给 AI 配一台电脑的三份答卷:开源实现与大厂产品怎么比
给 AI 配一台电脑的三份答卷:开源实现与大厂产品怎么比
2026 年这轮竞赛的关键动作,已经不是让模型把问题答得更好,而是让它真的把活干完。Meta 的 Muse 上线十天冲上美区 iPhone 免费榜第一、把 ChatGPT 挤到第二位,OpenAI 随后推出主打"全天候替你干活"的 dots,社区紧接着在掘金上出现了"开源版 Muse 来了"的拆解文章;同一周的 GitHub 日榜里,OpenBot 这类"本地优先的 AI 智能体工作区"连续两天上榜。热度背后是同一个判断:对话框不是终点,一台能被接管的机器才是。
但"给 AI 配一台电脑"这件事,市面上至少有三份不同性质的答卷:大厂的产品闭环、面向二次开发的开源模板、以及把 agent 内核留成接口的底座。它们经常被放在同一张对比表里,却被当成同一类东西。本文用 OpenBot 仓库里的真实实现,把这三份答卷拆开对齐:能力清单能不能一一对上、扩展点到底在哪里、以及二次开发的成本该怎么算才不算自欺欺人。
一、三份答卷,先分清各自卖的是什么
社区那篇拆 OpenMuse 的文章把话说得很直白:它不是一个聊天框,而是一台"能被接管的机器",但它自己也在 README 里反复强调"Alpha,为了自托管和二次开发而生"。这就出现了第一个认知陷阱——同样是开源,"骨架"和"产品"是两种交付物。
OpenBot 在这一点上毫不含糊,README 开头就写着:
A template, not a product. OpenBot is meant to be cloned and made your own. There is no hosted version to sign up for, and nothing here is published as a package to depend on.
这句话决定了三份答卷的分野:
| 答卷 | 交付物 | 谁维护闭环 | 你能改什么 |
|---|---|---|---|
| 大厂产品(Muse、dots 这一类) | 一个能直接用的应用 | 厂商,端到端 | 几乎只能改配置 |
| 开源模板(OpenMuse/OpenDuet/OpenDots 这一族) | 一套场景 + 一个可改的仓 | 你自己 | 业务场景与集成 |
| 可换内核的底座(OpenBot) | 治理层 + 机器层 + 协议层 | 你自己,内核由别人维护 | 内核、策略、界面都可以换 |
有意思的是,OpenBot 仓库直接把前两份答卷"皮肤化"了:app/src/skins/registry.ts 里注册了 opendots、openduet、openmuse 三套皮肤,app/src/skins/openmuse/index.ts 的注释写得很克制——"OpenMuse 的外观:一个 Bot 居中、五个标签页",而 Chat 用的是 OpenBot 自己的会话,Apps 用的是 OpenBot 自己的 Connections 页。
CHANGELOG 里那句补充更值得抄下来:模板自己的特性中,OpenDots 的 Spaces、OpenDuet 的 morning brief、OpenMuse 的邮件与日历,"is not part of the skins"。也就是说,皮肤只复刻外观,不复刻后端。这正是判断"开源实现到底缺什么"的第一把尺子:长得像不等于跑得通。
二、能力清单对齐:浏览器控制、文件共享、任务队列
把三份答卷放在一张表里比"有没有",几乎没有意义——大家都有。真正值得对齐的是这三项能力在实现层面的形状。
浏览器:不是"能打开网页",而是"能接管"
OpenBot 的浏览器能力集中在独立的 agent-computer 服务里(默认容器端口 4100,Compose 里只绑 127.0.0.1)。它对外暴露 12 个工具,其中 9 个被标记为"acting":
// server/src/computer/schema.ts
export const COMPUTER_TOOLS = [
"computer_navigate", "computer_screenshot", "computer_read", "computer_snapshot",
"computer_click", "computer_type", "computer_key", "computer_scroll",
"computer_read_file", "computer_download_file", "computer_write_file", "computer_list_files",
] as const;
只读和写入的边界不是按"危险程度"拍的,而是按"这个决定是不是新的":computer_read 不算 acting,因为页面在打开时已经被允许过;而 computer_read_file 算 acting,因为工作区里积累的是这个 Bot 从所有历史任务里攒下的东西。这个区分写在同一份 schema 的注释里,是产品化设计里最容易被忽略的一层。
第二层是引用不可伪造。Bot 必须先 computer_snapshot 拿到 e1 这样的 ref 和 snapshotId,再拿着它们去点击。ref 到真实元素的解析发生在服务端持有的快照里,server/src/computer/gateway.ts 把这条写成了硬约束:
A gateway that decides on a label supplied by the model is theatre: "never click Submit" is evaded by sending
{ref: "e13", name: "Continue"}. The refs are opaque to the caller precisely so that the server holds the mapping.
第三层是表单的三个门。server/src/computer/policy.ts 里有一段少见的诚实:一条只拦住 computer_click 的规则会被 Enter 绕过,只拦 Enter 又会被 computer_type 的 submit 标志绕过,所以随包附带的 deny 示例同时点名了三个工具。这种"把绕过路径写进上下文"的做法,通常是产品团队在真实事故之后才会补上的东西。
文件:共享与隔离之间的那条线
对话里说"文件共享",落到实现上有两种完全不同的语义:同一个卷上的共享,和每个 Bot 一个卷。
OpenBot 默认走后者:配置了 COMPUTER_SUPERVISOR_URL 之后,supervisor 给每个 Bot 起独立容器、独立 /workspace 卷、独立浏览器 profile;不配置则所有 Bot 共享 AGENT_COMPUTER_URL。CHANGELOG 里那一条"Each Bot on a shared computer has its own files"说明了演进方向——共享计算机也要按 Bot 分目录,COMPUTER_SEPARATE_WORKSPACES=on,但注释紧接着承认:"A command can still read another Bot's folder",真正要把人隔开,得上 computers.mode: sandbox。
路径本身有三层防线,agent-computer/src/workspace.ts 开篇列得清清楚楚:绝对路径直接拒绝、词法解析必须落在根内、跟随符号链接后仍必须落在根内——第三层是"人们会漏掉的那层",因为工作区里一个软链就能绕过前两层。
配额的写法也很工程化,没有一处是拍脑袋:
// agent-computer/src/workspace.ts
export const DEFAULT_LIMITS = {
readBytes: 64_000, // 一次读回的上限,避免一个大文件把上下文挤爆
writeBytes: 1_000_000,
listEntries: 500,
downloadBytes: 100 * 1024 * 1024,
};
同一个思路在 shell 上是:默认超时 120 秒、上限 600 秒、输出截断 64 KiB,且环境变量走白名单(PATH、locale、终端名、代理变量),HOME 被强制指向 workspace,代理 URL 里的 userinfo 会被剥掉。注释里那句"这个文件是手,不是判断"值得记住——agent-computer/src/shell.ts 明确写着:安全不由它决定,网关先决策、先落审计行,才轮到它执行。
任务队列:没有人看着的时候谁负责
真正把"给 AI 一台电脑"和"给 AI 一个沙盒 demo"分开的,是无人值守路径。OpenBot 用的是 Postgres 里一张 work_items 表,server/src/work/queue.ts 用 select ... for update skip locked 领取,带租约续期与尝试次数上限。它的注释里有一段极其具体的教训:
Leases used to be computed as
Date.now() + leaseMson the replica and compared againstnow()in Postgres, which is two clocks pretending to be one.
于是所有时间点都改在 SQL 里取。这类细节不会出现在任何产品宣传页上,但它是"多副本下同一个 routine 只跑一次"的唯一保障。
在这之上是两层产品约束,都能在源码里查到常量:
- routine 最快 15 分钟一次:
server/src/routines/schedule.ts的MINIMUM_INTERVAL_MS = 15 * 60 * 1000,注释只有一句"模型可以被说服做任何事,地板不行"; - 每人最多 20 个启用中的 routine:
server/src/routines/store.ts的MAX_ENABLED_ROUTINES = 20;连续失败 10 次自动关闭,避免"永远烧 token"。
Bot 之间的任务交接则更保守:charts/openbot/values.yaml 的默认值是 handoff.maxDepth: 1、maxPerRun: 3,注释算得很清楚——一次 hop 是另一端一整轮 agent,扇出四个就唤醒四台机器。
三、开源实现的扩展点在哪,大厂产品的闭环在哪
开源这一侧的三个扩展点,形状各不相同
扩展点一:AG-UI 是唯一的内核接口。 OpenBot 不绑定框架,shared/harnesses.json 是一份"所有语言共读"的清单,目前有 13 个具名 harness 加一条 byo-url:
{ "id": "langgraph", "name": "LangGraph", "image": "agent-langgraph-agui",
"port": 4206, "credential": "any-provider", "maintainer": "partnership", "webCreate": true }
清单旁边那段 _readme 甚至解释了取舍原则:AG-UI 表格里标为 In Progress 的(OpenAI Agents SDK、AWS Bedrock Agents、Cloudflare Agents)一律不收,"提供一个答不上来的 harness 比给一份短名单更糟";Mastra 的 webCreate 是 false,因为 Web 创建接口没法带上 roster id,做出来的 Bot 会"出现、接受授权、然后什么都不答"。
这份清单最实用的地方在于:换内核不需要动 server。agent-langgraph/src/index.ts 的注释直接写了这一点——"A Bot is a registry row pointing at an AG-UI endpoint, so adding a framework does not require server changes"。同一个文件里还有一段对比:自写的 agent-bot 需要重写流式循环来适配新模型,而框架版把这件事交给集成维护者,"useResponsesApi,一行"。
扩展点二:租户包(tenant package)是纯 YAML。 examples/fintech/ 下是 agents.yaml、skills.yaml、channels.yaml、model.yaml、knowledge.yaml、brand.yaml,外加一个 catalog/ 目录十个现成岗位(费用审核、会议跟进、发布说明、工单分诊、on-call 交接等)。想加一个同事,复制一个 YAML 进 agents/ 即可;启动时校验,channel 里引用的 agent id 必须真实存在。
扩展点三:治理规则是表达式,不是开关。 server/src/computer/policy.ts 用 CEL(cel-js)而不是规则表,注释给的理由非常好用:"公司想要的边界是一句话——'永远不要点我们域名之外的 Submit'。列表只能表达我们想到的形状,表达式能表达他们想到的那个。"
.env.example 里给出的示例几乎可以直接抄:
AGENT_COMPUTER_POLICY={"mode":"enforce","deny":["(intent == \"activate\" && contains(element.name, \"submit\")) || ((tool.name == \"computer_key\" || tool.name == \"computer_type\") && key == \"Enter\")"],"allow":["true"]}
再加两个开源实现里罕见的动作:mode: dry-run(先判定、先记录、全部放行)——注释说"一个没人敢打开的治理功能不是治理功能";以及 server/src/computer/policy-dry-run.ts 的历史回放,把候选策略拿去重算历史审计行,回答"这条规则会改变哪些已经发生过的动作"。它还特意排除 computer.action_failed,避免同一动作被计两次分。
闭环这一侧,值得学的是它把"人"放在了哪里
大厂产品真正的护城河不是工具数量,而是把"什么时候必须交回给人"做成了默认值。OpenBot 没有回避这件事,反而在自己的代码注释里把对标的两个产品写明白了——server/src/approvals/policy.ts 开头:
Modelled on the two products this has to match. Dot's custom rules give each action one of four behaviours... Grok Bot's auto-review checks risky actions before they run...
落地的四档行为写在 server/src/approvals/types.ts:
export type RuleBehaviour = "allow" | "pre_approved" | "ask" | "hand_off";
以及一条不看规则的硬底线:credentials(改密码或凭据)、security_settings(权限与共享设置)、payments(付款、购买、转账)三类动作无论规则怎么写都交给人。这条在 safetyRequirement() 里先行判定,auto-review 的模型判断只能往上加严、不能放宽。
再看社区那篇拆解里最有说服力的两个细节:Documents 是一条完整闭环(邮件附件 → 解析 PDF → 抽取字段 → 让人填 → 生成副本 → 起草回复 → 等审阅),中间任何一步都停下来等人;Goals & Tracking 是"页面变了就提醒我、价格低于 80 美元就通知",带去重和失败退避。这些是场景闭环,不是基础设施,必须逐个业务写死。开源模板可以给你骨架,但抄不走这些流程——它们恰恰是产品公司投入最多人力、也最难被 fork 的部分。
反过来,开源实现有一种产品不好做的闭环:可审计的失败。OpenBot 的审计事件类型里,computer.action_allowed / action_refused / action_failed / action_stopped 是四个分开的事件,注释解释了为什么不能合并——"allowed 读起来像 happened",一次被人按下 Stop 不算故障。再往上,initiator.kind 把 person、routine、handoff、responsibility、memory、deployment 区分开,审计页有个筛选叫"Nobody watching"。当你要回答"我不在的时候,是谁用我的名义干了什么",这是唯一能答的字段——而绝大多数产品只记录 actor。
四、二次开发成本怎么算才公平
成本对比最常见的错误,是拿"改一行业务配置"去比"改一行产品代码"。公平的算法至少要把成本拆成四格。
第一格:改内核。 在 OpenBot 里加一个框架,成本约等于写一个 AG-UI endpoint 加一行 harnesses.json——仓库里 13 个 agent-*/ 目录就是 13 份可抄的样板,Python 侧还有 agent-pydantic-ai/src/main.py 这种"AG-UI 是框架自带的,连桥都不用写"的例子。在大厂产品里,这一格通常是不可改。
第二格:改场景。 OpenBot 的答案是 YAML 加皮肤:examples/fintech/agents.yaml 声明角色与技能,catalog/ 提供十个岗位模板,皮肤只改外观不改行为。但要注意 skills.yaml 顶部那段话——技能不授予任何能力,声明了工具也要等管理员真的授权并连上连接器,否则 Bot 会诚实地说"我没有来源"。这省掉了"配了却跑不通"的排查时间,也意味着"接一个新系统"这件事在开源侧并没有免费的午餐。
第三格:改治理。 这是开源实现真正便宜的一格:策略是 CEL 字符串,规则模板在 app/src/lib/boundaries/rules.ts 里连"这条规则同时会误伤什么"(cost 字段)都写好了,例如"永不提交表单"会连带拦住任何地方按 Enter。审计保留 90 天(ACTION_RECORD_RETENTION_DAYS),CSV 导出有 5000 行上限并带 X-Audit-Export-Truncated 头,导出行为本身也写一条 audit.exported。
第四格:改运维。 这一格开源侧反而更贵,且必须诚实计价。仓库自己的测量数据是:单 Bot 空闲 409 MB、三次页面加载后 498 MB、一次快照后 548 MB,所以最小 2 GB、推荐 4 GB、1 vCPU 起步;一次快照、一次并发页面都按 100–200 MB 往上加。更关键的是三个结构性限制:
- 单容器镜像里没有 supervisor,所有 Bot 共享同一个浏览器——共享登录、共享文件、共享 session,官方原话是"fine for a deployment where one team trusts its own Bots and is not fine as a boundary between tenants";
- supervisor 握着 Docker socket,所以无服务器容器平台跑不了它;
- Cloud Run 全程 gVisor,Chromium 对 gVisor 敏感,官方建议"先测一次导航再相信它"。
大厂产品的运维成本被折进了订阅费,这一格几乎为零;开源实现的这一格,必须用你自己的 SRE 时间去填。
如果一定要给一个公平口径,我会这么算:
二次开发总成本 = 你要改的面积 × 改动难度 + 你不敢改的面积 × 出事故的概率 × 事故代价
开源实现的"要改的面积"大、难度低;"不敢改的面积"小,但默认值更严——策略缺省是 deny: [] + allow: ["true"],fail-closed,规则写错就拒绝;OPENBOT_SINGLE_USER=true 只允许回环或私网地址,公网直接拒绝启动。这些默认值会在你第一次部署时制造摩擦,也会在你第一次被入侵时救你。产品化的代价则是:那些默认值由别人替你调好了,你既不用承担误配的风险,也拿不到调整它的权限。
五、把选择变成一个可验证的问题
三份答卷没有高下,只有匹配度。判断方式可以很短:
- 你要的是"今天就能用",就别碰模板——社区文章自己都承认 OpenMuse 还在 Alpha,0 个 Release、40 个 PR 排队;
- 你要的是"半年后这套东西长得像我们公司的产品",那就接受模板的全部成本:YAML 要自己写、连接器要自己接、2 GB 内存和一台带 Docker socket 的机器要自己出;
- 你要的是"内核随时能换、每个动作都可追溯到规则",那 AG-UI 这层抽象就是目前最省事的接缝——OpenBot 用 703 个测试文件、69 个数据库迁移和一份 CEL 策略引擎,把"可换"和"可控"这两件通常互斥的事,勉强按在了同一个仓库里。
最后一句话留给那段最有分量的注释,它写在 server/src/computer/gateway.ts 的第一行,也是这类系统真正的分水岭:
记录不是写在活儿旁边的报告,它就是活儿要穿过的那个东西;没有记录的动作没有发生,因为不存在一条不先写行就动手的路径。
产品把这句话做成了体验,开源把它做成了代码。你要选哪一个,取决于你想改的是体验,还是那句话本身。