昨天AI圈内的大咖吴恩达老师，相信也不少小伙伴听说过名字，或者看过他的视频课程， 开源了一款桌面Agent ，叫OpenWorker。

吴恩达老师当年在百度的时候， 还是现在Anthropic的CEO卷毛达里奥的上司 。如今卷毛已经不是当年的卷毛，昨晚又发布了 Claude Opus5模型 。

不管怎么说，吴恩达老师的 江湖地位是值得尊敬的 。尤其他的作品上桌了，咱们作为小晚辈，也属于是有幸尝尝咸淡。

OpenWorker作为一款桌面Agent， 目前已经上线Mac版本 ，Windows版本还得等等。另外一点是， 没有中文版 ，不能切换中文，只有英文。

当然，这个对于在用Codex的小伙伴来说，随便让Codex去汉化一下OpenWorker即可。 用其它Agent ，比如爱马仕，WorkBuddy之类的，也可以试试。用Agent搞定Agent，不是啥梦幻的事情。

OpenWorker定位是AI员工，核心主张是 从问答走向交付 ，开源地址及官网下载：

openworker.com

01 · CORE FEATURES

七大核心特性

老马根据项目文档整理一下， OpenWorker跟其它Agent工具的差异点 如下：

01、交付成品，不是待办清单

准备客户简报→读本地文件+查HubSpot/GitHub+排版成文档+问你发不发， 输出为Markdown/PDF/图片等文件 。

02、本地优先 + 模型自选（BYOK）

Agent循环、对话历史、连接器token、模型key全在本地密钥库 。唯一云组件是可选项，用于OAuth握手的小broker。

支持OpenAI / Anthropic / Gemini / DeepSeek / Kimi / Qwen / Mistral / xAI，以及 Ollama本地模型 ， 不支持自定义接入厂商 。

03、关键动作人工审批（check-in）

发消息、改日历、跑shell等高风险操作前 必须暂停等你确认 。无人值守定时任务不会自作主张， 请求进Inbox排队 。

04、支持25+连接器

GitHub、Slack、Jira、Notion、Linear、HubSpot、Gmail、Outlook、Google Calendar、Drive、Dropbox、Asana、monday.com等， 支持本地文件/终端/MCP扩展 。

05、Slack内触发

频道里@OpenWorker， 结果回线程 。

06、定时任务

晨报、周报、频道监控， 带完整transcript可审计 。

07、内置角色模板

Sales、行政助理、市场、Ops值班等 开箱即用 。

OpenWorker主打的是本地而非云端，把数据所有权、模型选择权、执行审批权交回用户，契合企业/个人对隐私与可控性的诉求。

它不代表模型能力更强，而是把Agent工程（工具调用 + 权限治理 + 本地运行时）做成了一个 可审计的开源样本 。

02 · GETTING STARTED

从安装到上手

下面老马将会从安装到使用，给大家演示一遍。虽然英文界面可能用起来有点别扭，但好在这个 公测版本功能不多不复杂 。

目前仅支持Mac版本和英文界面，Windows版本尚在开发中。API接入支持主流模型厂商但不支持自定义接入，后续版本有望改进。

下载完软件安装后打开， 第一步需要设置的就是大模型API接入 。除了支持的这些厂商之外，并不能自定义接入其它厂商，这个后续版本能改进就好了：

老马这里选择了接入DeepSeek的模型， 只需要填写API Key即可 。填写后可以Test测试一下连接，只有在测试完之后， 下面的默认模型才能进行修改 ：

左下角的Not signed in按钮点开，是可以 登录OpenWorker自己的账号体系 的，这个看个人需求选择是否登录。

点击Settings进入设置页面，General是通用设置，没啥太复杂的地方，这里略过， 重点看Voice input语音输入 ：

语音输入用的是 Whisper Base的英语模型 ，可以 下载模型文件到本地进行运行 ，不需要消耗云端的资源，什么时候能支持中文就好了。

在左侧的菜单中，点击Automations进入自动化设置界面，这里可以 设定一些定时任务 ，然后OpenWorker会按照计划定期运行定期任务：

再次点开Not signed in，在里面可以看到 Inbox收件箱 ，一些 任务的审批 ，问题和通知，包括一些定时任务都会在这里显示：

Connectors是连接器的设置页面，这个前面也提到了，可以对接一些应用， 还可以接入MCP服务 ：

Activity活动页面会显示近期的连接器活动，对话任务中的 命令执行，工具调用等详细情况 列表：

其它就没什么功能需要介绍了，毕竟是第一个公测版， 功能上做得够用就行 ，没必要一开始就堆一些花里胡哨的东西上去。

03 · HANDS-ON

实跑案例

接下来老马就实际跑一个案例，看看OpenWorker在执行任务的时候顺不顺畅，最终效果如何。照例还是 开发一个网页小游戏 ，不过这次是 马里奥赛车 ：

对话框左下角可以设置在执行任务的过程中，Agent是 Ask for approval（需要审批） ，还是 Full access（全部允许） ，还可以开启把审批发送到Inbox收件箱。

右侧边栏是显示任务的进程之类的信息，提交完任务后，中间有一段时间 感觉是卡住了，大概一分钟 ，因为没有显示Agent在调用模型思考、使用工具、执行命令的 过程信息 。

结果过了一会儿，正常显示todolist清单了，整个游戏开发 三分钟不到就搞定了 。当然，第一版的效果只能说 能看，不能玩 ：

这是模型的锅， Agent只是个打工的牛马 ，老板能力一般，就别指望公司有多大发展。兵熊熊一个，将熊熊一窝，所以 DeepSeek V4 Flash还是不够看 。

∞ · POSTSCRIPT

结语

好了，以上就是今天的分享。有任何问题和需求，请在评论区留言，回见！

对了，老马最近刚创建了一个AI学习交流群，有兴趣进群的小伙伴可以添加老马微信号：immajiabin，添加好友时备注：进群（不备注不通过）。