 与 SVG，无阴影、无 Mermaid 廉价输出，干净专业，今日新增 710 星。</li><li><b>适用场景</b>：需要用 AI 生成高质量技术图表的开发者与写作者。</li><li><b>综合点评</b>：解决了 AI 生成图表质量参差不齐的问题，以规范化的设计模板显著提升产出水准。</li></ul><h4 style="margin:14px 0 6px;">18. tt-a1i/archify（架构图 Agent 技能）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：生成美观、可验证的架构、工作流、时序、数据流与生命周期图的 Agent 技能。</li><li><b>核心亮点</b>：自包含 HTML，带动效与清晰导出，强调图表的可验证性，累计 5.5 万星。</li><li><b>适用场景</b>：需要高质量架构图、流程图的架构师与开发者。</li><li><b>综合点评</b>：把可验证引入图表生成，兼顾美观与准确性，是图表类 Skills 的进阶代表。</li></ul><h4 style="margin:14px 0 6px;">9. pascalorg/editor（3D 建筑项目编辑器）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：用于创建与分享 3D 建筑项目的在线编辑器。</li><li><b>核心亮点</b>：聚焦 3D 建筑设计与协作分享，今日新增 442 星。</li><li><b>适用场景</b>：建筑设计师、3D 可视化与团队协作展示场景。</li><li><b>综合点评</b>：AI 生成与设计协作正向 3D 建筑领域延伸，代表 Agent 工具向垂直设计软件渗透的方向。</li></ul>

<h3 style="color:#0969da;">（五）学习资源与工程实践</h3>
<p>本组是开发者的知识基建，系统设计笔记与 AI 工程学习路线双双走热，反映开发者技能升级的集体诉求。</p>
<h4 style="margin:14px 0 6px;">3. liquidslr/system-design-notes（系统设计面试笔记）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：《系统设计面试：内幕指南》一书的系统化笔记整理。</li><li><b>核心亮点</b>：系统梳理系统设计面试核心知识点，今日新增 910 星，累计 1.7 万星。</li><li><b>适用场景</b>：准备系统设计面试、学习后端架构设计的开发者。</li><li><b>综合点评</b>：高质量学习资源持续走热，反映开发者对系统架构与设计能力的旺盛学习需求。</li></ul><h4 style="margin:14px 0 6px;">11. rohitg00/ai-engineering-from-scratch（AI 工程学习路线）</h4><ul style="line-height:1.85;margin:0 0 6px;"><li><b>定位</b>：一条从零学 AI 工程的学习路线，核心理念是 Learn it. Build it. Ship it for others。</li><li><b>核心亮点</b>：以学习-构建-交付闭环组织 AI 工程知识，今日新增 356 星，累计 5.3 万星。</li><li><b>适用场景</b>：希望系统学习 AI 工程、实现能力进阶的开发者。</li><li><b>综合点评</b>：AI 时代学习资源需求强劲，代表开发者知识升级与转型的集体诉求。</li></ul>

<h2>四、综合趋势判断</h2>
<p>本期榜单传递出一个非常清晰的信号：<b>开源社区正在进入 Agent 基础设施的军备竞赛期</b>。从技能规范（Skills）、多智能体编排、记忆与上下文管理，到浏览器调试、图表生成等能力组件，围绕让 AI 更自主、更可靠地完成任务这一目标的底层设施正被集中补全，并快速冲上榜单前列，说明开发者对可控、可复用、可审计的 Agent 能力存在巨大而急迫的需求。</p>
<p>与此同时，三大结构性趋势值得关注：其一，<b>Skills 资产化</b>——个人或团队把工程、营销、设计等专业经验沉淀为标准化技能包，正成为 Agent 能力的核心供给方式；其二，<b>官方与大厂入场</b>——OpenAI、Google、腾讯等先后开放工具链与团队工具，标志 Agent 生态从个人实验走向产业标准；其三，<b>垂直场景渗透</b>——从金融交易（TradingAgents）、CAD 工程（text-to-cad）到营销增长，Agent 正加速进入高价值专业领域。</p>
<p>对开发者的启示在于：与其追逐单个热点，不如押注<b>标准化能力层</b>——谁能定义好 Skill 的格式、编排的框架、记忆的组织方式，谁就掌握了 Agent 时代的水电煤。同时榜单也再次印证了开源的力量：大量爆款由个人或小团队以极低成本撬动数十万星标，个人开发者加开源协作的杠杆效应正被充分放大。</p>
<p style="color:#888;font-size:13px;">本文为 GitHub Trending 数据整理与中文点评，数据来自公开仓库信息，仅供学习交流参考。</p>]]></description>
    <pubDate>Wed, 09 Sep 2026 20:02:52 +0800</pubDate>
    <dc:creator>figmar</dc:creator>
    <guid>https://blog.apescale.com/?post=113</guid>
</item>
<item>
    <title>TabTin vs Tutti：两款开源 AI 协作平台深度对比</title>
    <link>https://blog.apescale.com/?post=112</link>
    <description><![CDATA[<h1>TabTin vs Tutti：两款开源 AI 协作平台深度对比</h1>
<p>随着 Claude Code、Codex、Canvas 等 AI 编码工具大量涌现，"多 Agent 协作"成为 2026 年开发者工具赛道最热的方向。TabTin 与 Tutti 是其中两个备受关注的开源项目，它们都试图解决同一个根本痛点，但产品哲学截然不同。本文从定位、能力、技术栈到商业模式做一次全面对比。</p>
<hr>
<h2>一、基本定位</h2>
<table border="1" cellpadding="8" cellspacing="0">
<thead>
<tr><th>维度</th><th>TabTin</th><th>Tutti</th></tr>
</thead>
<tbody>
<tr><td>口号</td><td>开源团队 Harness，让团队和 Agent 协作更优雅</td><td>Where people and agents build in tune</td></tr>
<tr><td>核心定位</td><td><strong>团队级</strong>人与 Agent 协作平台（Team Harness）</td><td><strong>多 Agent 实时共享工作空间</strong></td></tr>
<tr><td>开发方</td><td>上海摹范科技</td><td>tutti-os（开源社区）</td></tr>
<tr><td>开源协议</td><td>AGPL-3.0</td><td>Apache-2.0</td></tr>
<tr><td>GitHub 规模</td><td>316 Stars / 79 Forks</td><td>3.7k Stars / 376 Forks / 5,361 Commits</td></tr>
<tr><td>产品阶段</td><td>Public Preview（公开预览）</td><td>开源稳定版 + VM Early Access</td></tr>
</tbody>
</table>
<h2>二、相似之处：核心交集</h2>
<h3>1. 解决同一个根本痛点：Agent 之间的"信息搬运工"问题</h3>
<p>两个产品都意识到：同时使用 Claude Code、Codex、Canvas 等多个 AI 工具时，用户被迫在工具间复制粘贴上下文、反复解释项目背景——<strong>"你变成了它们之间的信使"</strong>。两者的共同方案都是提供一个<strong>共享工作空间</strong>，让上下文、文件、任务在 Agent 之间直接流通。</p>
<h3>2. 都采用"连接现有 Agent + 复用现有订阅"模式</h3>
<ul>
<li>都<strong>不替代</strong>你的编程 Agent，而是做它们的协作层</li>
<li>都直接连接 Codex、Claude Code 等现有工具，<strong>使用用户已有的订阅额度</strong>，不捆绑转售模型能力</li>
</ul>
<h3>3. 都有应用（App）生态，且人与 Agent 共用</h3>
<ul>
<li><strong>TabTin</strong>：消息、文档、多维表格、演示文稿等协作应用，Agent 可直接创建和编辑</li>
<li><strong>Tutti</strong>：图像生成（AI Canvas）、UI/UX 设计、文档、演示文稿（AI PPT）等应用，Codex 可调用这些应用获得额外能力</li>
<li>共同理念：<strong>"应用输出留在工作区，下一步直接引用"</strong>，打破聊天框、文件下载、办公软件之间的搬运</li>
</ul>
<h3>4. 都提供 GUI 界面并支持目标自动拆解</h3>
<ul>
<li>都屏蔽命令行，开箱即用</li>
<li>都支持描述目标后自动拆解为子任务（TabTin 的任务拆解 / Tutti 的 Goals to tasks）</li>
</ul>
<h2>三、核心区别</h2>
<h3>1. 组织维度：TabTin 强在"团队组织"，Tutti 强在"Agent 互通"</h3>
<table border="1" cellpadding="8" cellspacing="0">
<thead>
<tr><th>能力</th><th>TabTin</th><th>Tutti</th></tr>
</thead>
<tbody>
<tr><td>团队组织</td><td><strong>原生核心</strong>：组织成员、权限、额度分配、超限提醒</td><td>开源版无；仅 VM 版支持</td></tr>
<tr><td>工作交接</td><td><strong>核心功能</strong>：任务续接冻结对话上下文 + 引用文档/表格/云文件</td><td>通过共享工作区间接实现</td></tr>
<tr><td>AI 分身</td><td><strong>独有</strong>：设定人设/规则/记忆/技能，延续个人判断方式</td><td>无此概念</td></tr>
<tr><td>群聊协作</td><td><strong>独有</strong>：Agent 监听群消息，自动创建任务并 @负责人</td><td>开源版无群聊；VM 版有 Group chat</td></tr>
<tr><td>Agent 间互调</td><td>通过 Skill/团队规则协作</td><td><strong>Big @</strong>：在 Codex 中 @ Claude Code 的对话/文件/任务</td></tr>
<tr><td>跨 Agent 引用</td><td>通过共享任务上下文</td><td><strong>"+"引用</strong>：聊天框引用本地文件或应用输出</td></tr>
</tbody>
</table>
<h3>2. 多用户/实时协作：Tutti VM 是差异化方向</h3>
<p>Tutti 明确将产品分为两个版本，开源版专注本地单用户，多用户协作能力全部集中在 VM 版：</p>
<table border="1" cellpadding="8" cellspacing="0">
<thead>
<tr><th>能力</th><th>Tutti 开源版</th><th>Tutti VM</th></tr>
</thead>
<tbody>
<tr><td>连接现有 Agent / 内置应用</td><td>✓</td><td>✓</td></tr>
<tr><td>群聊 / 与他人协作</td><td>—</td><td>✓</td></tr>
<tr><td>使用他人的 Agent / Agent 借用</td><td>—</td><td>✓</td></tr>
<tr><td>实时协同编辑 / 跨设备</td><td>—</td><td>✓</td></tr>
<tr><td>免部署分享</td><td>—</td><td>✓</td></tr>
</tbody>
</table>
<p>而 TabTin 的团队协作（交接、审批、验收、额度）是<strong>内置的完整能力</strong>，不需要额外版本。</p>
<h3>3. 工作流哲学不同</h3>
<blockquote><p><strong>TabTin 的哲学</strong>："一个人已经完成的工作，能不能直接成为下一位同事的起点？"——解决的是<em>人和人之间通过 Agent 接力</em>的问题，核心是责任、验收、追溯（重要判断、责任确认、结果验收由人完成），强调"过程可检查、关键动作有人确认、出了问题随时回退"。</p></blockquote>
<blockquote><p><strong>Tutti 的哲学</strong>："Agents were supposed to do the work for you. Instead, you've become the messenger between them."——解决的是<em>Agent 和 Agent 之间</em>无缝接力的问题，核心是实时共享、信息自由流动（"as if they shared one brain"）。</p></blockquote>
<h3>4. 交付形态差异</h3>
<ul>
<li><strong>TabTin</strong>：完整平台（客户端 + 服务端 + Agent Runtime + 实时协作 + 管理后台），提供官方 SaaS 服务，也支持本地 Community Server（Docker），还有企业部署/商业授权通道。移动端是桌面端配套入口（需电脑保持在线）。</li>
<li><strong>Tutti</strong>：开源版下载本地应用（macOS/Windows）；VM 版需邀请码创建 Room。无官方托管 SaaS，走"下载即用"路线。</li>
</ul>
<h3>5. 许可与商业策略</h3>
<ul>
<li><strong>TabTin</strong>：AGPL-3.0（传染性强，商用需单独商业授权），商业化路径明确：官方服务 + 企业部署评估 + 迁移协助 + 定制服务</li>
<li><strong>Tutti</strong>：Apache-2.0（宽松，可自由商用），更"社区友好"，靠 VM 版 Early Access 变现</li>
</ul>
<hr>
<h2>四、总结</h2>
<p><strong>TabTin 是"团队的 Agent 协作平台"</strong>——重心在组织：任务交接、AI 分身、群聊协作、额度管理、责任验收，让个人工作成为团队起点；</p>
<p><strong>Tutti 是"Agent 的共享大脑"</strong>——重心在工具互通：Big @、跨 Agent 调用、应用生态，让多个 AI 像共用一个大脑一样无缝接力。</p>
<p>如果团队深度使用 Agent 且关心分工、交接、权限与责任，TabTin 更对口；如果个人同时操作多个 Agent 且痛点是工具间反复搬运信息，Tutti 更直接。两者定位高度重合但不完全相同，也并非互斥——理论上可以同时使用。</p>]]></description>
    <pubDate>Mon, 07 Sep 2026 22:54:14 +0800</pubDate>
    <dc:creator>figmar</dc:creator>
    <guid>https://blog.apescale.com/?post=112</guid>
</item>
<item>
    <title>鉴权测试</title>
    <link>https://blog.apescale.com/?post=111</link>
    <description><![CDATA[<p>test</p>]]></description>
    <pubDate>Mon, 07 Sep 2026 22:53:45 +0800</pubDate>
    <dc:creator>figmar</dc:creator>
    <guid>https://blog.apescale.com/?post=111</guid>
</item>
<item>
    <title>GitHub 增长最快开源项目 Top20（2026-09-05）：Skills 生态全面爆发，Agent 基础设施加速成型</title>
    <link>https://blog.apescale.com/?post=110</link>
    <description><![CDATA[<p>本期榜单抓取自 GitHub Trending（每日增长最快），因当日榜单不足 20 席，融合本周热门数据补足，统计时间 2026-09-05。以下对每个上榜项目进行结构化中文点评。</p>
<h2>一、榜单速览</h2>
<table style="border-collapse:collapse;width:100%;font-size:14px;"><thead><tr style="background:#f6f8fa;"><th style="padding:8px 10px;">排名</th><th style="padding:8px 10px;text-align:left;">项目</th><th style="padding:8px 10px;text-align:left;">简介</th><th style="padding:8px 10px;">语言</th><th style="padding:8px 10px;">Stars</th><th style="padding:8px 10px;">今日增量</th><th style="padding:8px 10px;">来源</th></tr></thead><tbody><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#e11d48;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">1</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/mattpocock/skills" style="color:#0969da;font-weight:600;text-decoration:none;">mattpocock/skills</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Skills for Real Engineers. Straight from my .agents directory.</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">Shell</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">251,435</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+2,758</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#f59e0b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">2</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/DietrichGebert/ponytail" style="color:#0969da;font-weight:600;text-decoration:none;">DietrichGebert/ponytail</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Makes your AI agent think like the laziest senior dev in the room. The</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">JavaScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">127,134</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+1,679</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#10b981;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">3</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/humanlayer/skills" style="color:#0969da;font-weight:600;text-decoration:none;">humanlayer/skills</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">（暂无描述）</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">TypeScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">2,466</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+1,141</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">4</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/affaan-m/ECC" style="color:#0969da;font-weight:600;text-decoration:none;">affaan-m/ECC</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">The agent harness performance optimization system. Skills, instincts, </td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">JavaScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">249,047</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+1,135</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">5</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/blader/humanizer" style="color:#0969da;font-weight:600;text-decoration:none;">blader/humanizer</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Agent skill that removes signs of AI-generated writing from text</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">Python</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">43,100</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+1,130</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">6</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/NousResearch/hermes-agent" style="color:#0969da;font-weight:600;text-decoration:none;">NousResearch/hermes-agent</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">The agent that grows with you</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">Python</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">241,741</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+720</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">7</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/fmtlib/fmt" style="color:#0969da;font-weight:600;text-decoration:none;">fmtlib/fmt</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">A modern formatting library</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">C++</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">25,528</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+688</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">8</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/anthropics/skills" style="color:#0969da;font-weight:600;text-decoration:none;">anthropics/skills</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Public repository for Agent Skills</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">Python</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">174,358</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+511</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">9</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/cathrynlavery/diagram-design" style="color:#0969da;font-weight:600;text-decoration:none;">cathrynlavery/diagram-design</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">38 editorial diagram types for Claude Code, Codex, and Pi. Self-contai</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">HTML</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">31,354</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+437</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">10</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/magnitudedev/magnitude" style="color:#0969da;font-weight:600;text-decoration:none;">magnitudedev/magnitude</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Open source inference server that runs the best local models for your </td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">TypeScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">2,819</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+391</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">11</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/anomalyco/opencode" style="color:#0969da;font-weight:600;text-decoration:none;">anomalyco/opencode</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">The open source coding agent.</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">TypeScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">204,412</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+345</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">12</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/ruvnet/ruflo" style="color:#0969da;font-weight:600;text-decoration:none;">ruvnet/ruflo</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">🌊 The original agent meta-harness. Deploy intelligent multi-player swa</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">TypeScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">70,551</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+127</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">13</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/WorldFlowAI/everything-claude-code" style="color:#0969da;font-weight:600;text-decoration:none;">WorldFlowAI/everything-claude-code</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Claude Code toolkit - agents, commands, skills, rules, and hooks for p</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">JavaScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">2,162</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+87</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">14</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/bikini/exploitarium" style="color:#0969da;font-weight:600;text-decoration:none;">bikini/exploitarium</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">A single archive of public exploit PoCs and vulnerability research wri</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">Python</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">4,606</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+74</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">15</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/BraveOPotato/FckSignups" style="color:#0969da;font-weight:600;text-decoration:none;">BraveOPotato/FckSignups</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">A list of tools that are open-source, in-browser, and require no-signu</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">TypeScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">2,651</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+50</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">16</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/nvm-sh/nvm" style="color:#0969da;font-weight:600;text-decoration:none;">nvm-sh/nvm</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Node Version Manager - POSIX-compliant bash script to manage multiple </td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">Shell</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">94,843</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#16a34a;font-weight:600;">+17</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">今日新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">17</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/punkpeye/awesome-mcp-servers" style="color:#0969da;font-weight:600;text-decoration:none;">punkpeye/awesome-mcp-servers</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">A collection of MCP servers.</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">—</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">94,245</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#94a3b8;">—</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">本周新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">18</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/abi/screenshot-to-code" style="color:#0969da;font-weight:600;text-decoration:none;">abi/screenshot-to-code</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Drop in a screenshot and convert it to clean code (HTML/Tailwind/React</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">Python</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">77,796</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#94a3b8;">—</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">本周新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">19</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/jingyaogong/minimind" style="color:#0969da;font-weight:600;text-decoration:none;">jingyaogong/minimind</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">🧠 Train a 64M-parameter LLM from scratch in just 2h!</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">Python</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">58,666</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#94a3b8;">—</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">本周新增</td></tr><tr><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="background:#64748b;color:#fff;border-radius:4px;padding:1px 8px;font-size:12px;">20</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;white-space:nowrap;"><a href="https://github.com/ChromeDevTools/chrome-devtools-mcp" style="color:#0969da;font-weight:600;text-decoration:none;">ChromeDevTools/chrome-devtools-mcp</a></td><td style="padding:8px 10px;border-bottom:1px solid #eee;color:#57606a;">Chrome DevTools for coding agents</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">TypeScript</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;">50,989</td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;"><span style="color:#94a3b8;">—</span></td><td style="padding:8px 10px;border-bottom:1px solid #eee;text-align:center;font-size:12px;color:#94a3b8;">本周新增</td></tr></tbody></table>
<h2>二、今日核心看点</h2>
<p>纵观本期 Top20，<b>AI 智能体（Agent）与 Skills 生态几乎霸榜</b>：前 8 名中有 6 个直接属于 Agent 或技能资产类项目，第 1、2 名更是双双突破 1600 星的单日增量。无论是个人技能包（mattpocock/skills）、厂商开源技能库（humanlayer/skills），还是官方标准仓库（anthropics/skills），都在印证「给 Agent 注入结构化技能」已成为开源社区最炙手可热的方向。与此同时，去 AI 味写作、本地推理、MCP 生态、漏洞情报等细分赛道也各有亮点，呈现「AI 主导、多点开花」的格局。</p>
<h2>三、逐项目结构化点评</h2>
<h3 style="color:#0969da;">（一）AI 智能体与 Skills 生态</h3>
<p>本组是本期榜单的绝对主力：从个人技能包、厂商开源库到官方标准仓库，从行为塑造到跨工具优化，占据 8 席，构成当前开源社区最集中的注意力焦点。</p>
<h3>1. mattpocock/skills（工程师技能包）</h3><ul style="line-height:1.9;"><li><b>定位</b>：由知名前端开发者 Matt Pocock 从个人 .agents 目录中提炼而成的工程实战技能包，专供 AI 编码助手调用。</li><li><b>核心亮点</b>：把个人长期积累的高效 AI 使用经验沉淀为结构化、可复用的技能资产，今日新增 2758 星领跑全榜，累计 25.1 万星。</li><li><b>适用场景</b>：使用 Claude Code、Cursor 等 AI 编程工具的开发者，希望让 AI 更懂真实工程实践。</li><li><b>综合点评</b>：个人 Agent 工作流工程化的典型样本，代表着 Agent 能力正从零散经验走向标准化、资产化，是本期榜单最重要的信号之一。</li></ul><h3>2. DietrichGebert/ponytail（Agent 行为塑造）</h3><ul style="line-height:1.9;"><li><b>定位</b>：一套通过提示词与工作流约束让 AI Agent「像团队里最懒的资深工程师一样思考」的行为塑造框架。</li><li><b>核心亮点</b>：强调少做无用功、直击要害的工程思维，今日新增 1679 星，累计 12.7 万星。</li><li><b>适用场景</b>：觉得 Agent 过度工作、产出冗长代码，希望提升其工程判断力的开发者。</li><li><b>综合点评</b>：从「能力」转向「行为质量」的独特切入角度，解决的是 Agent 落地中最实际的效率与品味问题，颇具启发性。</li></ul><h3>3. humanlayer/skills（厂商级技能库）</h3><ul style="line-height:1.9;"><li><b>定位</b>：人机协作平台 HumanLayer 开源的 Agent 技能（Skills）集合，覆盖其官方沉淀的技能资产。</li><li><b>核心亮点</b>：厂商级技能资产直接开源，今日新增 1141 星，几乎相当于现有总量的近一半，增速惊人。</li><li><b>适用场景</b>：需要开箱即用的成熟 Agent 技能库、快速搭建 Agent 工作流的团队。</li><li><b>综合点评</b>：小仓库、高增量、高关注度，说明市场对高质量技能资产的渴求远未满足，厂商开源技能正成为一种新玩法。</li></ul><h3>4. affaan-m/ECC（Agent 性能优化系统）</h3><ul style="line-height:1.9;"><li><b>定位</b>：面向 Claude Code、Codex、Opencode、Cursor 等编码 Agent 的通用性能优化系统（harness）。</li><li><b>核心亮点</b>：将技能、直觉、记忆、安全与研究优先的开发理念整合为统一优化层，累计 24.9 万星。</li><li><b>适用场景</b>：重度依赖编码 Agent、希望跨工具统一调优开发体验的开发者。</li><li><b>综合点评</b>：跨工具 Agent 优化层的定位独特，说明 Agent 正在走向「可插拔、可优化」的基础设施化，是生态成熟的重要标志。</li></ul><h3>6. NousResearch/hermes-agent（成长型 Agent）</h3><ul style="line-height:1.9;"><li><b>定位</b>：由著名开源大模型团队 Nous Research 推出的「与你一起成长」的个人 Agent。</li><li><b>核心亮点</b>：强调在长期使用中持续学习与个性化进化，累计 24.2 万星，今日新增 720 星。</li><li><b>适用场景</b>：需要长期陪伴、随使用不断沉淀个人上下文与偏好的用户。</li><li><b>综合点评</b>：把 Agent 从「一次性工具」升维为「长期伙伴」，呼应了记忆与个性化这一 Agent 进化的核心命题。</li></ul><h3>8. anthropics/skills（官方技能标准库）</h3><ul style="line-height:1.9;"><li><b>定位</b>：Anthropic 官方开设的 Agent Skills 公共仓库，用于发布与维护官方技能集。</li><li><b>核心亮点</b>：官方下场定义 Skills 的标准形态，累计 17.4 万星，是技能生态的风向标。</li><li><b>适用场景</b>：Claude Code 用户、Skills 作者以及关注 Agent 技能标准的开发者。</li><li><b>综合点评</b>：官方正典的建立意味着 Skills 生态从草莽走向规范化，标准一旦确立，围绕它的工具链与市场将加速成型。</li></ul><h3>12. ruvnet/ruflo（Agent 编排元框架）</h3><ul style="line-height:1.9;"><li><b>定位</b>：自称「最初的 Agent 元框架」，用于部署智能多智能体系统的编排层。</li><li><b>核心亮点</b>：以结构化流程组织多个 Agent 协同完成任务，累计 7.1 万星。</li><li><b>适用场景</b>：多智能体系统研究者与需要复杂任务拆解协作的开发者。</li><li><b>综合点评</b>：多智能体编排方向的先行者，印证 Agent 正从单体走向协作网络，是 Agent 架构演进的代表性项目。</li></ul><h3>13. WorldFlowAI/everything-claude-code（Claude Code 大全）</h3><ul style="line-height:1.9;"><li><b>定位</b>：一站式聚合 Claude Code 生态资源的工具包，涵盖 agents、commands、skills、rules 与 hooks。</li><li><b>核心亮点</b>：把散落各处的 Claude Code 资源整理为统一清单，今日新增 87 星。</li><li><b>适用场景</b>：Claude Code 深度用户与刚入门的新手，快速掌握生态全貌。</li><li><b>综合点评</b>：生态聚合类项目持续受捧，降低了 Agent 工具链的学习与上手门槛，是社区自组织能力的体现。</li></ul>

<h3 style="color:#0969da;">（二）AI 内容与创作辅助</h3>
<p>本组聚焦 AI 产出的「质感」问题：一个是去 AI 味，一个是让 AI 产出专业级图表，代表 AI 应用从「能用」走向「好用」的精细化阶段。</p>
<h3>5. blader/humanizer（去 AI 味技能）</h3><ul style="line-height:1.9;"><li><b>定位</b>：一款专用于去除 AI 生成文本痕迹的 Agent 技能，让 AI 写作更接近真人表达。</li><li><b>核心亮点</b>：针对 AI 内容同质化痛点，一键「人性化」改写，今日新增 1130 星，累计 4.3 万星。</li><li><b>适用场景</b>：自媒体运营、内容创作者，以及需要批量产出自然文本的团队。</li><li><b>综合点评</b>：切中 AI 内容泛滥时代最现实的痛点，「去 AI 味」正成为独立赛道，反映了 AI 应用从「能用」走向「好用」的精细化趋势。</li></ul><h3>9. cathrynlavery/diagram-design（AI 图表设计模板）</h3><ul style="line-height:1.9;"><li><b>定位</b>：为 Claude Code、Codex、Pilot 等 AI 工具提供的 38 种编辑级图表设计模板。</li><li><b>核心亮点</b>：采用自包含的 HTML 与 SVG 实现，无需外部依赖即可生成干净专业的图表。</li><li><b>适用场景</b>：需要用 AI 产出高质量技术图表的开发者、写作者与产品团队。</li><li><b>综合点评</b>：解决了 AI 生成图表质量参差、样式难统一的问题，以规范化的设计模板提升 AI 产出水准，是 AI 内容质量工程的代表。</li></ul>

<h3 style="color:#0969da;">（三）LLM 推理与本地模型</h3>
<p>本组共同指向本地化、低门槛地运行与训练大模型，是 Agent 落地到个人设备的底层支撑，也是模型平民化的直接体现。</p>
<h3>10. magnitudedev/magnitude（本地推理服务器）</h3><ul style="line-height:1.9;"><li><b>定位</b>：开源推理服务器，专注于运行最优的本地大模型，为 Agent 提供本地推理能力。</li><li><b>核心亮点</b>：面向本地模型推理深度优化，今日新增 391 星、单日增幅超 16%，成长势头强劲。</li><li><b>适用场景</b>：需要在本地部署、运行大模型并对外提供服务的开发者。</li><li><b>综合点评</b>：本地推理是 Agent 私有化落地的关键底层支撑，此项目的高增速说明个人设备跑大模型的诉求正在快速放大。</li></ul><h3>18. abi/screenshot-to-code（截图转代码）</h3><ul style="line-height:1.9;"><li><b>定位</b>：经典的开源 AI 编程工具：拖入一张截图，即可生成对应的 HTML/Tailwind 代码。</li><li><b>核心亮点</b>：把设计稿到代码的转换压缩为一步，累计 7.8 万星，长期位列热门榜。</li><li><b>适用场景</b>：前端快速原型、设计稿还原、低代码交付场景。</li><li><b>综合点评</b>：AI 编程普惠化的代表作，验证了「自然交互 + 代码生成」这一范式的普适价值，是爆款开源工具的常青样本。</li></ul><h3>19. jingyaogong/minimind（从零训练 LLM）</h3><ul style="line-height:1.9;"><li><b>定位</b>：教学型项目：仅用约 2 小时，在个人电脑上从零训练一个 64M 参数的迷你大模型。</li><li><b>核心亮点</b>：完整复现 LLM 训练全流程，累计 5.9 万星，是极佳的学习资料。</li><li><b>适用场景</b>：想真正理解 Transformer 训练原理的学生、研究者与转行开发者。</li><li><b>综合点评</b>：「手搓 LLM」式教学把大模型训练的门槛拉到个人电脑级别，是 AI 教育普惠化的标杆，深受学习型社区欢迎。</li></ul>

<h3 style="color:#0969da;">（四）开发工具与基础设施</h3>
<p>本组覆盖面最广：经典 C++ 库、开源编码 Agent、Node 版本管理、MCP 生态门户与浏览器官方调试服务，构成开发者日常不可或缺的基本盘。</p>
<h3>7. fmtlib/fmt（C++ 格式化库）</h3><ul style="line-height:1.9;"><li><b>定位</b>：现代 C++ 社区最著名的格式化库，也是 C++20 std::format 的事实标准前身。</li><li><b>核心亮点</b>：类型安全、高性能、语法优雅，今日新增 688 星（新版本发布带动），累计 25.5 万星。</li><li><b>适用场景</b>：C++ 开发者的日常字符串格式化与日志输出。</li><li><b>综合点评</b>：经典基础设施项目依然保持活跃，说明稳定可靠的基础库在 AI 时代依然不可替代，是长期价值的典范。</li></ul><h3>11. anomalyco/opencode（开源编码 Agent）</h3><ul style="line-height:1.9;"><li><b>定位</b>：主打开源的通用编码 Agent，可接入主流 IDE 与终端辅助编程。</li><li><b>核心亮点</b>：以开放姿态对标闭源编码工具，累计 20.4 万星，今日新增 345 星。</li><li><b>适用场景</b>：希望自主可控、不被厂商锁定的 AI 编程用户。</li><li><b>综合点评</b>：开源对抗闭源的编码 Agent 标杆，它的崛起说明开发者对「可审计、可定制」的编程 AI 有强烈需求。</li></ul><h3>16. nvm-sh/nvm（Node 版本管理器）</h3><ul style="line-height:1.9;"><li><b>定位</b>：POSIX 兼容的 Node.js 版本管理器，Node 开发者的标配工具。</li><li><b>核心亮点</b>：一条命令完成 Node 多版本安装、切换与管理，累计 9.5 万星。</li><li><b>适用场景</b>：需要维护多个 Node 项目的全栈与前端开发者。</li><li><b>综合点评</b>：常青基础设施的代表，今日能再次登上 Trending 说明其社区活跃度与口碑经久不衰，是不可或缺的效率底座。</li></ul><h3>17. punkpeye/awesome-mcp-servers（MCP 服务器大全）</h3><ul style="line-height:1.9;"><li><b>定位</b>：精选清单项目，汇集大量可用的 MCP（Model Context Protocol）服务器。</li><li><b>核心亮点</b>：累计 9.4 万星，是 MCP 生态最权威的导航图与入口之一。</li><li><b>适用场景</b>：寻找现成 MCP 服务器、快速接入外部工具的 Agent 开发者。</li><li><b>综合点评</b>：MCP 正成为 Agent 时代的「USB-C」统一接口，而 awesome 清单就是整个生态的门户，其价值随生态扩张持续放大。</li></ul><h3>20. ChromeDevTools/chrome-devtools-mcp（浏览器调试服务）</h3><ul style="line-height:1.9;"><li><b>定位</b>：Google Chrome DevTools 团队官方出品的 MCP 服务，让编码 Agent 直接操控浏览器调试。</li><li><b>核心亮点</b>：官方工具链拥抱 MCP 协议，Agent 得以完成网页操作、性能分析与自动化测试，累计 5.1 万星。</li><li><b>适用场景</b>：Agent 驱动的网页自动化、前端调试与端到端测试。</li><li><b>综合点评</b>：浏览器厂商官方入场 MCP，标志着 Agent 能力正式延伸到网页世界，为「AI 替人上网」补齐了关键一环。</li></ul>

<h3 style="color:#0969da;">（五）效率与实用工具</h3>
<p>本组聚焦安全情报与零门槛工具，体量不大但精准回应特定人群的现实需求，是开源生态中稳定而实用的存在。</p>
<h3>14. bikini/exploitarium（漏洞 PoC 归档库）</h3><ul style="line-height:1.9;"><li><b>定位</b>：公开漏洞利用代码（PoC）与漏洞研究报告的集中归档仓库。</li><li><b>核心亮点</b>：把散落的安全资源统一归档、便于检索，今日新增 74 星，累计 4606 星。</li><li><b>适用场景</b>：安全研究员、渗透测试人员与漏洞情报分析。</li><li><b>综合点评</b>：安全资源整合类项目的价值在于「信息密度」，为安全社区提供了高效的情报入口，实用导向明确。</li></ul><h3>15. BraveOPotato/FckSignups（免注册工具清单）</h3><ul style="line-height:1.9;"><li><b>定位</b>：聚合无需注册、开源、浏览器内即可直接使用的工具清单。</li><li><b>核心亮点</b>：直击「注册墙」这一普遍痛点，今日新增 50 星，累计 2651 星。</li><li><b>适用场景</b>：反感注册流程、追求即开即用的效率型用户。</li><li><b>综合点评</b>：小而美的反注册清单，命名直白、立场鲜明，代表了开源社区对「零门槛工具」的推崇，也是实用主义精神的体现。</li></ul>

<h2>四、综合趋势判断</h2>
<p>本期榜单传递出一个清晰的信号：<b>开源社区正在进入「Agent 基础设施」的集中建设期</b>。从技能规范（Skills）的标准化、厂商级技能库的开源，到多 Agent 编排、行为塑造、本地推理服务，围绕「让 AI 更自主、更可靠、更懂人地完成任务」的底层组件正被集中补全，并快速冲上榜单前列——这说明开发者对「可控、可复用、可审计」的 Agent 能力存在巨大而急迫的需求。</p>
<p>值得注意的还有两个结构性变化：其一，<b>官方力量正在入场</b>——Anthropic 的官方 Skills 仓库、Chrome DevTools 团队的 MCP 服务均登上榜单，标准制定权之争已经开始；其二，<b>MCP 正在成为连接标准</b>——从 MCP 服务器大全到官方调试服务，Agent 与外部世界的「万能插头」已现雏形。</p>
<p>对开发者的启示在于：与其追逐单个热点，不如押注<b>标准化能力层</b>——谁能定义好 Skill 的格式、编排的框架、记忆与连接的组织方式，谁就掌握了 Agent 时代的「水电煤」。同时，本期榜单也再次印证开源的力量：大量爆款由个人或小团队以极低成本撬动数万到数十万星标，个人开发者加开源协作的价值正被充分放大。</p>
<p style="color:#888;font-size:13px;">本文为 GitHub Trending 数据整理与中文点评，数据来自公开仓库信息，仅供学习交流参考。</p>]]></description>
    <pubDate>Sat, 05 Sep 2026 20:03:23 +0800</pubDate>
    <dc:creator>figmar</dc:creator>
    <guid>https://blog.apescale.com/?post=110</guid>
</item>
<item>
    <title>全球智能体开源应用追踪 · 总纲</title>
    <link>https://blog.apescale.com/?post=98</link>
    <description><![CDATA[<blockquote>
<p>这是一个<strong>持续更新</strong>的追踪索引。每收录一个新项目会先建档，够一批样本就发一篇横向对比，
再按价值排序补单项目深度文——所以索引里「待发布」是常态，不是遗漏。
所有数据来自 GitHub API 的定时快照，所有结论都标注了核实来源。
数据与脚本开源在 <code>gitinbox/agent-radar</code>。</p>
</blockquote>
<hr />
<h2 id="_1">这个系列在追什么</h2>
<p>2026 年的 Agent 赛道，竞争焦点正在从"模型能力"转向"Harness / Agent Runtime 与执行工作流"。
Codex Harness 开放、DeepSeek Harness 开放，一个个执行引擎被拆出来单独发布——
<strong>引擎层在碎片化，而使用引擎的人需要一个不随引擎漂移的落脚点。</strong></p>
<p>这个系列持续追踪全球 Agent 开源应用，回答三个问题：</p>
<ol>
<li>它到底站在 Agent 工具链的哪一层？</li>
<li>它的宣称和实际状态之间，差多少？</li>
<li>什么人该用它，什么人不该？</li>
</ol>
<hr />
<h2 id="_2">方法论</h2>
<p>每个项目按<strong>五个维度</strong>建档，字段定义开源在 <code>schema/project.schema.yaml</code>：</p>
<table>
<thead>
<tr>
<th>维度</th>
<th>回答的问题</th>
</tr>
</thead>
<tbody>
<tr>
<td>业务</td>
<td>它靠什么活着、为谁活着</td>
</tr>
<tr>
<td>场景</td>
<td>它在什么场合被用、产出什么</td>
</tr>
<tr>
<td>技术</td>
<td>它怎么做到的、抽象在哪一层</td>
</tr>
<tr>
<td>生态</td>
<td>它的社区动能（由脚本定时抓取，附带数据日期）</td>
</tr>
<tr>
<td>风险</td>
<td>它的坑在哪、宣称与实测的落差</td>
</tr>
</tbody>
</table>
<p>其中 <strong>「宣称 vs 实测」是本系列最看重的一节</strong>。
写它的时候我会专门去抓 README 里的限定词——<code>currently</code>、<code>today</code>、<code>in development</code>、<code>optional</code>——
这些词往往是落差的藏身处。项目方没说谎，但也没说全。</p>
<hr />
<h2 id="_3">赛道坐标系</h2>
<blockquote>
<p>Agent 工具大致分三层。判断一个项目，先判断它站在哪一层，以及它想往哪一层长。</p>
</blockquote>
<pre><code class="language-text">┌─────────────────────────────────────────────────────────────┐
│  桌面工作台层                                                 │
│  跨引擎、跨项目、跨交付物的统一界面                            │
│  代表：iPolloWork                                            │
├─────────────────────────────────────────────────────────────┤
│  编辑器内 Agent 层                                            │
│  嵌在 IDE / 编辑器里的交互层                                   │
│  代表：Cline、Roo Code、Kilo Code                            │
├─────────────────────────────────────────────────────────────┤
│  执行引擎层                                                   │
│  真正跑 agent loop 的地方                                     │
│  代表：Codex、DeepSeek Harness、OpenCode、Gemini CLI          │
└─────────────────────────────────────────────────────────────┘
</code></pre>
<p>越往上，离"模型"越远、离"交付物"越近，也越容易形成用户黏性——
但也越容易被下一层向上长出来的能力挤压。</p>
<hr />
<!-- MATRIX:BEGIN -->
<h3 id="_4">业务维度</h3>
<table>
<thead>
<tr>
<th>项目</th>
<th>定位</th>
<th>目标用户</th>
<th>变现</th>
<th>许可证</th>
<th>成色</th>
</tr>
</thead>
<tbody>
<tr>
<td><strong>iPolloWork</strong></td>
<td>站在 Agent 工具链的<strong>工作台层</strong>而非引擎层：不替代 Codex / DSH / OpenCode 中任何一个，而是把它们收进同一个项目空间，并把交付物从代码延伸到文档、演示稿、网站、设计与视频</td>
<td>企业研发团队、需要人机协作的 agent 团队、需要产出并持续修改 PPT / 网页 / 设计 / 视频的内容团队</td>
<td>双轨：个人自用与少于 3 人的小规模内部使用免费；3 人及以上、以及任何售卖 / 转售 / 付费服务 / SaaS / 托管 / 白标 / 市场分发 / 面向客户的使用，均需书面授权。配套 iPolloCloud 承载身份、组织、权益与商业 App</td>
<td>iPolloWork Source Available License 1.0</td>
<td>L3</td>
</tr>
<tr>
<td><strong>maka</strong></td>
<td>站在「执行记录层」：不追功能广度，把「agent 干过什么必须可复现、 可审计、可评测」做成地基。同时是唯一自带评测框架的项目。</td>
<td>对可审计性与数据主权有硬要求的团队、需要横向评测不同 agent / 模型的研究者与工程团队、愿意用功能丰富度换确定性的自用开发者</td>
<td>无。Apache 孵化项目，无商业实体、无双许可、无付费层。</td>
<td>Apache License 2.0</td>
<td>L1</td>
</tr>
<tr>
<td><strong>OpenClaw</strong></td>
<td>站在「个人助理执行层」，而且是<strong>唯一一个不面向开发者的样本</strong>。 它不接入别的 agent，自己就是 agent；不产出代码交付物，产出的是"事儿办完了"—— 邮件发了、日程改了、值机办了。入口是用户已经在用的聊天软件，不是 IDE 也不是桌面工作台。 这一条把它和本体系其余 6 个样本彻底分开：<strong>它们的用户是开发者，OpenClaw 的用户是普通人。</strong></td>
<td>想让 AI 接管日常事务（收件箱、日历、出行）的非技术用户、重度聊天软件用户（WhatsApp / Telegram / iMessage / Signal）、想在自己机器上跑私人助理、拒绝 SaaS 托管的数据敏感用户</td>
<td>免费开源 + 赞助（README 有 Sponsors 段）。创始人 2026-02 加入 OpenAI 后， OpenAI 承诺在保持 MIT 的前提下继续赞助，项目转由独立基金会运营。 目前看不到收费层。</td>
<td>MIT（SPDX 误判，人工复核确认）</td>
<td>L1</td>
</tr>
<tr>
<td><strong>openwork</strong></td>
<td>站在「能力分发层」，不争桌面入口。核心资产是 OpenWork MCP 与 Den 控制面—— 把 skills / MCP / 连接服务做成可跨工具、跨人、跨机器复用的组织级能力包。</td>
<td>已在使用 Codex / Claude Code / Cursor 且不想换工具的开发者、需要统一管控 agent 能力的中大型组织、想把自己搭好的工作流分发给同事或朋友的团队</td>
<td>Den 订阅（组织控制面）。免费额度写得很明确： 5 人以下组织的非 Enterprise 功能全免、任意规模 30 天评估、开发测试永久免费。</td>
<td>目录切分许可（GitLab 式）：ee/ 之外为 MIT；ee/ 为 OpenWork EE License</td>
<td>L3</td>
</tr>
<tr>
<td><strong>orca</strong></td>
<td>站在「执行编排层」：不造引擎、不卖模型，只做并行 agent 的调度与可观测外壳。 上游是各家 CLI agent，下游是开发者的本机/远程 worktree。</td>
<td>自称 100x builders 的重度个人开发者、需要同时试多种实现方案再择优合并的小团队、已在用 Codex / Claude Code / OpenCode 并想并行跑的人</td>
<td>未明示，且这是它最大的商业不确定性。MIT 全开源、无企业版、无订阅层， README 明确不提供模型也不代买订阅。收入路径尚未公开。</td>
<td>MIT License</td>
<td>L1</td>
</tr>
<tr>
<td><strong>QwenPaw</strong></td>
<td>与 OpenClaw 同处「个人助理执行层」，是本项目在本体系中唯一的正面对手。 但立足点不同：OpenClaw 靠<strong>渠道覆盖与生态规模</strong>取胜，QwenPaw 靠<strong>安全默认值与 本地可跑</strong>取胜。它把自己定位成"能长期记住你、数据不离开你机器的私人助理"， 而不是功能最全的助理。 团队背景决定了差异化：背靠 AgentScope（AgentScope / AgentScope Runtime / ReMe）， 记忆系统直接建在 ReMe 个人知识框架上。</td>
<td>对数据主权与隐私有硬要求、希望助理完全跑在本地的个人用户、需要在钉钉 / 飞书 / 微信 / QQ 等国内渠道里用助理的团队、想不买 API key 就先跑起来的尝鲜用户（QwenPaw-Flash 本地模型）、愿意用功能广度换安全确定性的自用开发者</td>
<td>Apache-2.0 全开源，未见收费层；提供 Docker / 阿里云 ECS / AgentScope 平台 / ModelScope 创空间等多条部署路径（云部署路径隐含云厂商导流）。 与 OpenClaw 一样<strong>没有明示的变现路径</strong>。</td>
<td>Apache License 2.0</td>
<td>L1</td>
</tr>
<tr>
<td><strong>Tutti</strong></td>
<td>站在「多人 × 多 Agent 的实时协作空间层」，是七个样本里<strong>唯一把"多人"写进定位的</strong>。 它不造引擎、不卖模型，做的是"让你已有的 agent 订阅在同一个工作区里协同"： Claude 写了一半的活儿交给 Codex 接着干，中间不用重新讲一遍背景。 但它的商业模式是清晰的 open-core：<strong>开源版只给"单人 + 多 Agent"， "多人 + 多设备 + 云同步"全在闭源的 Tutti · VM 侧</strong>（Early Access，需邀请码）。</td>
<td>同时用多个 agent 订阅（Claude Code + Codex + Hermes）的重度开发者、需要 agent 之间共享上下文、接力同一件事的小团队、想让 agent 产出不止代码（设计稿 / 文档 / PPT）的人、需要多人 × 多 Agent 同屏协作的团队（但这类需求会被引流到闭源 VM 版）</td>
<td><strong>Open-core 双轨</strong>：开源版（Apache-2.0）免费且自托管；Tutti · VM 为 Early Access 商业版，需邀请码创建 Cloud Room。Tutti 内置 Agent 在 Early Access 期免费， README 明示"后续可能按用量计费"。 这是七个样本里<strong>变现路径最清晰的一个</strong>。</td>
<td>Apache License 2.0</td>
<td>L1</td>
</tr>
</tbody>
</table>
<h3 id="_5">场景维度</h3>
<table>
<thead>
<tr>
<th>项目</th>
<th>交互形态</th>
<th>人机协作</th>
<th>交付物</th>
</tr>
</thead>
<tbody>
<tr>
<td><strong>iPolloWork</strong></td>
<td>desktop-app</td>
<td>approval-gated</td>
<td>code、doc、ppt、website、design、video</td>
</tr>
<tr>
<td><strong>maka</strong></td>
<td>桌面应用、TUI / CLI、评测框架</td>
<td>强：工具越过沙箱边界必须审批；运行可中止；失败被分类。</td>
<td>code、artifact、eval-report、execution-record</td>
</tr>
<tr>
<td><strong>OpenClaw</strong></td>
<td>聊天软件频道（主要入口）、本地守护进程 Gateway（控制面）、Web Control UI / CLI / TUI、桌面与移动端伴侣 App（macOS / Windows / iOS / Android）</td>
<td>配对审批：支持 DM 的频道<strong>默认会配对未知发送者</strong>，需人工 <code>openclaw pairing approve</code> 确认。 2.0 新增私密凭据请求（遮罩输入，敏感信息不进聊天记录与模型上下文）与插件安装前能力展示。</td>
<td>事务结果（邮件 / 日程 / 预订 / 消息）——不是文件型交付物、文件与本地系统操作、Canvas / 语音 / 图像（伴侣 App 侧）</td>
</tr>
<tr>
<td><strong>openwork</strong></td>
<td>MCP 远程服务、桌面应用（可选）、浏览器登录授权</td>
<td>能力调用需人工在浏览器登录并选择组织；企业侧由管理员通过策略管控。</td>
<td>workflow、skill-package、capability</td>
</tr>
<tr>
<td><strong>orca</strong></td>
<td>桌面应用、移动端伴随、CLI、SSH 远程</td>
<td>强人在环：需人工比并结果、批注 diff、批准合并。 但 5000 个自开 issue 说明产品自身也在被 AI 自动改进。</td>
<td>code、diff、review-comment</td>
</tr>
<tr>
<td><strong>QwenPaw</strong></td>
<td>Web 控制台（默认 127.0.0.1:8088）、Terminal UI（TUI）、IM 渠道（钉钉 / 飞书 / 微信 / QQ / Discord / Telegram / iMessage）、桌面应用（Beta）</td>
<td>Access Policy 是声明式访问规则，可对每次能力调用设置 放行 / 拒绝 / 请求人工批准， 粒度到工具级、可按来源匹配。Tool Guard 提供 STRICT / SMART / AUTO / OFF 四档。</td>
<td>code（Coding Mode 三栏 IDE）、文档处理结果（PDF / Word / Excel / PowerPoint）、记忆条目（可读可编辑可搜索的 Markdown 记忆）、定时推送内容（资讯摘要 / 视频脚本）</td>
</tr>
<tr>
<td><strong>Tutti</strong></td>
<td>桌面应用（Electron）、TUI / CLI（Go）、Workbench 节点（Browser / Terminal / App Center）、【闭源 VM】Cloud Room 多人多设备</td>
<td>Agent Board 可视化所有 agent 的任务与状态，统一调度；goal review / plan feedback （Tutti Mode 执行）。活动复制与状态探针（agentstatus + account-usage）提供过程可见性。</td>
<td>code、设计稿（AI Canvas / UI-UX 原型）、文档 / PPT（Docs / AI PPT 内置 App）、会话回放（session-replay）</td>
</tr>
</tbody>
</table>
<h3 id="_6">技术维度</h3>
<table>
<thead>
<tr>
<th>项目</th>
<th>形态</th>
<th>引擎抽象</th>
<th>接入深度</th>
<th>模型绑定</th>
<th>本地优先</th>
</tr>
</thead>
<tbody>
<tr>
<td><strong>iPolloWork</strong></td>
<td>Electron 桌面应用（另支持 dev:ui 只起浏览器 UI）</td>
<td>Engine Protocol（经 local API）；Codex 与 MCP 客户端另经 ipollowork-ui-mcp 控制面接入</td>
<td><strong>三种引擎的接入深度并不对等</strong>：OpenCode 是默认本地执行 runtime，走 local API → Engine Protocol 的原生 adapter，以独立 sidecar 形式存在（首次桌面构建时下载，不 fork、可独立升级）；DeepSeek Harness 是可选 peer runtime 与子代理委派目标，同样走 Engine Protocol；Codex 则<strong>仅</strong>通过 ipollowork-ui-mcp 的 MCP 控制面接入，README 明确写明 currently uses the MCP control surface rather than claiming a native Codex engine adapter</td>
<td>byom</td>
<td>是</td>
</tr>
<tr>
<td><strong>maka</strong></td>
<td>桌面应用 + TUI/CLI + 评测框架，三者共用同一 Runtime Host</td>
<td>Runtime Host（单一所有者的生命周期 + 协议 + 客户端引导）</td>
<td>与另外三家正好相反：Maka 对<strong>自己的</strong>引擎深度是满分 （一个 Runtime Host 统管所有入口），对<strong>外部</strong>引擎深度是零 （只在 eval 里当被测对象）。 它压根不参与「多引擎中立」这条赛道的竞争——这是定位选择而非能力缺陷， 但读者必须知道它和 Orca / OpenWork / iPolloWork 不是同一类选手。</td>
<td>完全 BYO：云 API、本地模型或兼容网关， 不捆绑任何共享账号（README 明确 "You bring the model"）。</td>
<td>是</td>
</tr>
<tr>
<td><strong>OpenClaw</strong></td>
<td>本地守护进程（Gateway）为控制面 + 多渠道接入。注意它<strong>没有 IDE 形态</strong>， 也不是传统意义的桌面工作台——Control UI 只是 Gateway 的一个 Web 前端。</td>
<td>无（自身即引擎）</td>
<td>把 OpenClaw 和"多引擎中立"放在一起比较会得出误导性结论。 横向对比时应把它的引擎立场标记为「自身即引擎」而非「绑定单引擎」， 两者在用户侧的风险完全不同：绑定单引擎是"换不了"，自身即引擎是"不用换"。</td>
<td>不绑定：支持 hosted 与 local model providers。2.0 默认 GPT-5.6， 本地模型方面把 node-llama-cpp 换成托管 llama-server，默认上下文提到 64K。</td>
<td>是</td>
</tr>
<tr>
<td><strong>openwork</strong></td>
<td>MCP 远程服务 + 可选桌面应用 + Web 控制面</td>
<td>OpenWork MCP（能力面，不是执行面）</td>
<td>接入「对等且都浅」：所有引擎都以同一个 MCP 客户端身份接入， 拿到的是能力调用，不是执行控制——OpenWork 不接管 agent 的执行循环、 不负责上下文管理、不做权限回调。 真正深度绑定的是 OpenCode：仓库描述即写 powered by opencode， 桌面端属 OpenCode 生态，其余引擎只是 MCP 外挂。 这与 iPolloWork 的「Codex 仅 MCP 控制面」是同一个问题的两种解法： iPolloWork 把 MCP 当补丁（主体是桌面），OpenWork 把 MCP 当主体（桌面是可选）。</td>
<td>Den 侧可统一配置与配额控制 model provider；桌面 app 本身 BYO</td>
<td>是</td>
</tr>
<tr>
<td><strong>orca</strong></td>
<td>桌面应用（含移动端伴随 + CLI）</td>
<td>无统一抽象层；实际是终端 PTY + 约定式输出解析</td>
<td>接入深度「完全对等，但对等在低处」：30+ 引擎共享同一套 PTY 外壳， 因此没有任何一家能拿到原生能力——拿不到结构化 tool call、 拿不到统一权限回调、拿不到一致口径的 token 统计。 广度最大，深度最浅。对照 iPolloWork 为 OpenCode 做的原生 Engine Protocol adapter，Orca 与任一单引擎的耦合都明显更浅。</td>
<td>完全 BYO——用户自带各 agent 的订阅与额度</td>
<td>是</td>
</tr>
<tr>
<td><strong>QwenPaw</strong></td>
<td>Python 包（pip / 安装脚本）+ Web 控制台 + TUI + 桌面应用（Beta）+ Docker。 形态偏"服务端 + 多渠道"，与 OpenClaw 的"本地守护进程 Gateway"思路接近， 但更传统——没有 OpenClaw 那套原生伴侣 App 与设备节点。</td>
<td>无（自身即引擎）；模型层有统一 provider 抽象</td>
<td>注意区分两个"中立"：模型层是真中立（14+ provider 可换）， agent 引擎层不存在中立问题（它自己就是）。横向比较时不要混为一谈。</td>
<td>不绑定。本地侧主推自研 QwenPaw-Flash（2B / 4B / 9B，Q4 / Q8 量化， ModelScope 与 Hugging Face 可下载），云侧 14+ provider。 <strong>"无需 API key 即可跑"是它相对所有竞品的硬差异。</strong></td>
<td>是</td>
</tr>
<tr>
<td><strong>Tutti</strong></td>
<td>pnpm + Go Workspace 混合 monorepo；桌面端 Electron；守护进程 tuttid（Go）； CLI（Go）；Agent 运行时基于 <strong>ACP（Agent Client Protocol）</strong> + uv / npm / pnpm 托管运行时。语言构成 TypeScript 48.8% / Go 45.4% —— <strong>后端用 Go 而不是 Node， 这是它和其余 Electron 系样本的关键差异</strong>（守护进程的稳定性与并发模型更好）。</td>
<td>ACP（Agent Client Protocol）+ runtimeprep 准备层</td>
<td>⚠️ <strong>接入深度极不对等，实测数据如下</strong>（packages/agent/runtimeprep/，非测试行数）：   Codex       16 文件  2170 行   ← 一国独大   Tutti 内置   2 文件   653 行   Cursor       2 文件   446 行   Claude       3 文件   410 行   OpenCode     2 文件   392 行   Kimi         1 文件   127 行   ComputerUse  1 文件    43 行   BrowserUse   1 文件    43 行 <strong>Codex 是 Kimi 的 17 倍。</strong> 且只有 Codex 有 Windows 变体文件 （codex_directory_windows.go 149 行、codex_file_windows.go、  codex_models_cache_windows.go 等 4 个），其余引擎一个 Windows 变体都没有 ——说明<strong>只有 Codex 在 Windows 上被真正验证过</strong>。  更有意思的是<strong>测试密度与实现规模成反比</strong>：   OpenCode  392 行实现 / 218 行测试 = 0.56（密度最高）   Cursor    446 / 187 = 0.42   Tutti 内置 653 / 274 = 0.42   Claude    410 / 136 = 0.33   Codex    2170 / 261 = <strong>0.12（投入最大，保障最薄）</strong>   Kimi      127 /   0 = 0.00   ComputerUse / BrowserUse  43 / 0 = 0.00 即：<strong>投入最重的 Codex 恰恰是质量保障最薄弱的地方</strong>，因为它的边界情况最多 （Windows 兼容、模型缓存、配置依赖、skill roots、用户指令），测试却没跟上。 另有 19 个通用测试文件共 7851 行（preparer_test.go 单文件 2906 行） 覆盖跨引擎路径，部分弥补了单引擎测试的缺失。</td>
<td>不绑定模型，但<strong>绑定 agent 订阅</strong>：README 明确"用你已有的 Claude / Codex / 其他订阅"。没有订阅的用户可用 Tutti 内置 Agent（Early Access 期免费）。</td>
<td>是</td>
</tr>
</tbody>
</table>
<h3 id="_7">生态与风险</h3>
<table>
<thead>
<tr>
<th>项目</th>
<th>Star</th>
<th>Fork</th>
<th>Issues</th>
<th>最新 release</th>
<th>节奏</th>
<th>成熟度</th>
<th>数据日期</th>
</tr>
</thead>
<tbody>
<tr>
<td><strong>iPolloWork</strong></td>
<td>5201</td>
<td>976</td>
<td>80</td>
<td>v0.50.12</td>
<td>一天多版</td>
<td>beta</td>
<td>2026-09-01</td>
</tr>
<tr>
<td><strong>maka</strong></td>
<td>4373</td>
<td>406</td>
<td>398</td>
<td>v0.2.0-dev.9.20260831</td>
<td>一天多版</td>
<td>孵化期</td>
<td>2026-09-01</td>
</tr>
<tr>
<td><strong>OpenClaw</strong></td>
<td>388438</td>
<td>81543</td>
<td>5925</td>
<td>v2026.8.1</td>
<td>约 4 天/版本</td>
<td>高速迭代期</td>
<td>2026-09-01</td>
</tr>
<tr>
<td><strong>openwork</strong></td>
<td>23253</td>
<td>2307</td>
<td>414</td>
<td>v0.18.40</td>
<td>约 1 天/版本</td>
<td>0.x 活跃</td>
<td>2026-09-01</td>
</tr>
<tr>
<td><strong>orca</strong></td>
<td>58771</td>
<td>3987</td>
<td>5000</td>
<td>v1.4.194</td>
<td>约 1 天/版本</td>
<td>原型期</td>
<td>2026-09-01</td>
</tr>
<tr>
<td><strong>QwenPaw</strong></td>
<td>34758</td>
<td>3052</td>
<td>898</td>
<td>v2.2.0-beta.5</td>
<td>约 1 天/版本</td>
<td>beta 活跃期</td>
<td>2026-09-01</td>
</tr>
<tr>
<td><strong>Tutti</strong></td>
<td>3660</td>
<td>371</td>
<td>185</td>
<td>stable</td>
<td>约 3 天/版本</td>
<td>快速成长期</td>
<td>2026-09-01</td>
</tr>
</tbody>
</table>
<p><strong>成熟度详解</strong></p>
<ul>
<li><strong>iPolloWork</strong>：beta</li>
<li><strong>maka</strong>：治理成熟度最高（ASF 流程 + 评测框架 + 文档契约），
产品成熟度最低（无正式 release、平台只支持 arm64 macOS、功能默认保守）。
属于「地基打得最实，房子盖得最慢」。</li>
<li><strong>OpenClaw</strong>：功能面极广、迭代极快（10 个月 237 次版本迭代），但<strong>版本号体系失序</strong>、
安全默认值偏松、巴士系数接近 1。适合愿意自己加固环境并接受高频变更的个人，
不适合需要可预测升级路径与稳定 SLA 的团队——尤其考虑到 2.0 自己都承认
"从 v2026.7.1 及更早版本升级时可能破坏原有 Agent 配置"，官方建议升级前先备份。</li>
<li><strong>openwork</strong>：工程成熟度最高：有可执行测试规格（evals/）、声明式环境（worlds/）、
明确的贡献契约与许可边界。但仍处 0.x 主版本（v0.18.40），
API 与数据格式可能变动。</li>
<li><strong>orca</strong>：功能广度第一，工程治理末位。一天多版（v1.4.194）说明迭代极快，
但 issue 只进不出、巴士系数为 1，属于「高速原型期」而非「可托付生产期」。</li>
<li><strong>QwenPaw</strong>：工程治理（巴士系数最健康、安全分层最完整）明显强于它的星标邻居们，
但<strong>发布纪律是短板</strong>——所有 release 都是 beta，且一天能发多个 beta。
功能面广、迭代快，适合自用与尝鲜；不适合作为团队关键链路的基础设施。</li>
<li><strong>Tutti</strong>：建仓仅 2.5 个月，处在快速成长期。发布纪律是七个样本里最好的（全部正式版 +
stable 滚动 tag），工程规范度高（NOTICE 精确到 revision hash、通用测试 7851 行、
Go 守护进程），但引擎接入深度严重向 Codex 倾斜、开源版功能完整度约一半。
适合自用与"多 agent 接力"场景，不适合指望开源版承担团队协同。</li>
</ul>
<h3 id="vs">宣称 vs 实测</h3>
<table>
<thead>
<tr>
<th>项目</th>
<th>宣称</th>
<th>实际</th>
<th>证据来源</th>
</tr>
</thead>
<tbody>
<tr>
<td><strong>iPolloWork</strong></td>
<td>兼容 Codex、DeepSeek Harness、OpenCode 三大引擎</td>
<td>三者接入深度不对等。OpenCode 与 DSH 走 Engine Protocol 原生 adapter；Codex 只通过 ipollowork-ui-mcp 的 MCP 控制面接入，README 自己否认这是原生 Codex engine adapter</td>
<td>仓库 README 的 Architecture boundary 一节原文</td>
</tr>
<tr>
<td><strong>iPolloWork</strong></td>
<td>集成 DeepSeek Harness 用于子代理委派</td>
<td>第三方插件目录标注为 integration in active development, not yet in the stable release；且 DSH 本身处于 developer preview 阶段。功能方向成立，但尚未进入稳定版</td>
<td>deepseekharnessplugins.com 插件页；README 关于 DSH developer preview 的说明</td>
</tr>
<tr>
<td><strong>iPolloWork</strong></td>
<td>8 小时完成 Codex Harness 适配，登顶相关主题榜第一</td>
<td>响应速度属实且有第三方报道佐证，但「适配」指的是打通 MCP 控制面路径，不等于原生引擎级集成。快是因为走控制面，深度也受限于控制面</td>
<td>ME News 报道；README 关于 Codex 接入方式的表述</td>
</tr>
<tr>
<td><strong>iPolloWork</strong></td>
<td>本地优先、不连云也能完整运行</td>
<td>这一点基本成立：iPolloCloud 明确为可选，负责身份、组织、权益、托管 worker 与商业 App。但默认本地 runtime 是 OpenCode sidecar，首次桌面构建时需联网下载，且开发模式与 Orchestrator sidecar 都由 iPolloWork 侧编排</td>
<td>README 架构边界与安装章节</td>
</tr>
<tr>
<td><strong>iPolloWork</strong></td>
<td>统一的插件与 Skills 生态</td>
<td>统一的是<strong>生命周期</strong>（安装/启用/更新/卸载一次），不是能力本身。README 明确各 runtime 保留自己的 agents、Skills、插件与执行模型，引擎专属增强只是可选</td>
<td>README 的 Agent runtime compatibility 一节</td>
</tr>
<tr>
<td><strong>iPolloWork</strong></td>
<td>仓库 topics 标注 claude-code</td>
<td>中英文 README 均未描述任何 Claude Code 接入方式。topic 更像搜索曝光策略，不应视为已支持的能力</td>
<td>GitHub topics 与 README 全文对照</td>
</tr>
<tr>
<td><strong>iPolloWork</strong></td>
<td>企业级（enterprise-grade）</td>
<td>版本号仍在 0.50.x，无公开 Roadmap，发布节奏为一天多版，仓库体积 591 MB。工程投入可观，但版本语义上尚未到企业可用的稳定态</td>
<td>GitHub releases；README 版本说明；仓库 size 字段</td>
</tr>
<tr>
<td><strong>maka</strong></td>
<td>Apache 品牌 = 成熟稳定、可用于生产</td>
<td>孵化状态恰恰是「尚未被 ASF 完全背书」的标记，README 自带官方免责声明。 且截至 2026-09-01 <strong>没有任何 Apache 正式 release</strong>， 对外分发的只有 Desktop Nightly，README 明确标注 「not an ASF release, not intended for production use」。 平台支持也最窄：macOS arm64 是唯一正式档， Windows 为未签名预览，Linux 标注 soon。</td>
<td>README 的 NOTE / IMPORTANT 段、Releases and downloads 段、平台 badge</td>
</tr>
<tr>
<td><strong>maka</strong></td>
<td>「Your machine, your data」本地优先、数据主权</td>
<td>数据确实不出机器，但 <strong>API key 以明文文件存放</strong>—— README 原文承认 credential-vault.json 是 「local plaintext file, readable only by your OS account」。 防护依赖操作系统账户权限，而非加密或系统钥匙串。 renderer 进程拿不到，但同机任一以你身份运行的进程都能读到。</td>
<td>README「Local data and recovery」段</td>
</tr>
<tr>
<td><strong>maka</strong></td>
<td>崩溃恢复与可选续跑</td>
<td>续跑<strong>默认关闭</strong>，需手动设 MAKA_RUNTIME_SAFE_BOUNDARY_RESUME=1， 且 README 明确警告该调用会打模型、消耗 token。 另存在<strong>升级断代</strong>：旧版 JSONL transcripts 与 Electron safeStorage 凭据不会被导入，升级后的工作区可能出现空线程，凭据必须重新录入。</td>
<td>README「Local data and recovery」段</td>
</tr>
<tr>
<td><strong>maka</strong></td>
<td>（无明确宣称，但易被期待为开箱即用的完整工作台）</td>
<td>内置工具只有 Read / Write / Edit / Bash / Glob / Grep 六个； Computer Use 与 catalog skills 属可选且默认关闭； IM bot（聊天应用接入）标注 experimental。 功能面是七个项目里最保守的——取舍很明确：用广度换确定性。</td>
<td>README「Current capabilities」段</td>
</tr>
<tr>
<td><strong>maka</strong></td>
<td>支持 Graph 多算子并行</td>
<td>Graph 的实现算子跑在独立 git worktree，且<strong>要求源项目是干净 worktree</strong>—— 有未提交改动就用不了。相比 Orca 的并行 worktree（产品级封装）， Maka 的 Graph 更接近实验性能力。</td>
<td>README「Terminal entry points」段</td>
</tr>
<tr>
<td><strong>OpenClaw</strong></td>
<td>停更 7 周（多家媒体转述，指 7 月中旬 v2026.7.1 之后断更）</td>
<td>失真。查 release 时间轴：7-18 → 7-28 → 8-01 → 8-02 → 8-04 → 8-08 → 8-15 → 8-24 → 8-28 → 8-31 一直在发。<strong>停的是稳定版，beta 从未停。</strong> 但真实问题比"停更"更值得警惕：版本号体系已经乱到无法从版本号判断新旧—— 8-28 发的 v2026.9.1-beta.1 早于 8-31 的正式版 v2026.8.1； 而 v2026.6.33 / v2026.6.34（8-08）又晚于 v2026.7.1-1 / -2（8-04）。 多线并行导致版本号与实际时间顺序倒挂。</td>
<td>GitHub releases API（2026-09-01 取最近 12 个 release 的 published_at）</td>
</tr>
<tr>
<td><strong>OpenClaw</strong></td>
<td>3001 名贡献者 / 933 人共建 2.0（项目方与媒体反复引用）</td>
<td>数字属实，但不能推导出"去中心化"。抽样最近 100 次提交：创始人 steipete 独占 64 次（64%），第二名 vincentkoc 仅 4 次，去重作者 27 人。 <strong>巴士系数接近 1</strong> —— 贡献者基数和实际决策集中度是两回事。</td>
<td>GitHub commits API（2026-09-01 取 main 分支最近 100 次提交的 author.login 分布）</td>
</tr>
<tr>
<td><strong>OpenClaw</strong></td>
<td>PR 已经泛化成 Prompt Requests，AI 批量灌水（多家媒体报道）</td>
<td>我抽样最新 60 条 open PR，<strong>不支持</strong>这个说法：标题全部是规范的 conventional commits（fix(memory-core)、refactor(sessions)、perf(media)）， 去重 22 位作者，未见灌水特征。 但另一组数字确实异常：60 条<strong>全部创建于 2026-09-01 同一天</strong>， 说明日 PR 量超过 60 条——流量压力真实存在，只是"质量崩坏"缺乏证据。 媒体报道的"必须附对话记录/截图/测试证据才能过审"是维护方的应对动作， 从这批样本看，它似乎有效。</td>
<td>GitHub pulls API（state=open, sort=created, direction=desc, per_page=60）</td>
</tr>
<tr>
<td><strong>OpenClaw</strong></td>
<td>跑在你自己的设备上、own your data</td>
<td>前半句属实（Gateway 是本地控制面，支持本地模型）。 但<strong>安全默认值偏松</strong>：README 原文承认工具默认跑在宿主机上、除非你配置沙箱； 支持 DM 的频道默认配对未知发送者（需人工 approve）。 历史上出过 CVE-2026-25253（CVSS 8.8）：访问一个恶意页面即可窃取令牌、 禁用沙箱、在宿主机执行任意代码。"本地运行"不等于"默认安全"。</td>
<td>README Security 章节原文；CVE-2026-25253（媒体报道，CVSS 8.8）</td>
</tr>
<tr>
<td><strong>OpenClaw</strong></td>
<td>MIT 开源</td>
<td>属实，但<strong>机器读不出来</strong>。GitHub 的 licensee 因为 LICENSE 末尾多了一段 第三方声明指引（THIRD_PARTY_NOTICES.md）而判定 NOASSERTION。 自动定级会给出 L3/private 的错误结论，必须人工读 LICENSE 原文才能纠正。 （本体系第二次遇到这类误判，前一次是 OpenWork 的目录切分许可。）</td>
<td>GitHub license API 取原始文件，人工阅读全文 1170 字节</td>
</tr>
<tr>
<td><strong>openwork</strong></td>
<td>「Claude Cowork 的开源替代品」</td>
<td>形态完全不同。Cowork 是桌面操控型 agent（直接操作你的电脑完成工作）； OpenWork 是能力分发型 MCP 层，桌面 app 被明确定位为可选—— README 原文「The desktop app is there when you want a dedicated workspace, but it is not required」。 它替代的是 Cowork 唤起的「能力复用」诉求，不是 Cowork 本身。</td>
<td>README 开篇与「Use OpenWork from any agent」段</td>
</tr>
<tr>
<td><strong>openwork</strong></td>
<td>跨 Codex / Claude Code / Cursor / OpenCode 多引擎通用</td>
<td>对 OpenCode 是原生的（仓库描述 powered by opencode，桌面端属其生态）； 对其余引擎只通过自己暴露的两个 MCP 工具对接。 这是能力调用面，不是引擎执行面——OpenWork 不接管这些引擎的执行循环、 上下文与权限。对外宣称的「跨引擎」与内部实际的主从关系存在落差。</td>
<td>README「It exposes two tools」段；仓库 description「powered by opencode」</td>
</tr>
<tr>
<td><strong>openwork</strong></td>
<td>free, open-source（免费开源）</td>
<td>需要分目录看：ee/ 之外确实 MIT 且免费；但 ee/（Den 组织控制面、 MCP 网关、推理）属 source-available，生产使用需付费订阅， 只有 5 人以下组织、30 天评估、开发测试三种情形豁免。 个人免费，团队与企业要付费。</td>
<td>README Licensing 段 + ee/LICENSE 原文 72 行</td>
</tr>
<tr>
<td><strong>openwork</strong></td>
<td>（无明确宣称，但 SPDX 为 NOASSERTION，易被误读为「不够开源」）</td>
<td>恰恰相反——它是七个项目里工程治理最规范的：强制 DCO sign-off、 ee/ 需额外 CLA、evals/ 目录放可执行测试规格并要求 PR 附测试证据、 worlds/ 放声明式的开发与测试环境定义。 NOASSERTION 只因根目录 LICENSE 是混合声明文件，不代表开放度低。</td>
<td>README「Getting started (contributors)」与「Sending a pull request」段</td>
</tr>
<tr>
<td><strong>orca</strong></td>
<td>5000 个 open issue 反映社区问题积压与项目质量压力</td>
<td>抽样最近 100 条：全部创建于 2026-09-01 同一天，94% 无任何标签， 标题为 fix(ssh) / refactor / fix(task-page) 等内部任务口吻； 提交者 TOP3 为 nwparker(51)、OrcaWin(13)、klaidliadon(12)。 实为「团队自开的任务待办板」，且带明显 AI 批量生成痕迹 （如 OrcaWin 提交的「pty.spawn can leak a running agent process unboundedly: host holds the door open」）。 它不是社区投诉，也不构成 triage 压力——但同样说明这 5000 条 从未被当作对外承诺来管理。</td>
<td>GitHub API /repos/stablyai/orca/issues?state=open，2026-09-01 抽样 100 条</td>
</tr>
<tr>
<td><strong>orca</strong></td>
<td>「100x builders 的 AI Orchestrator」，面向多人协作的成熟开发环境</td>
<td>巴士系数为 1：最近 100 次提交中 nwparker 独占 79 次， 第二名 AmethystLiang 仅 9 次。功能面由单人 + AI 高强度驱动， 而非团队协作成果。</td>
<td>GitHub API /repos/stablyai/orca/commits?per_page=100，2026-09-01</td>
</tr>
<tr>
<td><strong>orca</strong></td>
<td>支持 30+ 种 agent，生态最开放</td>
<td>兼容判据是「能在终端里跑」，靠 PTY 拉起而非协议对接。 广度最大但深度最浅——所有引擎都拿不到结构化 tool call 与统一的权限回调。与 iPolloWork 为 OpenCode 做原生 Engine Protocol adapter 相比，Orca 与任一单引擎的耦合都更浅。</td>
<td>README「Works with any CLI agent — if it runs in a terminal, it runs in Orca」</td>
</tr>
<tr>
<td><strong>orca</strong></td>
<td>MIT 全开源，可放心用于生产</td>
<td>许可证本身无风险，但项目没有任何公开的营收路径 （无企业版、无订阅、不卖模型、不代买订阅）。 58k star 的体量与零商业化不匹配，属于「要么即将融资、 要么后续变更条款」的不稳定态。</td>
<td>README License 段；README 明确「Orca does not provide models, nor does it buy subscriptions for you」</td>
</tr>
<tr>
<td><strong>orca</strong></td>
<td>桌面 / 移动 / VPS 全覆盖</td>
<td>三端成熟度不对等：Android 仍是手工分发 APK（0.0.47）、 iOS 走 App Store 与 TestFlight、VPS 场景需另查 headless Linux 指南。 移动端实际是「监控与追加指令」的伴随形态，不是完整工作环境。</td>
<td>README Install 段与 Mobile Companion 段</td>
</tr>
<tr>
<td><strong>QwenPaw</strong></td>
<td>数据归你、本地优先、不上传任何本地使用记录</td>
<td>主力诉求成立（本地模型可完全离线跑，遥测一键可关）。 但 README 的 Telemetry 章节写明：<strong><code>qwenpaw init --defaults</code> 会自动接受遥测</strong>， 且"每升级一个版本会重新收集一次"。而 <code>--defaults</code> 恰恰是快速上手文档 推荐的默认路径。收集的是匿名环境数据、不影响功能，但"默认接受" 与"数据归你"的叙事存在张力——尤其对把隐私当核心卖点的产品。</td>
<td>README Telemetry 章节原文（'If you choose --defaults, telemetry is accepted automatically.'）</td>
</tr>
<tr>
<td><strong>QwenPaw</strong></td>
<td>34.7k star 的成熟个人助理</td>
<td>星标属实，但<strong>至今没有任何正式 release</strong>。查最近 8 个 release， v2.1.1-beta.1 到 v2.2.0-beta.5 全部 prerelease=True。 也就是说它处在"高关注度 + 持续 beta"状态，与同赛道 OpenClaw （有 v2026.8.1 正式版）相比，发布纪律反而更松。</td>
<td>GitHub releases API（per_page=8，全部返回 prerelease=true）</td>
</tr>
<tr>
<td><strong>QwenPaw</strong></td>
<td>五层安全，内核级沙箱</td>
<td>五层的实现描述相当具体（Seatbelt / Bubblewrap+Landlock / AppContainer， ShellEvasionGuardian 检测命令注入与反弹 shell），可信度高。 但 <strong>Tool Guard 提供 OFF 档</strong>，整层可以关掉；Access Policy 也是"可配置为放行"。 安全强度取决于用户配置，不是不可绕过的硬边界。</td>
<td>README Security Features 章节（列出 Tool Guard 的 STRICT / SMART / AUTO / OFF 四档）</td>
</tr>
<tr>
<td><strong>QwenPaw</strong></td>
<td>无需 API key，本地模型即可跑</td>
<td>技术上成立：QwenPaw-Flash 2B / 4B / 9B（Q4 / Q8 量化）内置 llama.cpp 后端， 在 Web UI 点下载即可用，并提供硬件感知推荐。 但要清醒：<strong>2B / 4B 量级的模型在复杂 agent 任务上的能力天花板很低</strong>， "无需 key 跑起来"和"无需 key 好用"是两件事，重度任务仍要接云端 provider。</td>
<td>README Local Models 章节（列出 2B/4B/9B 与 Q4/Q8 量化）</td>
</tr>
<tr>
<td><strong>QwenPaw</strong></td>
<td>（历史）QwenPaw 是一个 2026 年 4 月后出现的全新项目</td>
<td>不是。它是 2026-02-24 以 <strong>CoPaw</strong> 之名建仓的项目，2026-04-12 才更名。 检索 2026 年 4 月之前的社区讨论、issue 与技术文章时必须按 CoPaw 检索， 否则会严重低估它的历史沉淀与已知问题。</td>
<td>GitHub repo API（created_at=2026-02-24）+ README News 章节的更名公告</td>
</tr>
<tr>
<td><strong>QwenPaw</strong></td>
<td>（检索风险）github.com/agentscope-ai/QwenPaw 是唯一官方仓库</td>
<td>存在同名仓库 <code>aqua88hn/qwenpaw</code>，README 内容与官方高度相似。 以 star 数（官方 34.7k）与组织归属判断，官方仓库在 agentscope-ai 组织下； 但同名仓库的存在会让"按名字搜仓库"直接得到错误结果。</td>
<td>GitHub 搜索结果与 repo API 交叉核对（agentscope-ai/QwenPaw = 34758 star，非 fork）</td>
</tr>
<tr>
<td><strong>Tutti</strong></td>
<td>（README）Currently Claude Code, Codex, and Hermes；OpenClaw is in development</td>
<td><strong>README 与代码对不上，两个方向都偏。</strong> 宣称"当前支持"的 Hermes，在 runtimeprep 里<strong>没有 hermes.go</strong> —— 它走的是 extension_runtime.go 的 RTK Python 插件机制（provider 标识 <code>acp:hermes</code>， 用 Python 插件重写命令），只有测试文件 hermes_test.go(580) 与 hermes_verify_test.go(77)，没有原生 adapter。 宣称"in development"的 OpenClaw，确实只有 acp_provider_openclaw.go <strong>52 行、 零测试</strong>（对比 OpenCode 的 301 行 + 540 行测试）—— README 这处倒是诚实的。 反过来，<strong>Cursor / OpenCode / Kimi / ComputerUse / BrowserUse 在代码里都有 完整实现，README 的支持列表却一个字没提。</strong> 结论：README 的支持列表更像"营销优先级排序"，不是代码覆盖的如实反映。</td>
<td>本地源码实测：runtimeprep 目录文件清单 + daemon/runtime/acp_provider_*.go 行数 + grep hermes 引用</td>
</tr>
<tr>
<td><strong>Tutti</strong></td>
<td>多引擎中立</td>
<td>协议层中立（都走 ACP），<strong>深度层远不中立</strong>。Codex 2170 行 vs Kimi 127 行， 17 倍差距；只有 Codex 有 Windows 变体，其余引擎在 Windows 上未验证。 而且测试密度反常：Codex 0.12（最低）vs OpenCode 0.56（最高）， Kimi / ComputerUse / BrowserUse 测试为零。 所谓"中立"是<strong>接入方式的中立</strong>，不是<strong>投入与保障的中立</strong>。</td>
<td>本地源码 wc -l 实测（实现文件与测试文件分别统计）</td>
</tr>
<tr>
<td><strong>Tutti</strong></td>
<td>Where people and agents build in tune（多人 × 多 Agent）</td>
<td>开源版里只有 "agents"，<strong>"people" 那部分在闭源侧</strong>。README 的 Two Versions 对照表明确：Group chat / Work with others / Work with others' agents / Simultaneous editing / Agent borrowing / Across devices / No-deploy sharing —— 七项全部是 VM 版专属， 开源版一格 ✓ 都没有。而 VM 版是 Early Access，<strong>创建 Room 需要邀请码</strong>。 Big @ 在开源版里只能在"你自己的 agent 之间"引用，跨人引用要 VM 版。</td>
<td>README 'Two Versions of Tutti' 与 'Tutti vs Tutti · VM' 两张对照表原文</td>
</tr>
<tr>
<td><strong>Tutti</strong></td>
<td>Apache-2.0 开源</td>
<td>许可证属实且 NOTICE 写得极其规范（5 处第三方代码全部精确到文件路径、 上游 revision hash 与适配说明，是七个样本里 NOTICE 质量最高的）。 但"开源"不等于"功能完整"——结合上一条，开源版的功能完整度约一半， 核心价值（协作）在闭源侧。Apache-2.0 保证了你能自由改代码， 不保证你能用到它宣传的完整体验。</td>
<td>本地源码 NOTICE 全文 + README 版本对照表</td>
</tr>
<tr>
<td><strong>Tutti</strong></td>
<td>（隐含）体量小 = 成熟度低</td>
<td>反例。它是七个样本里 star 最少（3.6k）、建仓最晚（2026-06-12）的， 但<strong>发布纪律最好</strong>：8 个 release 全是正式版，且维护 <code>stable</code> 滚动 tag。 工程规范度（NOTICE 精度、测试投入 7851 行通用测试、Go 守护进程） 明显超过 star 数比它高一个数量级的 OpenClaw 与 QwenPaw。 <strong>star 数与工程成熟度在本体系的七个样本里呈负相关。</strong></td>
<td>GitHub releases API + 本地源码 NOTICE 与测试文件实测</td>
</tr>
</tbody>
</table>
<h3 id="_8">一句话结论</h3>
<table>
<thead>
<tr>
<th>项目</th>
<th>结论</th>
<th>适合</th>
<th>不适合</th>
</tr>
</thead>
<tbody>
<tr>
<td><strong>iPolloWork</strong></td>
<td>把多个 Agent 引擎收进同一个可编辑工作台的野心之作——方向踩在点上，但三种引擎的接入深度并不齐整，且许可证决定了它暂时只适合个人或极小团队试用</td>
<td>想在同一个界面管理多引擎项目、并希望 agent 产出的 PPT / 网页 / 设计 / 视频之后还能继续手工修改的个人开发者，或少于 3 人的极小团队</td>
<td>3 人以上需要正式落地的团队（许可证要求书面授权）、期待 Codex 原生级集成的用户（目前只有 MCP 控制面）、以及追求稳定的生产环境（v0.50.x、一天多版、DSH 集成未进稳定版）</td>
</tr>
<tr>
<td><strong>maka</strong></td>
<td>唯一把「执行记录」当地基的项目——治理与可复现性最强，产品成熟度最弱。</td>
<td>对审计、数据主权、可复现评测有硬要求的团队； 做 agent 横向对比研究的工程团队。</td>
<td>要开箱即用、要 Windows / Linux、要丰富第三方集成的人； 以为 ASF 品牌等于生产可用的决策者。</td>
</tr>
<tr>
<td><strong>OpenClaw</strong></td>
<td>388k star 的个人 AI 助理，常驻你自己的机器、从聊天软件驱动—— 但沙箱默认关闭、版本号已经乱到读不懂发布节奏、关键提交仍系于一人之手。</td>
<td>想让 AI 真正接管日常事务且愿意自己加固部署环境的重度个人用户； 想研究"非开发者向 agent 产品长什么样"的人（本体系里唯一的样本）。</td>
<td>把 star 数当成生产就绪度的人；指望沙箱开箱即保护的人； 需要可预测升级路径的团队；希望助理"中立接入多个引擎"的人（它自己就是引擎，不接别人）。</td>
</tr>
<tr>
<td><strong>openwork</strong></td>
<td>把「能力」而不是「桌面」做成产品——工程治理最好的一个，但它和自称要替代的东西不是一个物种。</td>
<td>已固定在某款 agent 上、只想让团队能力跨工具复用的开发者； 需要统一管控 agent 能力与模型配额的组织 IT。</td>
<td>想要一个开箱即用的桌面 agent 工作台的人； 以为拿到的是完整 Cowork 平替的人。</td>
</tr>
<tr>
<td><strong>orca</strong></td>
<td>兼容面最广的并行 agent 编排外壳——广度做到极致，深度与治理都还是草稿。</td>
<td>已在重度使用 CLI agent、想同时跑多个方案横向比对的个人开发者与小团队。</td>
<td>需要稳定 SLA、指望社区 triage 与多人维护保障的团队； 指望它统一各引擎能力（结构化调用、统一权限、一致口径）的架构选型者。</td>
</tr>
<tr>
<td><strong>QwenPaw</strong></td>
<td>安全默认值最完整、巴士系数最健康的个人助理—— 但至今没有发过一个正式版，且 <code>--defaults</code> 安装路径会默认打开遥测。</td>
<td>把数据与隐私放第一位、希望助理完全跑在本地的个人与小团队； 需要在钉钉 / 飞书 / 微信 / QQ 渠道里用助理的国内团队； 想不买 API key 先把流程跑通的尝鲜者。</td>
<td>需要正式版与稳定升级路径的团队（它全是 beta）； 指望 2B / 4B 本地模型扛复杂 agent 任务的人； 把「五层安全」当成不可绕过硬边界的人（Tool Guard 有 OFF 档）。</td>
</tr>
<tr>
<td><strong>Tutti</strong></td>
<td>把「多 agent 共享上下文、接力干活」做成了产品，且是发布纪律最好的—— 但接入深度严重偏袒 Codex（17 倍差距），而宣传的「多人协作」全在闭源 VM 版。</td>
<td>手里已有多个 agent 订阅、想让它们在同一工作区里接力与共享上下文的开发者； 想让 agent 产出设计稿 / 文档 / PPT 而不只是代码的人； 看重发布纪律与工程规范（NOTICE 精度、正式版节奏）的人。</td>
<td>指望开源版做团队多人协作的人（那七项功能全在闭源 VM 侧，且需邀请码）； 主要用 Kimi / ComputerUse / BrowserUse 的人（这三个接入最薄、测试为零）； Windows 用户且主力引擎不是 Codex 的人（只有 Codex 做了 Windows 适配）。</td>
</tr>
</tbody>
</table>
<p><svg viewBox="0 0 720 420" width="720" height="420" xmlns="http://www.w3.org/2000/svg" style="font-family:sans-serif;max-width:100%;height:auto">
<text x="360" y="26" text-anchor="middle" font-size="15" font-weight="600" fill="#1f2328">视图 A · 形态纵深 × 引擎立场</text>
<rect x="70" y="55" width="580" height="295" fill="#fafbfc" stroke="#d8dee4"/>
<line x1="215.0" y1="55" x2="215.0" y2="350" stroke="#eaeef2"/>
<line x1="70" y1="128.75" x2="650" y2="128.75" stroke="#eaeef2"/>
<line x1="360.0" y1="55" x2="360.0" y2="350" stroke="#eaeef2"/>
<line x1="70" y1="202.5" x2="650" y2="202.5" stroke="#eaeef2"/>
<line x1="505.0" y1="55" x2="505.0" y2="350" stroke="#eaeef2"/>
<line x1="70" y1="276.25" x2="650" y2="276.25" stroke="#eaeef2"/>
<text x="70" y="372" font-size="11" fill="#6a737d">单点工具</text>
<text x="650" y="372" text-anchor="end" font-size="11" fill="#6a737d">统一工作台</text>
<text x="62" y="356" text-anchor="end" font-size="11" fill="#6a737d">绑定单引擎</text>
<text x="62" y="67" text-anchor="end" font-size="11" fill="#6a737d">多引擎中立</text>
<circle cx="534.0" cy="143.5" r="7" fill="#0969da" fill-opacity="0.75" stroke="#fff" stroke-width="1.5"/>
<text x="545.0" y="147.5" font-size="12" fill="#1f2328">iPolloWork</text>
<circle cx="429.0" cy="320.5" r="7" fill="#0969da" fill-opacity="0.9" stroke="#fff" stroke-width="1.5"/>
<text x="440.0" y="324.5" font-size="12" fill="#1f2328">maka</text>
<circle cx="407.0" cy="320.5" r="7" fill="#0969da" fill-opacity="0.9" stroke="#fff" stroke-width="1.5"/>
<text x="418.0" y="324.5" font-size="12" fill="#1f2328">OpenClaw</text>
<circle cx="360.0" cy="173.0" r="7" fill="#0969da" fill-opacity="0.75" stroke="#fff" stroke-width="1.5"/>
<text x="371.0" y="177.0" font-size="12" fill="#1f2328">openwork</text>
<circle cx="534.0" cy="84.5" r="7" fill="#0969da" fill-opacity="0.75" stroke="#fff" stroke-width="1.5"/>
<text x="545.0" y="88.5" font-size="12" fill="#1f2328">orca</text>
<circle cx="360.0" cy="291.0" r="7" fill="#0969da" fill-opacity="0.75" stroke="#fff" stroke-width="1.5"/>
<text x="371.0" y="295.0" font-size="12" fill="#1f2328">QwenPaw</text>
<circle cx="534.0" cy="114.0" r="7" fill="#0969da" fill-opacity="0.75" stroke="#fff" stroke-width="1.5"/>
<text x="545.0" y="118.0" font-size="12" fill="#1f2328">Tutti</text>
<text x="70" y="414" font-size="10" fill="#8b949e">※ 坐标完全重合的项目已沿小圆散开以便区分：maka、OpenClaw</text>
</svg>
<svg viewBox="0 0 720 420" width="720" height="420" xmlns="http://www.w3.org/2000/svg" style="font-family:sans-serif;max-width:100%;height:auto">
<text x="360" y="26" text-anchor="middle" font-size="15" font-weight="600" fill="#1f2328">视图 B · 本地优先 × 交付物纵深</text>
<rect x="70" y="55" width="580" height="295" fill="#fafbfc" stroke="#d8dee4"/>
<line x1="215.0" y1="55" x2="215.0" y2="350" stroke="#eaeef2"/>
<line x1="70" y1="128.75" x2="650" y2="128.75" stroke="#eaeef2"/>
<line x1="360.0" y1="55" x2="360.0" y2="350" stroke="#eaeef2"/>
<line x1="70" y1="202.5" x2="650" y2="202.5" stroke="#eaeef2"/>
<line x1="505.0" y1="55" x2="505.0" y2="350" stroke="#eaeef2"/>
<line x1="70" y1="276.25" x2="650" y2="276.25" stroke="#eaeef2"/>
<text x="70" y="372" font-size="11" fill="#6a737d">强云依赖</text>
<text x="650" y="372" text-anchor="end" font-size="11" fill="#6a737d">完全本地</text>
<text x="62" y="356" text-anchor="end" font-size="11" fill="#6a737d">只出代码</text>
<text x="62" y="67" text-anchor="end" font-size="11" fill="#6a737d">多模态可编辑</text>
<circle cx="487.0" cy="143.5" r="7" fill="#0969da" fill-opacity="0.9" stroke="#fff" stroke-width="1.5"/>
<text x="498.0" y="147.5" font-size="12" fill="#1f2328">iPolloWork</text>
<circle cx="646.0" cy="173.0" r="7" fill="#0969da" fill-opacity="0.75" stroke="#fff" stroke-width="1.5"/>
<text x="657.0" y="177.0" font-size="12" fill="#1f2328">maka</text>
<circle cx="534.0" cy="291.0" r="7" fill="#0969da" fill-opacity="0.75" stroke="#fff" stroke-width="1.5"/>
<text x="545.0" y="295.0" font-size="12" fill="#1f2328">OpenClaw</text>
<circle cx="418.0" cy="202.5" r="7" fill="#0969da" fill-opacity="0.75" stroke="#fff" stroke-width="1.5"/>
<text x="429.0" y="206.5" font-size="12" fill="#1f2328">openwork</text>
<circle cx="418.0" cy="261.5" r="7" fill="#0969da" fill-opacity="0.75" stroke="#fff" stroke-width="1.5"/>
<text x="429.0" y="265.5" font-size="12" fill="#1f2328">orca</text>
<circle cx="592.0" cy="232.0" r="7" fill="#0969da" fill-opacity="0.75" stroke="#fff" stroke-width="1.5"/>
<text x="603.0" y="236.0" font-size="12" fill="#1f2328">QwenPaw</text>
<circle cx="465.0" cy="143.5" r="7" fill="#0969da" fill-opacity="0.9" stroke="#fff" stroke-width="1.5"/>
<text x="476.0" y="147.5" font-size="12" fill="#1f2328">Tutti</text>
<text x="70" y="414" font-size="10" fill="#8b949e">※ 坐标完全重合的项目已沿小圆散开以便区分：iPolloWork、Tutti</text>
</svg></p>
<!-- MATRIX:END -->
<hr />
<h2 id="_9">文章索引</h2>
<blockquote>
<p>这一段由 <code>scripts/build_matrix.py</code> 从项目档案的 <code>article</code> 块与
<code>articles/*.meta.yaml</code> 自动生成。发新文后重跑脚本即可，不要手工改。</p>
</blockquote>
<!-- INDEX:BEGIN -->
<table>
<thead>
<tr>
<th>项目</th>
<th>一句话结论</th>
<th>深度文</th>
</tr>
</thead>
<tbody>
<tr>
<td><strong>iPolloWork</strong></td>
<td>把多个 Agent 引擎收进同一个可编辑工作台的野心之作</td>
<td><a href="https://blog.apescale.com/?post=97">已发布</a></td>
</tr>
<tr>
<td><strong>maka</strong></td>
<td>唯一把「执行记录」当地基的项目</td>
<td><a href="https://blog.apescale.com/?post=105">已发布</a></td>
</tr>
<tr>
<td><strong>OpenClaw</strong></td>
<td>388k star 的个人 AI 助理，常驻你自己的机器、从聊天软件驱动</td>
<td><a href="https://blog.apescale.com/?post=106">已发布</a></td>
</tr>
<tr>
<td><strong>openwork</strong></td>
<td>把「能力」而不是「桌面」做成产品</td>
<td><a href="https://blog.apescale.com/?post=107">已发布</a></td>
</tr>
<tr>
<td><strong>orca</strong></td>
<td>兼容面最广的并行 agent 编排外壳</td>
<td><a href="https://blog.apescale.com/?post=104">已发布</a></td>
</tr>
<tr>
<td><strong>QwenPaw</strong></td>
<td>安全默认值最完整、巴士系数最健康的个人助理</td>
<td><a href="https://blog.apescale.com/?post=108">已发布</a></td>
</tr>
<tr>
<td><strong>Tutti</strong></td>
<td>把「多 agent 共享上下文、接力干活」做成了产品，且是发布纪律最好的</td>
<td><a href="https://blog.apescale.com/?post=109">已发布</a></td>
</tr>
</tbody>
</table>
<p><strong>跨项目文章</strong></p>
<ul>
<li><a href="https://blog.apescale.com/?post=99">四个 Agent 工作台的路线分野：把「多引擎中立」拆开看</a> — 2026-09-01</li>
<li><a href="https://blog.apescale.com/?post=100">七个 Agent 项目，三种「开源」：当 star 数开始说反话</a> — 2026-09-01</li>
</ul>
<!-- INDEX:END -->
<hr />
<h2 id="_10">收录标准</h2>
<table>
<thead>
<tr>
<th>status</th>
<th>含义</th>
</tr>
</thead>
<tbody>
<tr>
<td><code>active</code></td>
<td>有实际影响力，或技术路线有代表性，持续跟进</td>
</tr>
<tr>
<td><code>watch</code></td>
<td>早期项目，方向有意思但尚未验证</td>
</tr>
<tr>
<td><code>archived</code></td>
<td>停更 / 被收购 / 路线变更</td>
</tr>
</tbody>
</table>
<p>不收录：纯模型权重、纯数据集、无公开代码的论文复现、营销型空壳仓库。</p>
<h3 id="_11">源码镜像的可见性规则</h3>
<p>源码会镜像到 <code>gitinbox</code> 组织做代码级追踪，可见性<strong>按许可证分级</strong>，不做人工例外：</p>
<table>
<thead>
<tr>
<th>级</th>
<th>判定</th>
<th>镜像可见性</th>
</tr>
</thead>
<tbody>
<tr>
<td>L1</td>
<td>MIT / Apache-2.0 / BSD / ISC / GPL / MPL</td>
<td>公开</td>
</tr>
<tr>
<td>L2</td>
<td>AGPL / SSPL / BUSL / Elastic-2.0</td>
<td>公开（标注限制）</td>
</tr>
<tr>
<td>L3</td>
<td>自定义 source-available（如 iPolloWork）</td>
<td><strong>私有</strong></td>
</tr>
<tr>
<td>L4</td>
<td>无 LICENSE / proprietary</td>
<td>不镜像，仅存链接</td>
</tr>
</tbody>
</table>
<p>L3 之所以必须私有：这类协议的条款通常明确要求「任何 SaaS / 托管 / 市场分发均需事先书面授权」，
公开镜像会落进这个解释空间里。替别人的源码做一次未经授权的公开分发，不值得。</p>
<hr />
<p><sub>本页由 <code>gitinbox/agent-radar</code> 的脚本自动生成与维护 · 数据快照为追加式时间序列，可回溯任意时点的指标</sub></p>]]></description>
    <pubDate>Thu, 03 Sep 2026 23:40:54 +0800</pubDate>
    <dc:creator>figmar</dc:creator>
    <guid>https://blog.apescale.com/?post=98</guid>
</item>
<item>
    <title>Tutti 深度拆解：发布纪律最好的「多人 × 多 Agent」协作空间——但「多人」那部分全在闭源侧</title>
    <link>https://blog.apescale.com/?post=109</link>
    <description><![CDATA[<blockquote>
<p><strong>一句话结论</strong>：Tutti 是七个样本里<strong>唯一把"多人"写进定位</strong>的项目，也是<strong>发布纪律最好</strong>的——star 最少（3.6k）、建仓最晚（2026-06-12），却连续 8 个 release 全是正式版。它把"让多个 agent 在同一工作区里共享上下文、接力干活"做成了产品，用 ACP 协议层 + runtimeprep 运行时准备层的<strong>双层架构</strong>真真切切接了引擎（全仓 363 个文件引用 ACP）。但有两件事必须说透：第一，引擎接入深度<strong>严重偏袒 Codex</strong>（2170 行 vs Kimi 127 行，17 倍差距，且只有 Codex 做了 Windows 适配）；第二，宣传的"多人协作"七项功能（Group chat / 多人同屏 / 跨设备 / agent 借用 / 免部署分享……）<strong>全部在闭源 VM 版</strong>，开源版一格 ✓ 都没有，且 VM 版需邀请码。Apache-2.0 保证了你能自由改代码，不保证你能用到它宣传的完整体验。</p>
</blockquote>
<table>
<thead>
<tr>
<th>维度</th>
<th>数据</th>
</tr>
</thead>
<tbody>
<tr>
<td>仓库</td>
<td>tutti-os/tutti</td>
</tr>
<tr>
<td>一句话</td>
<td>Where people and agents build in tune.</td>
</tr>
<tr>
<td>★ / Fork / Open Issues</td>
<td>3,660 / 371 / 185</td>
</tr>
<tr>
<td>主语言</td>
<td>TypeScript 48.8% + Go 45.4%</td>
</tr>
<tr>
<td>体积</td>
<td>~244 MB（8,291 文件）</td>
</tr>
<tr>
<td>最新版本</td>
<td>v0.2.31 + <code>stable</code> 滚动 tag</td>
</tr>
<tr>
<td>节奏</td>
<td>约 3 天/版本，<strong>8 个 release 全正式版</strong></td>
</tr>
<tr>
<td>许可证</td>
<td>Apache-2.0（L1）</td>
</tr>
<tr>
<td>成熟度</td>
<td>快速成长期（建仓 2.5 个月）</td>
</tr>
</tbody>
</table>
<hr />
<h2 id="0">0. 先给结论</h2>
<p><strong>三个有意思的点：</strong></p>
<ol>
<li>
<p><strong>发布纪律是七个样本里最好的</strong>——最近 8 个 release 全部 <code>prerelease=False</code>（v0.2.25 → v0.2.31），且维护了一个 <code>stable</code> 滚动 tag（始终指向最新稳定版）。对比：OpenClaw 版本号倒挂（9.1-beta 早于 8.1 正式）、QwenPaw 全是 beta、Maka 无 release。<strong>star 数最少的 Tutti 反而是唯一持续发正式版的</strong>——star 数与工程成熟度在本体系的七个样本里呈负相关。</p>
</li>
<li>
<p><strong>双层引擎架构是七个样本里没有的分层</strong>——第 1 层 <code>acp_provider_*.go</code>（ACP 协议适配）负责"怎么和引擎对话"，第 2 层 <code>runtimeprep/</code>（运行时准备）负责"怎么让引擎跑起来"（配置注入、skill 装配、模型缓存、目录同步、Windows 兼容）。全仓 363 个文件引用 ACP，是真集成不是营销词。</p>
</li>
<li>
<p><strong>后端用 Go 而不是 Node</strong>——守护进程 <code>tuttid</code> 和 CLI 都是 Go 写的（45.4%），这是它和其余 Electron 系样本的关键差异。Go 的并发模型和稳定性更适合做"多 agent 同时写同一批文件"的 daemon 层。</p>
</li>
</ol>
<p><strong>三个最大的问题：</strong></p>
<ol>
<li>
<p><strong>引擎接入深度严重不对等</strong>——Codex 16 文件 2170 行，Kimi 1 文件 127 行，<strong>17 倍差距</strong>。且只有 Codex 有 Windows 变体文件（4 个 <code>_windows.go</code>），其余引擎在 Windows 上一个字都没写过。测试密度更反常：Codex 0.12（最低）vs OpenCode 0.56（最高），Kimi / ComputerUse / BrowserUse 测试为零。<strong>投入最重的地方恰恰是保障最薄的地方。</strong></p>
</li>
<li>
<p><strong>宣传的"多人"全在闭源侧</strong>——README 的 "Two Versions of Tutti" 对照表明确：Group chat / Work with others / Work with others' agents / Simultaneous editing / Agent borrowing / Across devices / No-deploy sharing，<strong>七项全部是 VM 版专属，开源版一格 ✓ 都没有</strong>。而 VM 版是 Early Access，创建 Room 需要邀请码。开源版里 Big @ 只能在"你自己的 agent 之间"引用，跨人引用要 VM 版。</p>
</li>
<li>
<p><strong>README 支持列表与代码对不上</strong>——宣称"当前支持"的 Hermes，代码里没有 <code>hermes.go</code>（走的是 RTK Python 插件机制，不是原生 adapter）；宣称"in development"的 OpenClaw 确实只有 52 行零测试；但 Cursor / OpenCode / Kimi / ComputerUse / BrowserUse 在代码里都有完整实现，README 却一个字没提。<strong>README 的支持列表更像"营销优先级排序"，不是代码覆盖的如实反映。</strong></p>
</li>
</ol>
<hr />
<h2 id="1">1. 赛道定位：七个样本里唯一把"多人"写进定位的</h2>
<p>七个样本的赛道分层（按"它到底在解决什么问题"）：</p>
<pre><code>个人助理层      OpenClaw（388k）· QwenPaw（34.8k）
                  ↑ 一对一，人 ↔ 单个 agent
工作区层        iPolloWork（5.2k）· Maka（4.4k）· Orca（58.8k）
                  ↑ 人 ↔ agent 在同一工作区，单人为主
能力分发层      OpenWork（23.3k）
                  ↑ 不抢桌面入口，把 MCP 能力做成产品
协作空间层      Tutti（3.6k）← 唯一把&quot;多人&quot;写进定位的
                  ↑ 人 + 多 agent 在同一空间协同
</code></pre>
<p>Tutti 的定位不是"再做一个 agent 桌面"，而是<strong>"让你已有的 agent 订阅在同一个工作区里协同"</strong>——Claude 写了一半的活儿交给 Codex 接着干，中间不用重新讲一遍背景。这是七个样本里<strong>唯一站在"协作空间层"</strong>的项目：它不造引擎、不卖模型，做的是"跨 agent 的上下文共享与接力"。</p>
<p><strong>它和 OpenWork 的关键差异</strong>：OpenWork 是跨工具的<strong>能力分发</strong>（把自己做成 MCP server 让各引擎来连），Tutti 是同一空间内的<strong>人与 agent 协作</strong>（人 + 多 agent 同屏）。OpenWork 的"多"是引擎侧的多，Tutti 的"多"是参与者侧的多。</p>
<hr />
<h2 id="2">2. 业务维度</h2>
<h3 id="_1">目标用户</h3>
<ul>
<li>同时用多个 agent 订阅（Claude Code + Codex + Hermes）的重度开发者</li>
<li>需要 agent 之间共享上下文、接力同一件事的小团队</li>
<li>想让 agent 产出不止代码（设计稿 / 文档 / PPT）的人</li>
<li>需要多人 × 多 Agent 同屏协作的团队（但这类需求会被引流到闭源 VM 版）</li>
</ul>
<h3 id="_2">变现路径</h3>
<p><strong>Open-core 双轨</strong>，是七个样本里变现路径最清晰的：
- <strong>开源版</strong>（Apache-2.0）：免费、自托管，单人 + 多 Agent
- <strong>Tutti · VM</strong>（Early Access，需邀请码）：多人 + 多设备 + 云同步
- Tutti 内置 Agent 在 Early Access 期免费，README 明示"后续可能按用量计费"</p>
<h3 id="_3">许可证</h3>
<p>Apache-2.0（L1，最开放档）。但 NOTICE 写得极其规范——5 处第三方代码全部精确到文件路径、上游 revision hash 与适配说明，是七个样本里 NOTICE 质量最高的。⚠️ 其中 VS Code Codicons 的 inspect 图标用的是 <strong>CC-BY-4.0</strong>（署名要求比 Apache-2.0 更严），再分发时漏掉署名即构成侵权。</p>
<h3 id="_4">护城河</h3>
<p>① 双层引擎接入架构（ACP 协议层 + runtimeprep 运行时准备层）；② Workbench 节点模型 + 内置 Apps（AI Canvas / UI 原型 / Docs / AI PPT / 群聊）；③ 多 Agent 实时文件协同编辑（daemon 负责落盘与冲突投影）。真正的壁垒在<strong>多人协同的工程实现</strong>（Cloud Room + DeviceLink 的 ICE/QUIC），而这部分恰好不在开源侧。</p>
<h3 id="_5">竞争风险</h3>
<p>最容易被 Anthropic / OpenAI 官方的协作能力吃掉——Tutti 不拥有任何引擎与模型。更直接的威胁：它宣传的"agent 之间共享上下文"能力，各家引擎自己在做（Claude Code 的 subagent、Codex 的 session resume），Tutti 的跨引擎优势会随着引擎自身变强而稀释。</p>
<hr />
<h2 id="3">3. 场景维度</h2>
<h3 id="_6">人在环</h3>
<p>Agent Board 可视化所有 agent 的任务与状态，统一调度；goal review / plan feedback（Tutti Mode 执行）。活动复制与状态探针（agentstatus + account-usage）提供过程可见性。执行过程可追溯性在七个样本里仅次于 Maka。</p>
<h3 id="_7">形态</h3>
<ul>
<li><strong>桌面应用</strong>（Electron）</li>
<li><strong>TUI / CLI</strong>（Go）</li>
<li><strong>Workbench 节点</strong>（Browser / Terminal / App Center）</li>
<li>【闭源 VM】Cloud Room 多人多设备</li>
</ul>
<h3 id="_8">典型用例</h3>
<ul>
<li>Claude 写完 PRD，让 agent 调设计 App 直接出视觉稿</li>
<li>描述一个目标，Tutti 拆成子任务后分派给最合适的 agent</li>
<li>用已有订阅额度驱动 Tutti 里的所有内置 App，不额外付费</li>
<li>【VM】本地跑的 localhost 站点直接在 Room 里给别人预览，不用部署</li>
</ul>
<h3 id="_9">交付物</h3>
<p>code / 设计稿（AI Canvas / UI-UX 原型）/ 文档 / PPT（Docs / AI PPT 内置 App）/ 会话回放（session-replay）</p>
<hr />
<h2 id="4">4. 技术维度</h2>
<h3 id="_10">架构总览</h3>
<pre><code>┌─────────────────────────────────────────────────────────────┐
│  Electron 桌面端（TypeScript 48.8%）                         │
│  ├─ Agent Board（可视化调度）                                 │
│  ├─ Workbench 节点（Browser / Terminal / App Center）         │
│  └─ 内置 Apps（AI Canvas / UI 原型 / Docs / AI PPT / 群聊）   │
├─────────────────────────────────────────────────────────────┤
│  tuttid 守护进程（Go 45.4%）                                  │
│  ├─ 文件落盘与冲突投影（多 agent 实时协同编辑）                 │
│  ├─ 活动复制 / 状态探针 / 会话回放                              │
│  └─ workspace 级权限与 provision 流程                         │
├─────────────────────────────────────────────────────────────┤
│  双层引擎架构                                                 │
│  ├─ L1: acp_provider_*.go（ACP 协议适配）                     │
│  └─ L2: runtimeprep/（运行时准备：配置/skill/模型/目录/Win）   │
├─────────────────────────────────────────────────────────────┤
│  Go CLI（TUI）                                               │
└─────────────────────────────────────────────────────────────┘
</code></pre>
<h3 id="_11">引擎抽象：双层架构是七个样本里没有的分层</h3>
<p><strong>第 1 层 <code>packages/agent/daemon/runtime/acp_provider_*.go</code></strong> —— ACP 协议适配
<strong>第 2 层 <code>packages/agent/runtimeprep/</code></strong> —— 运行时准备（配置注入、skill 装配、Windows 兼容、模型缓存、目录同步）</p>
<p>全仓 363 个文件引用 ACP，是真集成，不是营销词。</p>
<p><strong>⚠️ 接入深度极不对等</strong>（runtimeprep/，非测试行数）：</p>
<table>
<thead>
<tr>
<th>引擎</th>
<th>文件数</th>
<th>实现行数</th>
<th>测试行数</th>
<th>测试密度</th>
</tr>
</thead>
<tbody>
<tr>
<td>Codex</td>
<td>16</td>
<td>2170</td>
<td>261</td>
<td><strong>0.12</strong>（最低）</td>
</tr>
<tr>
<td>Tutti 内置</td>
<td>2</td>
<td>653</td>
<td>274</td>
<td>0.42</td>
</tr>
<tr>
<td>Cursor</td>
<td>2</td>
<td>446</td>
<td>187</td>
<td>0.42</td>
</tr>
<tr>
<td>Claude</td>
<td>3</td>
<td>410</td>
<td>136</td>
<td>0.33</td>
</tr>
<tr>
<td>OpenCode</td>
<td>2</td>
<td>392</td>
<td>218</td>
<td><strong>0.56</strong>（最高）</td>
</tr>
<tr>
<td>Kimi</td>
<td>1</td>
<td>127</td>
<td>0</td>
<td>0.00</td>
</tr>
<tr>
<td>ComputerUse</td>
<td>1</td>
<td>43</td>
<td>0</td>
<td>0.00</td>
</tr>
<tr>
<td>BrowserUse</td>
<td>1</td>
<td>43</td>
<td>0</td>
<td>0.00</td>
</tr>
</tbody>
</table>
<p><strong>Codex 是 Kimi 的 17 倍。</strong> 且只有 Codex 有 Windows 变体文件（4 个 <code>_windows.go</code>），其余引擎在 Windows 上一个字都没写过——说明<strong>只有 Codex 在 Windows 上被真正验证过</strong>。</p>
<p>更反常的是<strong>测试密度与实现规模成反比</strong>：投入最重的 Codex（2170 行）恰恰是质量保障最薄弱的地方（0.12），因为它的边界情况最多（Windows 兼容、模型缓存、配置依赖、skill roots、用户指令），测试却没跟上。另有 19 个通用测试文件共 7,851 行（preparer_test.go 单文件 2,906 行）覆盖跨引擎路径，部分弥补了单引擎测试的缺失。</p>
<h3 id="agent">多 Agent 协作</h3>
<p>Agent Board 统一调度 + Big @ 跨 agent 引用 + 多 agent 实时文件协同编辑（daemon 落盘与冲突投影）+ 工作流与自动化规则 + Issue/Task/Run 工作流。会话回放（session-replay）与活动复制（activity-replication）是它的特色。</p>
<h3 id="_12">本地优先</h3>
<p>开源版本地跑，但协作能力全在云端 VM 侧。</p>
<h3 id="_13">扩展体系</h3>
<ul>
<li><strong>Skills</strong>：provider_skill.go（655 行）+ stable_skill_bundle.go（308 行）+ codex_skill_roots.go</li>
<li><strong>Plugins</strong>：extension_runtime.go（735 行）——为 Hermes 提供 RTK Python 插件机制（命令重写）</li>
<li><strong>MCP</strong>：codex_mcp.go（65 行）——⚠️ MCP 实现挂在 Codex 名下，不是通用层</li>
</ul>
<h3 id="_14">权限与沙箱</h3>
<p>tutti_cli_policy.go（140 行）提供 CLI 策略控制；workspace 级权限与 provision 流程。相较 QwenPaw（五层安全默认开）与 OpenClaw（沙箱默认关），Tutti 的开源侧没有看到同等强度的执行隔离——它的安全边界更多落在 workspace 与 daemon 层，而非内核沙箱。</p>
<h3 id="_15">可观测性</h3>
<p><strong>这是 Tutti 的强项</strong>：Agent Board 看板 + 状态探针（agentstatus + account-usage）+ 会话回放 + 活动复制 + goal review / plan feedback。执行过程可追溯性在七个样本里仅次于 Maka。</p>
<hr />
<h2 id="5">5. 横向对比（七项目矩阵）</h2>
<table>
<thead>
<tr>
<th>维度</th>
<th>Tutti</th>
<th>OpenWork</th>
<th>QwenPaw</th>
<th>OpenClaw</th>
<th>Orca</th>
<th>Maka</th>
<th>iPolloWork</th>
</tr>
</thead>
<tbody>
<tr>
<td>★</td>
<td>3.6k</td>
<td>23.3k</td>
<td>34.8k</td>
<td>388k</td>
<td>58.8k</td>
<td>4.4k</td>
<td>5.2k</td>
</tr>
<tr>
<td>建仓</td>
<td>2026-06</td>
<td>2026-01</td>
<td>2026-02</td>
<td>2025-12</td>
<td>2026-01</td>
<td>2026-01</td>
<td>2025-12</td>
</tr>
<tr>
<td>主语言</td>
<td>TS+Go</td>
<td>TS</td>
<td>Py+TS</td>
<td>TS</td>
<td>TS</td>
<td>TS</td>
<td>TS</td>
</tr>
<tr>
<td>许可证</td>
<td>Apache-2.0 (L1)</td>
<td>目录切分 (L3)</td>
<td>Apache-2.0 (L1)</td>
<td>MIT (L1)</td>
<td>MIT (L1)</td>
<td>MIT (L1)</td>
<td>MIT (L1)</td>
</tr>
<tr>
<td>发布纪律</td>
<td><strong>8 版全正式</strong></td>
<td>~1 天/版</td>
<td>全 prerelease</td>
<td>版本号倒挂</td>
<td>正式版</td>
<td>无 release</td>
<td>正式版</td>
</tr>
<tr>
<td>引擎中立</td>
<td>8（协议层）/ 4（投入层）</td>
<td>6</td>
<td>2</td>
<td>1</td>
<td>9</td>
<td>1</td>
<td>7</td>
</tr>
<tr>
<td>本地优先</td>
<td>7</td>
<td>6</td>
<td>9</td>
<td>8</td>
<td>6</td>
<td>10</td>
<td>7</td>
</tr>
<tr>
<td>形态深度</td>
<td>8</td>
<td>5</td>
<td>5</td>
<td>6</td>
<td>8</td>
<td>6</td>
<td>8</td>
</tr>
<tr>
<td>交付深度</td>
<td>7</td>
<td>5</td>
<td>4</td>
<td>2</td>
<td>3</td>
<td>6</td>
<td>7</td>
</tr>
<tr>
<td>多人协作</td>
<td><strong>有（闭源侧）</strong></td>
<td>无</td>
<td>无</td>
<td>无</td>
<td>无</td>
<td>无</td>
<td>无</td>
</tr>
</tbody>
</table>
<p>Tutti 在<strong>发布纪律</strong>和<strong>多人协作</strong>两项上是七个样本里唯一拿到分的。代价是引擎接入投入严重偏科。</p>
<hr />
<h2 id="6-vs-claim_vs_reality">6. 宣称 vs 实测（claim_vs_reality）</h2>
<h3 id="1-currently-claude-code-codex-and-hermesopenclaw-is-in-development">① "Currently Claude Code, Codex, and Hermes；OpenClaw is in development"</h3>
<p><strong>实际</strong>：README 与代码对不上，两个方向都偏。
- 宣称"当前支持"的 <strong>Hermes</strong>，在 runtimeprep 里<strong>没有 hermes.go</strong>——它走的是 extension_runtime.go 的 RTK Python 插件机制（provider 标识 <code>acp:hermes</code>，用 Python 插件重写命令），只有测试文件 hermes_test.go(580) 与 hermes_verify_test.go(77)，没有原生 adapter。
- 宣称"in development"的 <strong>OpenClaw</strong>，确实只有 acp_provider_openclaw.go <strong>52 行、零测试</strong>（对比 OpenCode 的 301 行 + 540 行测试）——README 这处倒是诚实的。
- 反过来，<strong>Cursor / OpenCode / Kimi / ComputerUse / BrowserUse</strong> 在代码里都有完整实现，README 的支持列表却一个字没提。</p>
<p><strong>结论</strong>：README 的支持列表更像"营销优先级排序"，不是代码覆盖的如实反映。
<strong>来源</strong>：本地源码实测：runtimeprep 目录文件清单 + daemon/runtime/acp_provider_*.go 行数 + grep hermes 引用</p>
<h3 id="2_1">② "多引擎中立"</h3>
<p><strong>实际</strong>：协议层中立（都走 ACP），<strong>深度层远不中立</strong>。Codex 2170 行 vs Kimi 127 行，17 倍差距；只有 Codex 有 Windows 变体，其余引擎在 Windows 上未验证。测试密度反常：Codex 0.12（最低）vs OpenCode 0.56（最高），Kimi / ComputerUse / BrowserUse 测试为零。所谓"中立"是<strong>接入方式的中立</strong>，不是<strong>投入与保障的中立</strong>。
<strong>来源</strong>：本地源码 wc -l 实测（实现文件与测试文件分别统计）</p>
<h3 id="3-where-people-and-agents-build-in-tune-agent">③ "Where people and agents build in tune（多人 × 多 Agent）"</h3>
<p><strong>实际</strong>：开源版里只有 "agents"，<strong>"people" 那部分在闭源侧</strong>。README 的 Two Versions 对照表明确：Group chat / Work with others / Work with others' agents / Simultaneous editing / Agent borrowing / Across devices / No-deploy sharing——七项全部是 VM 版专属，开源版一格 ✓ 都没有。而 VM 版是 Early Access，<strong>创建 Room 需要邀请码</strong>。Big @ 在开源版里只能在"你自己的 agent 之间"引用，跨人引用要 VM 版。
<strong>来源</strong>：README "Two Versions of Tutti" 与 "Tutti vs Tutti · VM" 两张对照表原文</p>
<h3 id="4-apache-20">④ "Apache-2.0 开源"</h3>
<p><strong>实际</strong>：许可证属实且 NOTICE 写得极其规范（5 处第三方代码全部精确到文件路径、上游 revision hash 与适配说明，是七个样本里 NOTICE 质量最高的）。但"开源"不等于"功能完整"——结合上一条，开源版的功能完整度约一半，核心价值（协作）在闭源侧。Apache-2.0 保证了你能自由改代码，不保证你能用到它宣传的完整体验。
<strong>来源</strong>：本地源码 NOTICE 全文 + README 版本对照表</p>
<h3 id="5_1">⑤ "（隐含）体量小 = 成熟度低"</h3>
<p><strong>实际</strong>：反例。它是七个样本里 star 最少（3.6k）、建仓最晚（2026-06-12）的，但<strong>发布纪律最好</strong>：8 个 release 全是正式版，且维护 <code>stable</code> 滚动 tag。工程规范度（NOTICE 精度、测试投入 7851 行通用测试、Go 守护进程）明显超过 star 数比它高一个数量级的 OpenClaw 与 QwenPaw。<strong>star 数与工程成熟度在本体系的七个样本里呈负相关。</strong>
<strong>来源</strong>：GitHub releases API + 本地源码 NOTICE 与测试文件实测</p>
<hr />
<h2 id="7">7. 结论</h2>
<h3 id="_16">该用</h3>
<ul>
<li>手里已有多个 agent 订阅、想让它们在同一工作区里接力与共享上下文的开发者</li>
<li>想让 agent 产出设计稿 / 文档 / PPT 而不只是代码的人</li>
<li>看重发布纪律与工程规范（NOTICE 精度、正式版节奏）的人</li>
<li>单人 + 多 Agent 的"接力"场景（开源版够用了）</li>
</ul>
<h3 id="_17">不该用</h3>
<ul>
<li>指望开源版做团队多人协作的人（那七项功能全在闭源 VM 侧，且需邀请码）</li>
<li>主要用 Kimi / ComputerUse / BrowserUse 的人（这三个接入最薄、测试为零）</li>
<li>Windows 用户且主力引擎不是 Codex 的人（只有 Codex 做了 Windows 适配）</li>
<li>想用一个"开源版"体验完整产品的人（功能完整度约一半）</li>
</ul>
<h3 id="_18">再看看</h3>
<ul>
<li>OpenClaw 的 ACP 接入（52 行零测试，"in development"是诚实的，但别指望）</li>
<li>Hermes 是否会有原生 adapter（目前走 Python 插件机制）</li>
<li>引擎接入深度会不会向 Kimi / OpenCode 倾斜（目前 Codex 一国独大）</li>
<li>VM 版的定价与开放策略（Early Access 期免费，后续"可能按用量计费"）</li>
</ul>
<hr />
<h2 id="8">8. 追踪备注</h2>
<ul>
<li><strong>数据日期</strong>：2026-09-01</li>
<li><strong>★ / Fork / Issues</strong>：3,660 / 371 / 185</li>
<li><strong>最新版本</strong>：v0.2.31 + <code>stable</code> 滚动 tag（2026-09-01 同日）</li>
<li><strong>源码镜像</strong>：gitinbox/tutti（public，source-only，2026-09-01 同步）</li>
<li><strong>结构化档案</strong>：<code>data/projects/tutti.yaml</code></li>
<li><strong>下次跟进点</strong>：</li>
<li>OpenClaw ACP 接入从 52 行增长到多少？有没有测试？</li>
<li>Hermes 是否出现原生 adapter（hermes.go）？</li>
<li>VM 版是否开放注册 / 公布定价？</li>
<li>引擎接入深度是否会向 Kimi / OpenCode 倾斜？</li>
<li><code>stable</code> 滚动 tag 的历史追溯问题会不会被解决？</li>
</ul>
<p><sub>本文为「全球智能体开源应用追踪」系列之一 · 总纲见系列索引 · 数据与脚本开源于 gitinbox/agent-radar</sub></p>]]></description>
    <pubDate>Thu, 03 Sep 2026 23:38:18 +0800</pubDate>
    <dc:creator>figmar</dc:creator>
    <guid>https://blog.apescale.com/?post=109</guid>
</item>
<item>
    <title>QwenPaw 深度拆解：安全默认值最完整、巴士系数最健康的个人助理——但没发过一个正式版</title>
    <link>https://blog.apescale.com/?post=108</link>
    <description><![CDATA[<blockquote>
<p><strong>速览</strong></p>
<table>
<thead>
<tr>
<th>项</th>
<th>值</th>
</tr>
</thead>
<tbody>
<tr>
<td>仓库</td>
<td><a href="https://github.com/agentscope-ai/QwenPaw">agentscope-ai/QwenPaw</a></td>
</tr>
<tr>
<td>一句话</td>
<td>"Your Personal AI Assistant"——常驻本地、多渠道触达、五层安全默认全开的私人 AI 助理</td>
</tr>
<tr>
<td>Star / Fork / Issues</td>
<td>34758 / 3052 / 898 open（2026-09-01）</td>
</tr>
<tr>
<td>主语言 / 体积</td>
<td>Python 59% + TypeScript 37.2% / ~112 MB</td>
</tr>
<tr>
<td>最新版本 / 节奏</td>
<td>v2.2.0-beta.5（<strong>至今全部为 prerelease</strong>）/ 约 1 天/版本</td>
</tr>
<tr>
<td>许可证</td>
<td>Apache-2.0（<strong>L1 · 真开源，可自由再分发，自带专利授权</strong>）</td>
</tr>
<tr>
<td>成熟度</td>
<td><strong>beta 活跃期</strong>（巴士系数七家最健康，但发布纪律是短板）</td>
</tr>
</tbody>
</table>
<p><strong>一句话结论</strong>：七个样本里安全默认值最完整、工程治理最健康的个人助理——但至今没发过一个正式版，且 <code>--defaults</code> 安装路径会默认打开遥测。它和 OpenClaw 是同赛道的两个极端：一个靠生态规模取胜，一个靠安全确定性与本地可跑取胜。</p>
</blockquote>
<hr />
<h2 id="0">0. 先给结论</h2>
<p>QwenPaw 的 tagline 是 <em>"Your Personal AI Assistant; easy to install, deploy on your own machine or on the cloud; supports multiple chat apps with easily extensible capabilities"</em>。但真正定义它的是三件别家没有的事：</p>
<ol>
<li><strong>五层安全体系全部默认开启。</strong> 沙箱（Seatbelt / Bubblewrap+Landlock / AppContainer）、Tool Guard（YAML 规则引擎 + ShellEvasionGuardian）、File Guard（保护 ~/.ssh 等敏感路径）、Skill Scanner（第三方 skill 激活前扫描提示词注入与硬编码密钥）、Access Policy（声明式规则，工具级粒度）——<strong>五层全部默认开</strong>。同类项目里只有 OpenClaw 做了沙箱，但 OpenClaw 默认关；QwenPaw 是唯一把安全做成"出厂状态"的。</li>
<li><strong>巴士系数是七个样本里最健康的。</strong> 最近 100 次提交去重 24 位作者，TOP1（yutai78786）仅占 15%，前八名分布在 15%–5% 之间，没有单点依赖。对比同赛道的 OpenClaw（steipete 最近 100 提交独占 64%，巴士系数≈1），差距是结构性的。</li>
<li><strong>无需 API key 即可跑。</strong> 内置 llama.cpp 后端 + 自研 QwenPaw-Flash 模型系列（2B / 4B / 9B，Q4 / Q8 量化），ModelScope 与 Hugging Face 可下载，Web UI 点下载即用。这是七个样本里唯一的"零门槛本地可跑"能力——其他六家要么必须 BYO API key（orca / iPolloWork / openwork），要么自身即引擎但不提供本地模型（OpenClaw），要么本地模型是可选非主推（maka）。</li>
</ol>
<p>而它最大的问题也有三个：<strong>至今没有任何正式 release</strong>（最近 8 个全是 prerelease）、<strong><code>--defaults</code> 安装路径会默认接受遥测</strong>（与"数据归你"的核心叙事存在张力）、<strong>改名导致历史检索断裂</strong>（CoPaw→QwenPaw，2026 年 4 月前资料必须按旧名检索）。</p>
<hr />
<h2 id="1">1. 赛道定位：它站在哪一层</h2>
<p>沿用本系列的分层法：</p>
<pre><code class="language-text">┌──────────────────────────────────────────────────────────────┐
│  编排 / 工作台层                                              │
│  跨引擎、跨 worktree、跨交付物的调度与观测外壳                 │
│  ── orca（执行编排）/ iPolloWork（桌面工作台）在这里 ──        │
├──────────────────────────────────────────────────────────────┤
│  编辑器内 Agent 层                                            │
│  嵌在 IDE / 编辑器里的交互层                                  │
├──────────────────────────────────────────────────────────────┤
│  个人助理执行层                                               │
│  常驻本地、多渠道触达、长期记忆                                │
│  ── QwenPaw（安全默认值最完整）/ OpenClaw（渠道覆盖最广）──    │
├──────────────────────────────────────────────────────────────┤
│  模型层                                                       │
│  QwenPaw-Flash 自研本地模型（2B/4B/9B，Q4/Q8 量化）           │
│  ── 14+ 云 provider + 本地 llama.cpp / Ollama / LM Studio ──  │
└──────────────────────────────────────────────────────────────┘
</code></pre>
<p><strong>QwenPaw 的站位在七个样本里与 OpenClaw 正面对撞</strong>——都是「个人助理执行层」，都是「自身即引擎」，都不接外部 agent。但立足点完全不同：</p>
<table>
<thead>
<tr>
<th>维度</th>
<th>QwenPaw</th>
<th>OpenClaw</th>
</tr>
</thead>
<tbody>
<tr>
<td>取胜逻辑</td>
<td>安全默认值 + 本地可跑 + 渠道覆盖国内</td>
<td>渠道覆盖 + 生态规模 + 社区</td>
</tr>
<tr>
<td>用户画像</td>
<td>开发者 + 数据敏感用户</td>
<td>非开发者（普通人）</td>
</tr>
<tr>
<td>沙箱</td>
<td>五层全默认开</td>
<td>默认关</td>
</tr>
<tr>
<td>本地模型</td>
<td>自研 Flash 系列，无需 API key</td>
<td>无自研模型，BYO</td>
</tr>
<tr>
<td>巴士系数</td>
<td>24 作者，TOP1 15%</td>
<td>TOP1 独占 64%</td>
</tr>
<tr>
<td>发布纪律</td>
<td>全是 beta</td>
<td>有正式版（v2026.8.1）</td>
</tr>
</tbody>
</table>
<p>它是本项目在「个人助理」赛道里 OpenClaw 的<strong>唯一正面对手</strong>，但两者风险面完全相反：OpenClaw 的风险是"生态太大、治理跟不上"（CVE 8.8、默认无沙箱），QwenPaw 的风险是"治理很好、但产品没定型"（全是 beta、无正式版）。</p>
<hr />
<h2 id="2">2. 业务维度：它靠什么活着（答案是：不靠）</h2>
<p><strong>目标用户</strong>四类，都很垂直：</p>
<ul>
<li>对<strong>数据主权与隐私</strong>有硬要求、希望助理完全跑在本地的个人用户</li>
<li>需要在<strong>钉钉 / 飞书 / 微信 / QQ</strong> 等国内渠道里用助理的团队</li>
<li>想<strong>不买 API key</strong> 就先跑起来的尝鲜用户（QwenPaw-Flash 本地模型）</li>
<li>愿意<strong>用功能广度换安全确定性</strong>的自用开发者</li>
</ul>
<p><strong>变现路径：无。</strong> Apache-2.0 全开源，未见收费层。提供 Docker / 阿里云 ECS / AgentScope 平台 / ModelScope 创空间等多条部署路径（云部署路径隐含云厂商导流）。与 OpenClaw 一样没有明示的变现路径——它要的是生态位（AgentScope 生态的个人助理入口）、是标准（安全默认值的行业标杆），不是营收。</p>
<p><strong>许可证</strong>是 Apache-2.0，L1，七个样本里最干净的一档之一：可自由镜像与再分发、自带专利授权与反诉终止条款、修改需声明、NOTICE 须随分发保留、不授予 Qwen / 通义等商标使用权。</p>
<p><strong>护城河</strong>由三层构成，且都是<strong>难以快速复制</strong>的：</p>
<ol>
<li><strong>五层安全体系</strong>（沙箱 / Tool Guard / File Guard / Skill Scanner / Access Policy）全部默认开启——同类里最完整的，安全是可以被快速抄的，但"默认开"这个产品决策不是</li>
<li><strong>自研 QwenPaw-Flash 模型系列</strong>（2B / 4B / 9B，Q4 / Q8 量化）——把"先跑起来"的门槛降到零，无需 API key</li>
<li><strong>国内七大渠道覆盖</strong>（钉钉 / 飞书 / 微信 / QQ / Discord / Telegram / iMessage）——钉钉 / 飞书 / 微信的对接是海外项目做不了的</li>
</ol>
<p><strong>竞争风险</strong>两面受敌：向上被 OpenClaw 的生态规模压制（388k vs 34.7k star，差一个数量级），向下被任何一家有本地模型的助理框架追赶（安全是可以被快速抄的）。真正的护城河可能是<strong>渠道</strong>——钉钉 / 飞书 / 微信的对接是地理性的壁垒，海外项目天然做不了。</p>
<hr />
<h2 id="3">3. 场景维度：它在什么场合被用</h2>
<p><strong>人机协作是声明式审批</strong>，且是工具级粒度：Access Policy 是声明式访问规则，可对每次能力调用设置 放行 / 拒绝 / 请求人工批准，粒度到工具级、可按来源匹配。Tool Guard 提供 STRICT / SMART / AUTO / OFF 四档。它不追求全自动——五层安全本身就是"人在环"的制度化表达。</p>
<p><strong>四端形态，服务端 + 多渠道：</strong></p>
<table>
<thead>
<tr>
<th>形态</th>
<th>定位</th>
<th>成熟度</th>
</tr>
</thead>
<tbody>
<tr>
<td>Web 控制台</td>
<td>主工作环境（默认 127.0.0.1:8088）</td>
<td>beta</td>
</tr>
<tr>
<td>TUI</td>
<td>终端工作区</td>
<td>beta</td>
</tr>
<tr>
<td>桌面应用</td>
<td>原生桌面</td>
<td><strong>Beta</strong></td>
</tr>
<tr>
<td>Docker</td>
<td>容器化部署</td>
<td>可用</td>
</tr>
</tbody>
</table>
<p><strong>典型用例四类：</strong></p>
<ul>
<li>每天自动抓小红书 / 知乎 / Reddit 热点生成摘要推到飞书</li>
<li>睡前描述目标，助理自动执行，醒来拿到原型</li>
<li>多个独立 agent 各自分角色（创意 / 写作 / 校对）协同产出内容</li>
<li>用本地 9B 模型处理敏感文档，全程不出本机、不花 API 费用</li>
</ul>
<p><strong>交付物</strong>是 <strong>code（Coding Mode 三栏 IDE）、文档处理结果（PDF / Word / Excel / PowerPoint）、记忆条目（可读可编辑可搜索的 Markdown 记忆）、定时推送内容（资讯摘要 / 视频脚本）</strong>——四项里两项（记忆条目、定时推送）是个人助理特有的，但都不是"可编辑交付物体系"（对比 iPolloWork 的生成后可编辑多形态交付物）。</p>
<hr />
<h2 id="4">4. 技术维度：它怎么做到的</h2>
<h3 id="python">架构：Python 包 + 多渠道，形态偏传统</h3>
<p>QwenPaw 的技术骨架一句话：<strong>Python 包（pip / 安装脚本）+ Web 控制台 + TUI + 桌面应用（Beta）+ Docker</strong>。技术栈是 Python 59% + TypeScript 37.2% + Rust 1.0%（Rust 用于安全相关组件）。</p>
<pre><code class="language-text">┌─ Web 控制台 / TUI / 桌面 / Docker ──────────────────────────┐
│                                                             │
│  四端 ──&gt; QwenPaw 核心（自身即引擎）                        │
│                     │                                       │
│                     ├──&gt; 五层安全（全部默认开启）             │
│                     │   ① Sandbox（内核级隔离）              │
│                     │   ② Tool Guard（规则引擎 + 逃逸检测）  │
│                     │   ③ File Guard（敏感路径保护）         │
│                     │   ④ Skill Scanner（第三方 skill 扫描） │
│                     │   ⑤ Access Policy（声明式规则）        │
│                     │                                       │
│                     ├──&gt; 三层记忆                            │
│                     │   ① 当前会话工作上下文                 │
│                     │   ② 可搜索的完整对话历史               │
│                     │   ③ 自进化的 Markdown 个人知识库       │
│                     │   （建在 ReMe 个人知识框架上）          │
│                     │                                       │
│                     ├──&gt; 模型层（14+ provider + 本地）        │
│                     │   云：OpenAI / Anthropic / DeepSeek…  │
│                     │   本地：llama.cpp / Ollama / LM Studio│
│                     │   自研：QwenPaw-Flash（2B/4B/9B）     │
│                     │                                       │
│                     └──&gt; 多渠道（钉钉/飞书/微信/QQ/…）        │
└─────────────────────────────────────────────────────────────┘
</code></pre>
<p>与 OpenClaw 的"本地守护进程 Gateway + 原生伴侣 App + 设备节点"相比，QwenPaw 的形态更<strong>传统</strong>——没有原生伴侣 App，没有设备节点，就是一个"服务端 + 多渠道"的标准架构。这是 form_depth=5 的含义。</p>
<h3 id="_1">引擎抽象：自身即引擎，模型层真中立</h3>
<table>
<thead>
<tr>
<th>维度</th>
<th>QwenPaw 的做法</th>
</tr>
</thead>
<tbody>
<tr>
<td>兼容判据</td>
<td><strong>不代理外部 agent 引擎</strong></td>
</tr>
<tr>
<td>抽象层</td>
<td>无（自身即引擎）；模型层有统一 provider 抽象</td>
</tr>
<tr>
<td>模型层</td>
<td><strong>14+ 云 provider + 本地 llama.cpp / Ollama / LM Studio 可混用</strong></td>
</tr>
<tr>
<td>自研模型</td>
<td>QwenPaw-Flash（2B / 4B / 9B，Q4 / Q8 量化）</td>
</tr>
<tr>
<td>多 agent</td>
<td>可派生带独立记忆的子 agent 并行处理</td>
</tr>
</tbody>
</table>
<p>这是 <code>engine_neutral = 2</code> 的含义：<strong>agent 引擎层不存在中立问题（它自己就是），模型层是真中立（14+ provider 可换）</strong>。注意区分这两个"中立"——横向比较时不要混为一谈。它和 OpenClaw（engine_neutral=1）的区别在于：OpenClaw 连模型层都不中立（BYO 但不提供本地模型），QwenPaw 在模型层给了真选择。</p>
<h3 id="agent">多 agent：内生派生，各自独立记忆</h3>
<p>可创建多个独立 agent、各自分角色，开启协作 skill 后 agent 间可互相通信；助理能<strong>派生带独立记忆的子 agent</strong> 并行处理任务。这是 OpenClaw 2.0 之前没有的内生能力——OpenClaw 的多 agent 靠外部编排（Gateway 路由到不同 channel），QwenPaw 的多 agent 是<strong>引擎内生的</strong>。</p>
<h3 id="api-key">本地优先：无需 API key 即可跑，但有一个遥测暗礁</h3>
<p><code>local_first_score = 9</code>，七个样本里仅次于 maka（10）。内置 llama.cpp 后端 + 自研 QwenPaw-Flash 模型系列，<strong>无需 API key 即可跑</strong>——这是它相对所有竞品的硬差异。</p>
<p>但有一个细节必须单独说（见第 6 节 ①）：<strong><code>qwenpaw init --defaults</code> 会自动接受遥测</strong>，且"每升级一个版本会重新收集一次"。而 <code>--defaults</code> 恰恰是快速上手文档推荐的默认路径。收集的是匿名环境数据、不影响功能，但"默认接受"与"数据归你"的叙事存在张力——尤其对把隐私当核心卖点的产品。</p>
<h3 id="skills">扩展体系：skills 文件系统 + 安全扫描</h3>
<ul>
<li><strong>skills</strong>：Skills 文件系统，自定义 skill 自动加载，明确宣称 no lock-in</li>
<li><strong>plugins</strong>：Skill Scanner 在激活前扫描第三方 skill（阻断 / 警告 / 关闭 + 白名单）</li>
<li><strong>MCP</strong>：README 标注 mcp 主题，支持浏览器工具抓取接口文档</li>
</ul>
<p>扩展体系的中心不是"插件市场"，是<strong>安全扫描</strong>——每个第三方 skill 激活前都要过 Skill Scanner 的扫描（提示词注入、硬编码密钥、数据外泄检测）。这与 openwork 的"skill 发布到 Den 再分配"完全不同：QwenPaw 的 skill 是本地文件系统的，但每激活一次都要过安全闸。</p>
<h3 id="_2">观测性：三层记忆本身即审计轨迹</h3>
<p>滚动式上下文管理 + 持久化轮次存储；三层记忆（当前会话工作上下文 / 可搜索的完整对话历史 / 自进化的 Markdown 个人知识库）本身即构成了可审计轨迹。与 maka 的 append-only 执行记录不同，QwenPaw 的记忆是<strong>可读可编辑可搜索的 Markdown</strong>——更友好，但不可篡改（maka 的 append-only 是防篡改的）。</p>
<hr />
<h2 id="5">5. 横向对比</h2>
<blockquote>
<p>说明：下表项目均已收录进本系列追踪库，数据来自各自档案（<code>data/projects/*.yaml</code>，2026-09-01 快照）。"引擎中立度 / 本地优先"取自档案 <code>chart.*</code>（1–10）。</p>
</blockquote>
<table>
<thead>
<tr>
<th>维度</th>
<th>QwenPaw</th>
<th>orca</th>
<th>iPolloWork</th>
<th>maka</th>
<th>openwork</th>
<th>Tutti</th>
<th>OpenClaw</th>
</tr>
</thead>
<tbody>
<tr>
<td>站位层次</td>
<td><strong>个人助理执行层（安全最完整）</strong></td>
<td>执行编排层（并行 fan-out）</td>
<td>桌面工作台层</td>
<td>执行记录层 + 自带引擎</td>
<td>能力分发层</td>
<td>多人×多 agent 协作层</td>
<td>个人助理执行层（渠道最广）</td>
</tr>
<tr>
<td>引擎中立度（1–10）</td>
<td>2（自身即引擎，模型层 14+ 中立）</td>
<td><strong>9（全场最高）</strong></td>
<td>7</td>
<td>1（不参与该赛道）</td>
<td>6（能力面）</td>
<td>8（ACP 双层）</td>
<td>1（自身即引擎）</td>
</tr>
<tr>
<td>本地优先（1–10）</td>
<td>9（无需 API key 即可跑）</td>
<td>6</td>
<td>7</td>
<td><strong>10（全场最高）</strong></td>
<td>6（核心在云端）</td>
<td>7</td>
<td>8</td>
</tr>
<tr>
<td>交付物</td>
<td>code + 文档 + <strong>记忆条目</strong> + 定时推送</td>
<td>code + diff + review-comment</td>
<td>生成后可编辑的多形态</td>
<td>code + eval-report + execution-record</td>
<td>能力（MCP）+ workflow</td>
<td>多人协作会话</td>
<td>个人助理任务（事务结果）</td>
</tr>
<tr>
<td>许可证</td>
<td>Apache-2.0（L1）</td>
<td>MIT（L1）</td>
<td>L3 source-available</td>
<td>Apache-2.0（L1）</td>
<td>L3（目录切分）</td>
<td>Apache-2.0（L1）</td>
<td>MIT（L1，机器读不出）</td>
</tr>
<tr>
<td>安全默认</td>
<td><strong>五层全默认开</strong></td>
<td>无统一权限回调</td>
<td>沙箱 + 审批</td>
<td>越界审批 + 记录全落盘</td>
<td>MCP 层控制面</td>
<td>沙箱边界</td>
<td><strong>⚠️ 默认无沙箱 + CVE 8.8</strong></td>
</tr>
<tr>
<td>巴士系数</td>
<td><strong>24 作者，TOP1 15%（最健康）</strong></td>
<td>—</td>
<td>—</td>
<td>—</td>
<td>—</td>
<td>—</td>
<td><strong>TOP1 独占 64%（≈1）</strong></td>
</tr>
<tr>
<td>成熟度</td>
<td>beta 活跃（全是 prerelease）</td>
<td>原型期（一天一版）</td>
<td>beta（v0.50.x）</td>
<td>孵化期（无正式 release）</td>
<td>0.x 活跃</td>
<td>快速成长期</td>
<td>高速迭代（有正式版）</td>
</tr>
</tbody>
</table>
<p>QwenPaw 在谱系里的位置，用一句话概括：<strong>与 OpenClaw 同赛道、风险面完全相反的那个角落。</strong> OpenClaw 的风险是"生态太大、治理跟不上"（CVE、默认无沙箱、巴士系数≈1），QwenPaw 的风险是"治理很好、但产品没定型"（全是 beta、无正式版、遥测默认开）。七个样本里，只有这两个是真正的"个人助理"——其他五家要么卷编排（orca）、要么卷能力分发（openwork）、要么卷执行记录（maka）、要么卷桌面体验（iPolloWork）、要么卷多人协作（tutti）。</p>
<hr />
<h2 id="6-vs">6. 宣称 vs 实测</h2>
<p>这一节是本系列最看重的部分。QwenPaw 项目方没有说谎——它的 README 在安全、遥测、本地模型上都做了明确披露——但"披露得充分"和"没有坑"是两回事。</p>
<p><strong>① 宣称：「数据归你、本地优先、不上传任何本地使用记录」。</strong>
<strong>实际</strong>：主力诉求成立（本地模型可完全离线跑，遥测一键可关）。但 README 的 Telemetry 章节写明：<strong><code>qwenpaw init --defaults</code> 会自动接受遥测</strong>，且"每升级一个版本会重新收集一次"。而 <code>--defaults</code> 恰恰是快速上手文档推荐的默认路径。收集的是匿名环境数据、不影响功能，但"默认接受"与"数据归你"的叙事存在张力——尤其对把隐私当核心卖点的产品。
<strong>来源</strong>：README Telemetry 章节原文（<em>"If you choose --defaults, telemetry is accepted automatically."</em>）。</p>
<p><strong>② 宣称：「34.7k star 的成熟个人助理」。</strong>
<strong>实际</strong>：星标属实，但<strong>至今没有任何正式 release</strong>。查最近 8 个 release，v2.1.1-beta.1 到 v2.2.0-beta.5 全部 prerelease=True。也就是说它处在"高关注度 + 持续 beta"状态，与同赛道 OpenClaw（有 v2026.8.1 正式版）相比，发布纪律反而更松。
<strong>来源</strong>：GitHub releases API（per_page=8，全部返回 prerelease=true）。</p>
<p><strong>③ 宣称：「五层安全，内核级沙箱」。</strong>
<strong>实际</strong>：五层的实现描述相当具体（Seatbelt / Bubblewrap+Landlock / AppContainer，ShellEvasionGuardian 检测命令注入与反弹 shell），可信度高。但 <strong>Tool Guard 提供 OFF 档</strong>，整层可以关掉；Access Policy 也是"可配置为放行"。安全强度取决于用户配置，不是不可绕过的硬边界。
<strong>来源</strong>：README Security Features 章节（列出 Tool Guard 的 STRICT / SMART / AUTO / OFF 四档）。</p>
<p><strong>④ 宣称：「无需 API key，本地模型即可跑」。</strong>
<strong>实际</strong>：技术上成立：QwenPaw-Flash 2B / 4B / 9B（Q4 / Q8 量化）内置 llama.cpp 后端，在 Web UI 点下载即可用，并提供硬件感知推荐。但要清醒：<strong>2B / 4B 量级的模型在复杂 agent 任务上的能力天花板很低</strong>，"无需 key 跑起来"和"无需 key 好用"是两件事，重度任务仍要接云端 provider。
<strong>来源</strong>：README Local Models 章节（列出 2B/4B/9B 与 Q4/Q8 量化）。</p>
<p><strong>⑤ 宣称：「（历史）QwenPaw 是一个 2026 年 4 月后出现的全新项目」。</strong>
<strong>实际</strong>：不是。它是 2026-02-24 以 <strong>CoPaw</strong> 之名建仓的项目，2026-04-12 才更名。检索 2026 年 4 月之前的社区讨论、issue 与技术文章时必须按 CoPaw 检索，否则会严重低估它的历史沉淀与已知问题。
<strong>来源</strong>：GitHub repo API（created_at=2026-02-24）+ README News 章节的更名公告。</p>
<p><strong>⑥ 宣称：「（检索风险）github.com/agentscope-ai/QwenPaw 是唯一官方仓库」。</strong>
<strong>实际</strong>：存在同名仓库 <code>aqua88hn/qwenpaw</code>，README 内容与官方高度相似。以 star 数（官方 34.7k）与组织归属判断，官方仓库在 agentscope-ai 组织下；但同名仓库的存在会让"按名字搜仓库"直接得到错误结果。
<strong>来源</strong>：GitHub 搜索结果与 repo API 交叉核对（agentscope-ai/QwenPaw = 34758 star，非 fork）。</p>
<p>六条里有五条是 README <strong>自己写出来的</strong>——QwenPaw 的自我披露是七个样本里第二充分的（仅次于 maka）。但 ① 和 ② 合起来看是理解 QwenPaw 的钥匙：<strong>「安全叙事最强、发布纪律最松」</strong>——安全默认值做得最完整，但产品交付（正式版、稳定升级路径）一步未成；隐私叙事说得最响，但 <code>--defaults</code> 的默认路径会把遥测打开。</p>
<hr />
<h2 id="7">7. 结论：什么人该用它</h2>
<p><strong>该用：</strong>
- 把<strong>数据与隐私</strong>放第一位、希望助理完全跑在本地的个人与小团队——五层安全默认全开 + 自研本地模型无需 API key，是七个样本里"本地 + 安全"组合最完整的
- 需要在<strong>钉钉 / 飞书 / 微信 / QQ</strong> 渠道里用助理的国内团队——渠道覆盖是海外项目做不了的
- 想<strong>不买 API key</strong> 先把流程跑通的尝鲜者——QwenPaw-Flash 2B/4B/9B 是唯一的"零门槛本地可跑"
- 做<strong>多 agent 协同内容创作</strong>的团队——内生派生子 agent + 各自独立记忆，是 OpenClaw 之前没有的能力</p>
<p><strong>不该用：</strong>
- 需要<strong>正式版与稳定升级路径</strong>的团队——它是 beta 活跃期，至今全部 prerelease
- 指望 <strong>2B / 4B 本地模型扛复杂 agent 任务</strong>的人——"无需 key 跑起来"和"无需 key 好用"是两件事
- 把「五层安全」当成<strong>不可绕过硬边界</strong>的人——Tool Guard 有 OFF 档，安全强度取决于配置
- 以为 <strong><code>--defaults</code> 安装路径不收集任何数据</strong>的人——遥测默认接受，需手动关闭
- 在 <strong>2026 年 4 月前资料</strong>里按 QwenPaw 检索的人——那时它还叫 CoPaw</p>
<p><strong>再看看：</strong> 等四件事落地再评估——① 第一个<strong>正式 release</strong>（prerelease → stable 的发布纪律转折）② <strong>遥测默认值</strong>是否从"默认接受"改为"默认关闭"（这是"数据归你"叙事能否自洽的关键）③ <strong>OpenClaw 生态规模</strong>是否继续碾压（388k vs 34.7k，差距是否还会扩大）④ <strong>渠道护城河</strong>是否被官方渠道能力稀释（钉钉 / 飞书 / 微信是否会官方集成 AI 助理，挤掉第三方）。</p>
<hr />
<h2 id="8">8. 追踪备注</h2>
<ul>
<li><strong>数据日期</strong>：2026-09-01（GitHub API 快照）</li>
<li><strong>指标</strong>：★ 34758 / fork 3052 / open issues 898 / subscribers 109 / ~112 MB / Python 59% + TypeScript 37.2%</li>
<li><strong>最新版本</strong>：v2.2.0-beta.5，约 1 天/版本（<strong>全部 prerelease</strong>）</li>
<li><strong>源码镜像</strong>：<code>gitinbox/qwenpaw</code>（<strong>public</strong>，source-only 快照 ~18 MB——109 MB 裸仓超 Gitea 50 MB 推送上限，剔除图片/音视频/字体后按快照提交；完整保真裸仓 281 MB 保留在本地 <code>.mirrors/qwenpaw.git</code>）</li>
<li><strong>结构化档案</strong>：<code>data/projects/qwenpaw.yaml</code></li>
</ul>
<p><strong>下次跟进点：</strong></p>
<ol>
<li>发布纪律：第一个正式 release 何时出（prerelease → stable）</li>
<li>遥测默认值：<code>--defaults</code> 是否从"默认接受"改为"默认关闭"</li>
<li>生态规模：与 OpenClaw（388k）的 star 差距是否继续扩大</li>
<li>渠道护城河：钉钉 / 飞书 / 微信是否官方集成 AI 助理，挤掉第三方</li>
<li>改名影响：CoPaw → QwenPaw 更名后，历史 issue 与社区讨论的检索断裂是否得到解决</li>
</ol>
<hr />
<p><sub>本文为「全球智能体开源应用追踪」系列之一 · 总纲见系列索引 · 数据与脚本开源于 <code>gitinbox/agent-radar</code></sub></p>]]></description>
    <pubDate>Thu, 03 Sep 2026 23:36:33 +0800</pubDate>
    <dc:creator>figmar</dc:creator>
    <guid>https://blog.apescale.com/?post=108</guid>
</item>
<item>
    <title>openwork 深度拆解：把「能力」而不是「桌面」做成产品</title>
    <link>https://blog.apescale.com/?post=107</link>
    <description><![CDATA[<blockquote>
<p><strong>速览</strong></p>
<table>
<thead>
<tr>
<th>项</th>
<th>值</th>
</tr>
</thead>
<tbody>
<tr>
<td>仓库</td>
<td><a href="https://github.com/different-ai/openwork">different-ai/openwork</a></td>
</tr>
<tr>
<td>一句话</td>
<td>"The open-source alternative to Claude Cowork (powered by opencode)"——但它替代的不是 Cowork 本身，而是 Cowork 唤起的「能力复用」诉求</td>
</tr>
<tr>
<td>Star / Fork / Issues</td>
<td>23253 / 2307 / 414 open（2026-09-01）</td>
</tr>
<tr>
<td>主语言 / 体积</td>
<td>TypeScript 89.9% / ~291 MB</td>
</tr>
<tr>
<td>最新版本 / 节奏</td>
<td>v0.18.40 / 约 1 天/版本</td>
</tr>
<tr>
<td>许可证</td>
<td><strong>目录切分许可（GitLab 式）</strong>：ee/ 之外 MIT，ee/ 为 OpenWork EE License（SPDX=NOASSERTION，<strong>L3</strong>）</td>
</tr>
<tr>
<td>成熟度</td>
<td><strong>0.x 活跃</strong>（工程治理七家最规范，产品仍在 0.x）</td>
</tr>
</tbody>
</table>
<p><strong>一句话结论</strong>：七个样本里唯一不抢「桌面入口」、专做「能力分发」的项目——它把自己做成一个 MCP server 让别人来连，工程治理最好，但它和自称要替代的东西不是一个物种。</p>
</blockquote>
<hr />
<h2 id="0">0. 先给结论</h2>
<p>openwork 的 tagline 是 <em>"The open-source alternative to Claude Cowork (powered by opencode)"</em>，但真正定义它的是 README 里一句容易被忽略的话：<strong>"The desktop app is there when you want a dedicated workspace, but it is not required"</strong>——桌面端只是可选项，主体是 OpenWork MCP 与 Den 控制面。</p>
<p>它真正有意思的地方有三个：</p>
<ol>
<li><strong>它是七个样本里唯一站在「能力分发层」的。</strong> 别人卷的是桌面入口、引擎兼容、执行记录、个人助理，openwork 卷的是"一套 skills / MCP / 连接，怎么让组织里的人在不同工具里复用"。它的核心资产不是桌面 app，是 <strong>OpenWork MCP</strong> 和 <strong>Den 控制面</strong>——把 skills / MCP / 连接服务做成可跨工具、跨人、跨机器复用的组织级能力包。</li>
<li><strong>它用「反向注入」解决多引擎问题。</strong> 七个样本里大多数项目的多引擎策略是「我去适配你的引擎」，openwork 反过来：<strong>把自己做成 MCP server，让各引擎来连</strong>。对外只暴露两个工具——<code>search_capabilities</code> 与 <code>execute_capability</code>。所有引擎都以同一个 MCP 客户端身份接入，拿到的是能力调用，不是执行控制。OpenWork 不接管 agent 的执行循环、不负责上下文管理、不做权限回调。</li>
<li><strong>它是七个项目里工程治理最规范的。</strong> 强制 DCO sign-off（每个 commit 都要 Signed-off-by），ee/ 目录的改动还需额外 CLA；<code>evals/</code> 目录放可执行测试规格并要求 PR 附测试证据；<code>worlds/</code> 放声明式的开发与测试环境定义。SPDX 为 NOASSERTION 恰恰是「不够开源」的误读——它只是根目录 LICENSE 是混合声明文件，开放度分目录看（ee/ 之外纯 MIT）。</li>
</ol>
<p>而它最大的问题也有三个：<strong>形态与宣称错位</strong>（Cowork 是桌面操控型 agent，openwork 是能力分发型 MCP 层，二者不是一个物种）、<strong>「跨引擎」是能力面而非执行面</strong>（对 OpenCode 是原生，对其余引擎只通过 2 个 MCP 工具对接）、<strong>ee/ 目录生产使用需付费订阅</strong>（5 人以下/30 天评估/开发测试豁免，但组织规模上来就要钱）。</p>
<hr />
<h2 id="1">1. 赛道定位：它站在哪一层</h2>
<p>沿用本系列的分层法：</p>
<pre><code class="language-text">┌──────────────────────────────────────────────────────────────┐
│  编排 / 工作台层                                              │
│  跨引擎、跨 worktree、跨交付物的调度与观测外壳                 │
│  ── orca（执行编排）/ iPolloWork（桌面工作台）在这里 ──        │
├──────────────────────────────────────────────────────────────┤
│  能力分发层（openwork 占的一层）                              │
│  把 skills / MCP / 连接做成可跨工具复用的组织级能力包          │
│  ── openwork 的 OpenWork MCP + Den 控制面在这里 ──            │
├──────────────────────────────────────────────────────────────┤
│  编辑器内 Agent 层                                            │
│  嵌在 IDE / 编辑器里的交互层                                  │
├──────────────────────────────────────────────────────────────┤
│  执行引擎层                                                   │
│  真正跑 agent loop 的地方                                     │
│  ── Codex / Claude Code / OpenCode / 各引擎在这里 ──          │
└──────────────────────────────────────────────────────────────┘
</code></pre>
<p><strong>openwork 的站位在七个样本里是独一份</strong>：它对<strong>桌面入口</strong>的争夺是零（桌面 app 明确标为可选），对<strong>执行层</strong>的争夺也是零（不接管任何引擎的 agent loop）。它抢的是中间那层——<strong>「能力从哪来、谁能用、怎么分发」</strong>。</p>
<p>这与 orca 和 iPolloWork 形成鲜明对照：orca 用 PTY 外壳把 30+ 引擎拉平到最薄的一层（执行编排），iPolloWork 用原生 adapter 给个别引擎做深（桌面工作台），openwork 直接不碰执行层和桌面入口——它想回答的问题不是"怎么接最多 agent"或"怎么做出最好用的工作台"，而是<strong>"组织的能力怎么一次创建、处处复用"</strong>。</p>
<p>风险也在这里：<strong>「跨工具能力分发」是引擎厂商最容易原生化的一层</strong>——一旦 Anthropic / OpenAI 官方的 skills 市场与组织管理后台做好跨工具分发，openwork 的价值窗口就关闭了。它的护城河（组织侧能力分发 + 工作流网络效应）建立在一个时间窗口上：<strong>官方还没做好这件事</strong>。这是它最该被盯住的地方。</p>
<hr />
<h2 id="2">2. 业务维度：它靠什么活着</h2>
<p><strong>目标用户</strong>三类，都很垂直：</p>
<ul>
<li>已在使用 Codex / Claude Code / Cursor 且<strong>不想换工具</strong>的开发者</li>
<li>需要<strong>统一管控 agent 能力</strong>（谁能用什么模型、谁能拿到什么 skill）的中大型组织</li>
<li>想把自己搭好的工作流<strong>分发给同事或朋友</strong>的团队</li>
</ul>
<p><strong>变现路径：Den 订阅（组织控制面）。</strong> 免费额度写得很明确：5 人以下组织的非 Enterprise 功能全免、任意规模 30 天评估、开发测试永久免费。个人和小团队几乎不会触发付费条件，但组织规模上来就要订阅——这是典型的 open-core 模型。</p>
<p><strong>许可证</strong>是目录切分许可（GitLab 式）：ee/ 之外为 MIT（L1 级），ee/ 为 OpenWork EE License（source-available，生产使用需订阅）。整体 SPDX=NOASSERTION，openness=L3。有一个值得单独说的机制：<strong>ee/ 版本公开发布满两年后自动追加 MIT 授权</strong>（Grant of Future License）——早期版本最终也会进入开源域，更早版本仍受原 FSL-1.1-MIT 约束，不自动升级。客户端侧资源（image / font / CSS / 编译产出的 JS）始终为 MIT。</p>
<p><strong>护城河</strong>由两件事构成：<strong>组织侧的能力分发与治理</strong>（谁能用什么模型、谁能拿到什么 skill），以及<strong>「一次创建、处处复用」带来的工作流网络效应</strong>。一旦组织把内部 skills 都发布到 Den，迁移成本取决于是否有导出路径——README 未说明，这是一个未明的锁定风险。</p>
<p><strong>竞争风险</strong>非常直接：最容易被 Anthropic / OpenAI 官方的 skills 市场与组织管理后台正面取代。openwork 的价值恰恰建立在「官方还没做好跨工具能力分发」这个时间窗口上——窗口一关，护城河就变成一张过期的门票。</p>
<hr />
<h2 id="3">3. 场景维度：它在什么场合被用</h2>
<p><strong>人机协作是审批式</strong>，但审批不在执行层而在<strong>组织层</strong>：能力调用需人工在浏览器登录并选择组织；企业侧由管理员通过策略管控。它不做工具越界审批（那是执行引擎的事），它管的是「谁有资格调用什么能力」。</p>
<p><strong>三端形态，MCP 是主体：</strong></p>
<table>
<thead>
<tr>
<th>形态</th>
<th>定位</th>
<th>成熟度</th>
</tr>
</thead>
<tbody>
<tr>
<td>OpenWork MCP（远程服务）</td>
<td><strong>主体</strong>——能力面，不是执行面</td>
<td>核心产品</td>
</tr>
<tr>
<td>Den 控制面（Web）</td>
<td>组织级管控：策略下发、配额、审计</td>
<td>付费层</td>
</tr>
<tr>
<td>桌面应用（Electron）</td>
<td><strong>可选</strong>——专注工作区，非必需</td>
<td>0.x 活跃</td>
</tr>
</tbody>
</table>
<p><strong>典型用例三类：</strong></p>
<ul>
<li>团队写好一套内部 skill，通过 Den 发布到组织，成员在各自惯用的 agent（Codex / Claude Code / Cursor）里调 <code>search_capabilities</code> 直接用</li>
<li>管理员限制部分成员只能使用指定 model provider，并统一配置共享连接（Google Workspace / Microsoft 365）</li>
<li>个人把工作流分享给朋友，对方装一个 MCP 就能用</li>
</ul>
<p><strong>交付物</strong>是 <strong>workflow、skill-package、capability</strong>——三个都不是代码。这与 orca 的「code + diff」、maka 的「code + eval-report + execution-record」、iPolloWork 的「生成后可编辑的多形态交付物」完全不同：openwork 交付的是<strong>能力本身</strong>，而不是能力的执行结果。</p>
<hr />
<h2 id="4">4. 技术维度：它怎么做到的</h2>
<h3 id="mcp-web">架构：MCP 远程服务 + 可选桌面 + Web 控制面</h3>
<p>openwork 的技术骨架一句话：<strong>把自己做成 MCP server，让各引擎来连</strong>。技术栈是 Electron + React + TypeScript + Node.js 24 + pnpm + MCP。</p>
<pre><code class="language-text">┌─ Codex / Claude Code / Cursor / OpenCode / 任意 MCP client ─┐
│                                                             │
│  各引擎 ──MCP 客户端──&gt; OpenWork MCP Server                 │
│                          │                                  │
│                          ├──&gt; search_capabilities           │
│                          │   （发现可用能力）                │
│                          └──&gt; execute_capability            │
│                              （调用能力，不接管执行循环）    │
│                                                             │
│  Den 控制面（Web）：策略下发 / 配额管控 / 访问审计          │
│  桌面 app（可选）：OpenCode 生态，专属工作区               │
└─────────────────────────────────────────────────────────────┘
</code></pre>
<p>与 orca 的「我去适配你的引擎」完全相反：orca 是引擎抽象层（PTY 外壳把 30+ 引擎拉平），openwork 是<strong>能力注入层</strong>（把能力推给各引擎）。</p>
<h3 id="_1">引擎抽象：对等且都浅</h3>
<table>
<thead>
<tr>
<th>维度</th>
<th>openwork 的做法</th>
</tr>
</thead>
<tbody>
<tr>
<td>兼容判据</td>
<td><strong>MCP 客户端身份</strong>（任何能连 MCP 的引擎都能接）</td>
</tr>
<tr>
<td>抽象层</td>
<td>OpenWork MCP（能力面，不是执行面）</td>
</tr>
<tr>
<td>对外暴露</td>
<td><strong>只两个工具</strong>：search_capabilities + execute_capability</td>
</tr>
<tr>
<td>执行控制</td>
<td><strong>不接管</strong>——不接管 agent loop、不管上下文、不做权限回调</td>
</tr>
<tr>
<td>真正深度绑定</td>
<td>OpenCode（仓库描述 powered by opencode，桌面端属其生态）</td>
</tr>
</tbody>
</table>
<p>这是 <code>engine_neutral = 6</code> 的含义：<strong>它接得住 4+ 引擎，但都只在能力面</strong>。对外宣称的「跨引擎通用」与内部实际的主从关系存在落差——OpenCode 是原生，其余是 MCP 外挂。这与 iPolloWork 的「Codex 仅 MCP 控制面」是同一个问题的两种解法：iPolloWork 把 MCP 当补丁（主体是桌面），openwork 把 MCP 当主体（桌面是可选）。</p>
<h3 id="agent">多 agent：未强调，重心在能力共享与治理</h3>
<p>openwork 不强调多 agent 编排——它不关心「agent 怎么协作完成一件事」，它关心的是「能力怎么在组织里流转」。这与 tutti（唯一把「多人」写进定位）也完全不同：tutti 的多人是<strong>同一空间内的人与 agent 协作</strong>，openwork 的多人是<strong>跨工具的能力分发</strong>。</p>
<h3 id="_2">本地优先：可本地跑，但核心服务在云端</h3>
<p><code>local_first_score = 6</code>。桌面 app 本身 BYO（自带模型，不绑定共享账号），skills 可以本地跑；但核心服务——Den 控制面、OpenWork MCP 远程端点（https://api.openworklabs.com/mcp/agent）——是<strong>云端</strong>的。组织管控、能力分发、审计追踪都依赖云服务。这决定了它不是 local-first 项目，而是 <strong>cloud-anchored + local-optional</strong> 项目。</p>
<h3 id="skills">扩展体系：skills 是一等公民</h3>
<ul>
<li><strong>skills</strong>：一等公民——可发布、可分配到组织/团队/个人；支持导入 Agent Plugins 与 Anthropic 兼容插件并转为 OpenWork MCP 能力</li>
<li><strong>plugins</strong>：通过 marketplace 发布与分配</li>
<li><strong>MCP</strong>：自身即以 MCP server 形态对外提供服务，同时也消费下游 MCP 连接</li>
</ul>
<p>扩展体系的中心不是「插件市场」，是 <strong>Den 的能力分发管道</strong>——skill 不是装在本地的，是发布在 Den 上、由组织分配到具体成员/团队的。</p>
<h3 id="agent_1">观测性：观测「谁用了什么能力」，不是「agent 怎么把事做完的」</h3>
<p>Den 提供推理配额管控与访问审计；桌面 app 侧未见 agent 执行轨迹的记录设计。openwork 的观测维度是<strong>能力调用层</strong>（谁、什么时候、调了什么能力、配额用了多少），不是<strong>执行层</strong>（agent 的 tool call 序列、上下文演化、终止事件）。这与 maka 的 append-only 执行记录、orca 的 diff/review 完全不同——它观测的是「能力的流转」，不是「执行的轨迹」。</p>
<hr />
<h2 id="5">5. 横向对比</h2>
<blockquote>
<p>说明：下表项目均已收录进本系列追踪库，数据来自各自档案（<code>data/projects/*.yaml</code>，2026-09-01 快照）。"引擎中立度 / 本地优先"取自档案 <code>chart.*</code>（1–10）。</p>
</blockquote>
<table>
<thead>
<tr>
<th>维度</th>
<th>openwork</th>
<th>orca</th>
<th>iPolloWork</th>
<th>maka</th>
<th>QwenPaw</th>
<th>Tutti</th>
<th>OpenClaw</th>
</tr>
</thead>
<tbody>
<tr>
<td>站位层次</td>
<td><strong>能力分发层（MCP 主体）</strong></td>
<td>执行编排层（并行 fan-out）</td>
<td>桌面工作台层</td>
<td>执行记录层 + 自带引擎</td>
<td>个人助理执行层</td>
<td>多人×多 agent 协作层</td>
<td>个人助理执行层（多渠道 Gateway）</td>
</tr>
<tr>
<td>引擎中立度（1–10）</td>
<td>6（能力面接 4+ 引擎）</td>
<td><strong>9（全场最高）</strong></td>
<td>7</td>
<td>1（不参与该赛道）</td>
<td>2（自身即引擎）</td>
<td>8（ACP 双层）</td>
<td>1（自身即引擎）</td>
</tr>
<tr>
<td>本地优先（1–10）</td>
<td>6（核心服务在云端）</td>
<td>6</td>
<td>7</td>
<td><strong>10（全场最高）</strong></td>
<td>9</td>
<td>7</td>
<td>8</td>
</tr>
<tr>
<td>交付物</td>
<td><strong>能力（MCP）+ workflow + skill-package</strong></td>
<td>code + diff + review-comment</td>
<td>生成后可编辑的多形态交付物</td>
<td>code + eval-report + execution-record</td>
<td>个人助理任务</td>
<td>多人协作会话</td>
<td>个人助理任务</td>
</tr>
<tr>
<td>许可证</td>
<td>L3（目录切分：ee/ 外 MIT / ee/ EE）</td>
<td>MIT（L1）</td>
<td>L3 source-available</td>
<td>Apache-2.0（L1）</td>
<td>Apache-2.0（L1）</td>
<td>Apache-2.0（L1）</td>
<td>MIT（L1，机器读不出）</td>
</tr>
<tr>
<td>成熟度</td>
<td>0.x 活跃（工程治理最规范）</td>
<td>原型期（一天一版）</td>
<td>beta（v0.50.x）</td>
<td>孵化期（无正式 release）</td>
<td>beta 活跃</td>
<td>快速成长期</td>
<td>高速迭代（约 4 天/版本）</td>
</tr>
<tr>
<td>观测维度</td>
<td><strong>谁用了什么能力</strong></td>
<td>执行轨迹 + diff</td>
<td>生成结果</td>
<td>执行记录全落盘</td>
<td>五层安全审计</td>
<td>协作会话</td>
<td>多渠道日志</td>
</tr>
<tr>
<td>变现</td>
<td><strong>Den 订阅（open-core）</strong></td>
<td>无</td>
<td>无</td>
<td>无</td>
<td>无</td>
<td>open-core</td>
<td>无</td>
</tr>
</tbody>
</table>
<p>openwork 在谱系里的位置，用一句话概括：<strong>唯一站在「能力分发层」、不抢桌面入口、不碰执行层、把 MCP 当主体当产品的那个角落。</strong> orca 卷的是「怎么接最多引擎」，iPolloWork 卷的是「怎么做出最好用的工作台」，maka 卷的是「agent 干了什么能不能证明」，openwork 卷的是「组织的能力怎么一次创建、处处复用」。七个样本里，只有它交付的是「能力」而不是「能力的执行结果」。</p>
<hr />
<h2 id="6-vs">6. 宣称 vs 实测</h2>
<p>这一节是本系列最看重的部分。openwork 项目方没有说谎——它的 README 在许可证和桌面定位上都做了明确披露——但「披露得充分」和「没有错位」是两回事。</p>
<p><strong>① 宣称：「Claude Cowork 的开源替代品」。</strong>
<strong>实际</strong>：形态完全不同。Cowork 是桌面操控型 agent（直接操作你的电脑完成工作）；openwork 是能力分发型 MCP 层，桌面 app 被明确定位为可选——README 原文 <em>"The desktop app is there when you want a dedicated workspace, but it is not required"</em>。它替代的是 Cowork 唤起的「能力复用」诉求，<strong>不是 Cowork 本身</strong>。用 tagline 里的「alternative」来理解产品形态，会得出错误预期。
<strong>来源</strong>：README 开篇与「Use OpenWork from any agent」段。</p>
<p><strong>② 宣称：跨 Codex / Claude Code / Cursor / OpenCode 多引擎通用。</strong>
<strong>实际</strong>：对 OpenCode 是原生的（仓库描述 powered by opencode，桌面端属其生态）；对其余引擎只通过自己暴露的两个 MCP 工具对接。这是<strong>能力调用面</strong>，不是<strong>引擎执行面</strong>——openwork 不接管这些引擎的执行循环、上下文与权限。对外宣称的「跨引擎」与内部实际的主从关系存在落差：OpenCode 是亲儿子，其余是 MCP 外挂。
<strong>来源</strong>：README「It exposes two tools」段；仓库 description「powered by opencode」。</p>
<p><strong>③ 宣称：free, open-source（免费开源）。</strong>
<strong>实际</strong>：需要分目录看：ee/ 之外确实 MIT 且免费；但 ee/（Den 组织控制面、MCP 网关、推理）属 source-available，生产使用需付费订阅，只有 <strong>5 人以下组织、30 天评估、开发测试</strong>三种情形豁免。个人免费，团队与企业要付费。这不是「开源变味」，而是标准的 open-core 模型——但「free, open-source」这个 tagline 没有把 open-core 的边界说清楚。
<strong>来源</strong>：README Licensing 段 + ee/LICENSE 原文 72 行。</p>
<p><strong>④ 宣称：（无明确宣称，但 SPDX 为 NOASSERTION，易被误读为「不够开源」）。</strong>
<strong>实际</strong>：恰恰相反——它是七个项目里<strong>工程治理最规范</strong>的：强制 DCO sign-off（每个 commit 都要 Signed-off-by）、ee/ 目录改动需额外 CLA、<code>evals/</code> 目录放可执行测试规格并要求 PR 附测试证据、<code>worlds/</code> 放声明式的开发与测试环境定义。NOASSERTION 只因根目录 LICENSE 是混合声明文件，不代表开放度低——ee/ 之外是纯 MIT，且 ee/ 版本满两年自动追加 MIT（Grant of Future License）。
<strong>来源</strong>：README「Getting started (contributors)」与「Sending a pull request」段。</p>
<p>四条里有三条是 README <strong>自己写出来的</strong>——但披露方式和产品定位的错位是结构性的：tagline 说「Cowork 的替代品」，实际是「能力分发层」；tagline 说「free, open-source」，实际是 open-core；tagline 说「跨引擎通用」，实际是能力面通用。这不是欺骗，是<strong>营销叙事与产品形态的错位</strong>——用 Cowork 的品牌势能来给一个不同物种的产品引流。</p>
<hr />
<h2 id="7">7. 结论：什么人该用它</h2>
<p><strong>该用：</strong>
- 已固定在某款 agent 上（Codex / Claude Code / Cursor）、<strong>不想换工具</strong>、只想让团队能力跨工具复用的开发者
- 需要<strong>统一管控 agent 能力与模型配额</strong>的组织 IT——Den 的策略下发、配额管控、访问审计是七个样本里唯一把「组织能力治理」做成产品的
- 想把自己搭好的工作流<strong>分发给同事或朋友</strong>、对方装一个 MCP 就能用的团队
- 5 人以下小团队——免费额度覆盖所有非 Enterprise 功能，30 天评估期足够验证</p>
<p><strong>不该用：</strong>
- 想要一个<strong>开箱即用的桌面 agent 工作台</strong>的人——桌面 app 是可选壳，不是主体；六个内置能力不如 orca / iPolloWork 的丰富
- 以为拿到的是<strong>完整 Cowork 平替</strong>的人——形态完全不同，它不操作你的电脑，它分发能力
- 需要<strong>本地优先 / 数据不出机器</strong>的团队——核心服务在云端（Den + OpenWork MCP 远程端点），local_first_score 只有 6
- 以为 <strong>SPDX=NOASSERTION 代表开放度低</strong>的许可证审查者——ee/ 之外是纯 MIT，ee/ 满两年自动转 MIT；开放度分目录看，不是整体看</p>
<p><strong>再看看：</strong> 等四件事落地再评估——① Den 的<strong>能力导出路径</strong>是否出现（当前无导出说明，锁定风险未明）② 官方 skills 市场 / 组织管理后台是否开始做跨工具分发（这是它护城河的头号威胁，<strong>每季度盯一次 Anthropic / OpenAI 的动作</strong>）③ ee/ 第一批版本满两年后是否如期追加 MIT（Grant of Future License 的兑现记录）④ 桌面 app 是否会从「可选」变成「主体」——如果它开始卷桌面体验，定位会从能力分发层漂移回桌面工作台层，届时需要重新评估其在谱系中的位置。</p>
<hr />
<h2 id="8">8. 追踪备注</h2>
<ul>
<li><strong>数据日期</strong>：2026-09-01（GitHub API 快照）</li>
<li><strong>指标</strong>：★ 23253 / fork 2307 / open issues 414 / subscribers 89 / ~291 MB / TypeScript 89.9% + JavaScript 6.7%</li>
<li><strong>最新版本</strong>：v0.18.40，约 1 天/版本</li>
<li><strong>源码镜像</strong>：<code>gitinbox/openwork</code>（<strong>public</strong>，source-only 快照——排除 <code>ee/</code> 与 <code>LICENSES/LicenseRef-OpenWork-EE.txt</code> 后为纯 MIT，判 public；上游 291 MB，本机到 GitHub 实测 50 KB/s，拉取耗时较长）</li>
<li><strong>结构化档案</strong>：<code>data/projects/openwork.yaml</code></li>
</ul>
<p><strong>下次跟进点：</strong></p>
<ol>
<li>Den 控制面：能力导出路径是否出现（当前无导出说明，锁定风险未明）</li>
<li>官方威胁：Anthropic / OpenAI 的 skills 市场与组织管理后台是否开始做跨工具分发</li>
<li>许可证兑现：ee/ 第一批版本满两年后是否如期追加 MIT（Grant of Future License 的兑现记录）</li>
<li>定位漂移：桌面 app 是否从「可选」变成「主体」——如果开始卷桌面体验，需要重新评估其在谱系中的位置</li>
</ol>
<hr />
<p><sub>本文为「全球智能体开源应用追踪」系列之一 · 总纲见系列索引 · 数据与脚本开源于 <code>gitinbox/agent-radar</code></sub></p>]]></description>
    <pubDate>Thu, 03 Sep 2026 23:31:26 +0800</pubDate>
    <dc:creator>figmar</dc:creator>
    <guid>https://blog.apescale.com/?post=107</guid>
</item>
</channel>
</rss>