Octop:一次部署,一屋子只记得自己事情的 AI 同事
这两年自托管的 AI 工具大多是“一个人的聊天框”加一层 RAG:本地跑个模型,传几份 PDF,问它几个问题。
Octop(腾讯云,TencentCloud/Octop)想解决的是另一个问题:家里或小团队只有一台机器,怎么让多个人各自拥有一个助手,而彼此的记忆、文件、权限不串台。
它给自己的定义是“A smarter, self-hosted AI assistant — multi-user, multi-agent”,README 里写着“It’s not just a tool — it’s a digital life form that can operate in parallel”。官网首页的说法更具体:“一台机器跑一套服务,家人和同事各有一个只记得自己事情的助手,换角色不用换环境。”
这句话是理解 Octop 的钥匙。它的竞争维度不是“我的 Agent 会不会写代码”,而是“一个实例能不能变成一屋子同事”。
本文基于 Octop 的公开文档、README 与更新日志做拆解,先说清它是什么,再讲我认为最值得抄的七个设计,最后对照同类工具说明它强在哪、弱在哪。
一、Octop 是什么
MIT 许可,Python 3.12+,FastAPI + uvicorn 后端配 React + TypeScript + Vite + Ant Design 前端,定时任务交给 APScheduler。官网标注 12100+ Star。
五个零件构成了它的全部:
| 零件 | 干什么 |
|---|---|
| 专家(Expert) | 你的数字同事。一个专家一份工作,各自的文件、模型、聊天记录、记忆 |
| 模型 | 专家思考用的服务。OpenAI 兼容 / Anthropic / DashScope / Ollama 等任意端点,可池化 + 自动路由 |
| 知识库 | 放 PDF、Word、表格。回答会列出用了哪几段原文 |
| 连接器(Connector) | 专家能操作的应用。腾讯文档、会议、Notion、企查查……授权一次即可 |
| 通道(Channel) | 从微信、飞书、钉钉等地方够到它的入口 |
架构上最值得记的一点:一个进程搞定所有入口。 octop run 同时起 Web 面板、IM 通道和定时任务,全部走同一个进程内的 HarnessProcessor;重启后状态从控制面库重建。控制面用 SQLite(WAL)或 PostgreSQL,工作区后端另行插拔。
二、最有用的七个设计
1. 多人共用一台机器,但谁也看不见谁的事
Octop 的多用户不是“共享空间”,而是各自有工位:
- 一个实例可以有多账号,JWT 隔离;管理员能按用户组、按页面 Tab 授权——技能包、知识库、连接器、模型、存储、专家可以逐项开放。
- 专家是隔离单元:各自的工作区文件、模型、聊天历史、记忆互不相干。
- 专家可以开 Share with other users:别人能跟你同一个正在跑的专家对话,但只有你能改它的设置和文件。
- 知识库可以共享只读;连接器实例可以共享使用,配置仍然只有所有者能改。
对照 Open WebUI 的多用户(更像“一个共享空间”)和 Dify 的多用户(其实是“发布应用给不同用户用”),Octop 的模型更接近现实里的团队:同事能用你写的专家,但不能改你的专家。
2. 专家是岗位,不是会话
一个专家对应一份相对稳定的工作——周报、调研、代码审查,而不是一次性的聊天窗口。配置上,专家有三种默认对话方式:
- Ask:只读,读文件、搜网页;
- Plan:把计划写进工作区;
- Craft:动工具、技能和连接器。
再往上是人格:16 种 MBTI 人格加一个互动测评,决定它的语气和推理风格。Discover Experts 里随安装包提供 22 个专家模板,业务流程、知识工作等场景开箱可用。子 Agent 也在这里:专家可以在对话里 @ 另一个正在跑的专家,或用 ask_agent 另开线程。
再进一步是专家团队(Beta):一个主持人专家负责分派,成员各自回话,答复都留在同一条时间线上。限制写得很清楚——成员必须是本地普通专家、团队不能再套团队、通道只绑主持人。
2026-11-15 的 1.0.3b6 还加了托管专家:把整段对话交给后端 Agent(比如 OpenCode)去跑。一个敢承认“这活我不干,交给别人”的产品,比什么都自己硬扛的诚实。
3. 它住进你已经在用的 IM
支持飞书、企微、钉钉、QQ、微信、Telegram、Discord,扫码即可绑定。通道的职责非常克制:只负责把消息送进来、把回复送出去。
一旦绑定,“每天几点把昨天的会议纪要发到群里”这类事就不需要你打开任何界面——定时任务(cron)和主动关怀推送会替你送到微信或飞书。语音输入输出也在(腾讯云边说边出字)。
这是 Octop 与“网页聊天框”最实际的差别:Dify 和 Open WebUI 是你打开网页才用得上;Octop 是你在微信里就能用。
4. 它真的会用你的电脑
这一层的完整度超出同类:
- 浏览器工作台:真实 Chromium over CDP,持久化 profile(登录态留在磁盘),每个用户一个独立 profile,空闲 30 分钟自动回收(
OCTOP_BROWSER_IDLE_TIMEOUT_MINUTES)。Agent 驱动浏览器时,你可以随时接管同一个会话,你的点击和输入会顶上去,直到你交还控制权。 - 终端 AI+:浏览器里开多个交互式 shell 标签页;它和聊天 Dock 里的终端共享同一会话,命令和输出不会两边打架。
- 远程桌面:在浏览器里看并操作宿主机桌面,可调分辨率与帧率、可用快捷键、全屏。最多 3 人同时连接。macOS 需要给运行 Octop 的程序授 Screen Recording 与 Accessibility;Linux 没有图形会话时可以装虚拟桌面。
- 远程手机(实验):看并操作 USB 连接的安卓设备或安卓容器。
配套的安全中心有六个页签:工具审批、文件访问、敏感信息脱敏、命令护栏(allow / deny 规则)、技能扫描、审计日志。最高风险的四类工具 bash、execute、write_file、edit_file 默认就在审批名单里,但**“手动工具审批”的总开关默认是关的**——需要你自己打开(后面讲短板会再提这点)。
5. 连接器:把“你的应用”变成专家的手
内置清单长得像一份腾讯生态 + 通用 SaaS 的混合目录:
- 办公:腾讯文档、腾讯会议、腾讯乐享、腾讯微云、腾讯 ima、飞书 CLI、企微 CLI、钉钉 CLI、Agent Mail;
- 笔记知识:有道云笔记、Notion、语雀、Obsidian、OpenAlex、WeKnora、RAGFlow;
- 出行:飞猪、百度地图、美团、滴滴;
- 邮件任务:个人邮箱(QQ 邮箱、网易、Gmail 等,IMAP/SMTP)、TickTick;
- 资讯:腾讯新闻、微信读书、QQ 音乐;
- 专业:企查查(元典)、Dify(走它的 MCP Server URL)。
授权方式是“扫个码 / 点一下授权 / 粘个 key”,然后Probe 探活,token 存在 ~/.octop/secrets/。之后你不用记工具名,直接说“看看明天我的会议”或“把这些笔记写进腾讯文档”。
内置清单不够用时,可以注册任意 MCP server(HTTP 或 stdio),支持 OAuth:Octop 能通过 401 与 RFC 9728 发现授权服务器,也能手工填 Client ID / Secret,回调地址是 <public base>/api/connectors/oauth/callback。更彻底的做法是把插件、专家、技能市场都自建到内网——官方文档给了私有市场的 HTTP API 规范。
6. 双向协议:既能收编 coding CLI,也能被别的 Agent 调用
这是 Octop 架构上最有野心的一处。
向外(ACP):
octop acp把自己的专家暴露给 IDE 和终端。- 反过来,它内置的
acp_runner工具可以把编码子任务委派给外部 CLI:OpenCode、Claude Code、Codex、Cursor CLI、Kimi Code、CodeBuddy、Pi,共七个内置 runner,也支持自定义。权限请求会就地出现在对话里,你可以自己点,也可以让 Agent 用action=respond代答。
action=list | start | message | respond | status | close
向外(MCP): /api/mcp/agents 是一个 Streamable HTTP 端点,别的 MCP 客户端可以直接调用你装好的专家:
| 工具 | 作用 |
|---|---|
list_octop_experts |
列出你能看到的专家 |
call_octop_expert |
开一段隔离对话,返回 thread_id 可续 |
resume_octop_expert |
继续一段卡在审批或提问上的调用 |
访问令牌默认 24 小时有效。
两条方向合起来看,Octop 想当的不是“又一个 harness”,而是Agent 之间的路由层:既能把 coding CLI 收编进来当打手,也能把自己的专家端出去被别人调用。Claude Code、Codex、OpenCode 都不占这个位置。
7. 数据留在自己机器,后端还能换
~/.octop/下是全部家当:数据库、工作区、secrets、日志、插件。- 工作区后端可插拔:本地磁盘、Docker 沙箱、OpenSandbox、PostgreSQL、COS / S3、火山引擎 TOS。沙箱作用域可以是“每专家一个”“每用户一个”“固定一个”。1.0.3b6 起管理员可以限制用户建专家时能选哪些后端。
- 记忆可移植,随工作区一起迁移。
Personalization → Memory里可以手改“用户档案”和“强记忆”;新记忆和旧记忆打架时它会先问你再写,不会悄悄覆盖;压缩记忆时聊天区会显示进度并暂停发送。 - 知识库可以完全本地索引:本地 ONNX(中文推荐
BAAI/bge-small-zh-v1.5)或在线嵌入;扫描件和图片走 OCR(本地 RapidOCR 或在线视觉模型);1.0.3b5 加了 rerank,1.0.3b6 加了知识图谱。 - 多实例共用一个 PostgreSQL 即可共享定时任务、频道、插件和已发布专家(1.0.3b3 起),1.0.3b6 补上了 Helm chart。
- 运维细节也到位:TOTP 与 Passkey、LDAP 账号登录、完整备份与恢复、
octop update只换 wheel 不动数据。
三、和同类比,强在哪
先摆一张形状对照表(信息截至 2026 年 11 月,依据各项目公开文档):
| 项目 | 定位 | 部署 | 多用户与权限 | IM 通道 | 操作真实电脑 | 协议位置 | 许可 |
|---|---|---|---|---|---|---|---|
| Claude Code | 编码 harness | 终端 / 桌面 / Web | 单用户 | ❌ | ❌ | 客户端 | 闭源 |
| Codex CLI | 编码 harness | 本地 + 云端任务 | 单用户 | ❌ | ❌ | 客户端 | Apache-2.0 |
| Open WebUI | 自托管 AI 家 | 私有部署 | 有,共享空间 | ❌ | 终端扩展 + Computer(生态项目) | 客户端 | 需保留品牌 |
| Dify | LLM 应用开发平台 | 私有部署 / 云 | 应用发布维度 | ❌ | Agent 沙箱 | 服务端 API | Apache-2.0 + 附加条件 |
| Octop | 自托管 AI 同事平台 | 私有部署 / Helm | 多用户 + 分组授权 + 专家共享 | ✅ 飞书/微信/钉钉/QQ/TG/Discord | ✅ 浏览器 / 终端 / 远程桌面 | ACP 双向 + Agent MCP | MIT |
三条真正成立的差异:
第一,它的竞争维度是“协作”,不是“能力”。 别人比的是“我的 Agent 会不会写代码”,Octop 比的是“这个实例能不能变成一屋子各有分工的同事”。多租户隔离、专家共享、分组授权是产品级的设计,不是加个登录页能补上的。
第二,入口生态和连接器生态它都做了。 IM 通道(飞书、微信、钉钉…)加上一整套连接器清单(腾讯文档、Notion、语雀、企查查…),落在同一个产品里。别人要么只有前端(Open WebUI),要么只有工作流引擎(Dify),要么只有终端 harness(Claude Code、Codex)。
第三,协议上它抢的是“中间层”位置。 一边通过 ACP 把 coding CLI 收编成子任务执行者,一边通过 Agent MCP 把自己的专家暴露给外部 Agent 调用。1.0.3b6 的“托管专家”更进一步:整段对话交给 OpenCode 这类后端 Agent。这条路线目前几乎没有别人在做。
顺带说一句许可:Dify 用的是 Apache 2.0 加附加条件的 Dify Open Source License,Open WebUI 要求保留品牌,Octop 是纯 MIT。再配上可插拔的存储后端与自建市场能力,它的可控性在同类里是领先的。
四、得说清楚的短板
版本还在 beta 轨道上。 更新日志已经到 1.0.3b6(2026-11-15),而 PyPI 上的稳定版还是 1.0.2(2026-10-18)。PyPI 累计 68 个版本说明迭代极快,也说明接口会变——写自动化脚本要留出余量。
默认安全偏松。 “手动工具审批”总开关默认关闭,高风险工具虽然默认在名单里,但整体闸门要自己打开;1.0.3b6 才补上“不能再把宿主机目录挂进 Docker 专家”。给生产环境开 shell 之前,命令护栏和文件访问规则一定要自己收紧。
几处硬限制。 远程桌面最多 3 人同时连;浏览器要额外装 browser extra,Docker 镜像也不带 Playwright Chromium;部分连接器(飞书 CLI、企微 CLI、钉钉 CLI)要求宿主机先装对应命令。
Beta 与实验标签不少。 专家团队、云端协同、知识库页面都标着 BETA,远程手机标实验。功能是真的,但接口和体验仍在改。
运维门槛。 单机一键脚本很顺,但 LDAP、多实例共享 PostgreSQL、Helm 部署是运维活;而且它是 Python 3.12+ 起的完整服务,不是能塞进任何角落的小工具。
站点与命名的小坑。 官网导航里的“扩展”页目前是 404。另外注意辨析:PyPI 上的 octop 才是这个项目;npm 上同名的 octop 是另一个包(一个 GitHub API 封装)。
五、适合谁,不适合谁
适合:
- 家里或小团队想“一人一个助手”,又不愿意把聊天记录交出去的人;
- 已经在飞书 / 微信 / 钉钉里办公,想让助手住进日常沟通的人;
- 需要它真的动手操作自己的电脑(浏览器、终端、桌面),同时要求动作可审计的人;
- 愿意自己扛一台机器的人:家用服务器、NAS、飞牛、VPS 都行。
不适合:
- 只想要一个网页聊天框的人;
- 只写代码、不需要多人也不需要 IM 的人——Claude Code 或 Codex 更利;
- 想编排企业工作流、要 LLMOps 观测面板的团队——那是 Dify 的路;
- 需要商业版、SLA 与厂商支持的人——Octop 目前没有商业版。
六、上手路径
- 装:一行脚本
curl -fsSL https://download.octop.cloud/octop/scripts/install.sh | bash(Windows 用install.ps1/install.bat),或pip install octop,或 Docker Compose,或 Helm。 - 初始化:
octop init建库、生成 JWT、创建第一个管理员;octop run前台跑(默认127.0.0.1:8088);octop service start注册为系统服务。 - 配专家:
Discover Experts里挑模板或自建,设定 Ask / Plan / Craft,绑模型(本地 Ollama 也行)。 - 灌知识:上传文档,开本地 ONNX 索引,中文推荐
BAAI/bge-small-zh-v1.5;要读扫描件再开 OCR。 - 接应用:连接器里授权你要用的服务;自定义 MCP 可以挂 OAuth;token 都在
~/.octop/secrets/。 - 接入口:通道里扫码连飞书、钉钉、企微或 QQ;再加一个定时任务做每日推送。
- 让它动手:装
browserextra 打开工作台浏览器;远程桌面需要给运行 Octop 的程序授录屏与辅助功能权限。 - 记得备份:
octop backup,换机器前尤其要做。
结语
Octop 的贡献不是把聊天框做得更花哨,而是把**“一个助手服务一家人”**这件事做成了产品:一个人建实例,一屋子人各领一个专家,各自带记忆、各自带文件、各自接上自己用的 IM,谁也看不见谁的事。
在这个前提下,它那些看起来很“工程”的设计才站得住脚:ACP 与 Agent MCP 双向、MCP 连接器的 OAuth 发现、可插拔的存储后端、本地 ONNX 索引、六页签安全中心。它们解决的不是“AI 能不能干活”,而是**“一屋子 AI 同事一起干活时,谁的活、谁的权限、谁的锅”**。
如果你家里或团队里正好有一台闲着的机器,Octop 值得花半小时装上试试;如果你只是想找个顺手的代码助手,它大概率是绕了远路。
评论