无忆研习社 原创深度技术解析 | 转载请注明来源
写在前面
就在几天前，Anthropic 正式发布了 Claude Cowork——一款能够直接操控你电脑桌面的AI智能代理工具。这款产品一经推出就在技术圈掀起了巨大波澜，它不再是简单的"问答机器人"，而是真正意义上的"数字同事"，能够帮你整理文件、处理数据、甚至自动完成一系列复杂的工作流程。
然而，好东西往往伴随着门槛。Claude Cowork 目前仅对 Max 订阅用户开放（每月100到200美元），而且更重要的是——你需要把本地文件夹的访问权限交给云端服务。对于很多注重数据隐私的开发者和企业用户来说，这无异于"裸奔"。
就在大家还在纠结要不要掏腰包、要不要冒隐私风险的时候，开源社区的极客们已经行动起来了。一个名为 OpenWork 的项目横空出世，定位非常明确：打造一个开源、可扩展、本地优先的 Claude Cowork 替代品。
这个项目刚上线就冲上了 Hacker News 热榜第一，短短两天斩获近千颗 Star，热度还在持续攀升。作为一个长期关注 AI Agent 领域的技术博主，我第一时间对这个项目进行了深度测评和源码分析。
这篇文章会从技术原理、架构设计、安装部署、实际操作等多个维度，为你全面剖析 OpenWork 这个项目。无论你是想了解前沿 AI Agent 技术的开发者，还是希望在本地部署一套AI协作系统的普通用户，这篇文章都会对你有所帮助。
无忆研习社 的老朋友应该知道，我一直推崇"授人以渔"的理念。所以这篇文章不会只是简单的"下载-安装-运行"流水账，而是会深入到技术细节层面，让你不仅知其然，还知其所以然。
好了，废话不多说，正文开始。
第一章：搞懂背景——Claude Cowork 到底是什么？
在聊 OpenWork 之前，我们得先搞清楚它模仿的对象——Claude Cowork 究竟是个什么东西。
1.1 从聊天机器人到"数字员工"的进化
过去几年，我们见证了 AI 对话模型的飞速发展。从最初的 ChatGPT 到现在的 Claude、Gemini，这些模型在理解能力和生成能力上都取得了质的飞跃。但如果你仔细观察就会发现，它们本质上还是"被动"的——你问它答，你不问它就不动。
Claude Cowork 代表的是下一阶段的 AI 形态：主动执行型智能代理（Agentic AI）。简单来说，你不再需要一步步告诉它该怎么做，而是直接给它一个目标，它会自己规划执行步骤、调用各种工具、完成任务后向你汇报。
举几个 Anthropic 官方给出的使用场景：
- 文件整理：把你杂乱无章的下载文件夹按照类型、日期重新归类，并给每个文件起一个有意义的名字
- 数据处理：从一堆收据照片中提取信息，自动生成一份费用报销表格
- 文档生成：把散落在各处的笔记汇总成一份完整的报告初稿
这种"交代任务-自动执行-结果汇报"的工作模式，是不是很像你和一个得力助手的协作方式？这也是它被命名为"Cowork（协作）"的原因。
1.2 Agentic Loop：Claude Cowork 的核心机制
理解 Claude Cowork 的工作原理，有一个关键概念必须掌握：Agentic Loop（智能体循环）。
传统的 AI 对话是一问一答的线性模式。而 Agentic Loop 则是一个循环迭代的过程：
用户下达任务
↓
AI 分析任务，制定执行计划
↓
AI 执行计划中的第一步
↓
检查执行结果，判断是否需要调整
↓
继续执行下一步，或者向用户请求确认
↓
循环往复，直到任务完成
↓
向用户汇报最终结果在这个循环中，AI 不只是生成文字，而是会调用各种工具（Tools）来完成实际操作。比如读取文件系统、执行 Shell 命令、操作浏览器等等。这也是为什么它能真正"做事"而不只是"说话"。
Claude Cowork 就是构建在这套 Agentic 架构之上的产品级应用。它继承了 Anthropic 此前推出的 Claude Code 的核心能力，但把界面从命令行变成了普通用户也能上手的图形化应用。
1.3 为什么我们需要开源替代品？
Claude Cowork 看起来确实很香，但它有几个让人犹豫的问题：
价格门槛高
目前 Claude Cowork 仅对 Max 订阅用户开放，基础档位每月100美元起步。对于个人开发者或小团队来说，这个成本不算低。虽然刚宣布开放给 Pro 用户了，但功能和额度上仍有诸多限制。
数据隐私风险
要使用 Claude Cowork，你必须授权它访问本地文件夹。虽然 Anthropic 强调"只能访问你明确授权的目录"，但你的文件内容最终还是会上传到云端进行处理。对于涉及敏感数据的场景，这是一个不可忽视的风险点。
平台锁定
Claude Cowork 目前只在 macOS 桌面应用中可用，而且深度绑定 Anthropic 的服务。你没法选择其他模型提供商，也没法在本地完全离线运行。
正是这些痛点，催生了开源社区对替代方案的需求。而 OpenWork，就是目前最有潜力的答案之一。
第二章：OpenWork 项目全解析
2.1 项目定位与设计哲学
OpenWork 的定位非常清晰：一个开源、可扩展的"Claude Cowork 风格"系统。
项目由 different-ai 团队发起，核心开发者在 Hacker News 的帖子中表示，这是一次为期两天的黑客马拉松的产物。虽然开发周期很短，但项目架构设计得相当完整。
OpenWork 的核心设计哲学可以总结为四个关键词：
- 可扩展（Extensible）：通过技能包（Skills）和插件（Plugins）机制，用户可以轻松扩展 AI 的能力边界
- 可审计（Auditable）：每一步操作都清晰可见，你可以完整追溯 AI 做了什么、为什么这么做
- 有权限（Permissioned）：敏感操作需要用户显式授权，控制权始终在你手里
- 本地/远程两用（Local/Remote）：既可以在本地运行，也可以连接到远程服务器
这四点直击了 Claude Cowork 的几个软肋：闭源不可控、操作黑盒化、隐私风险高。
2.2 技术架构深度剖析
了解 OpenWork 的技术架构，是理解它能做什么、有什么限制的基础。这里我尽量用通俗的语言解释，不懂代码的朋友也能看懂。
整体架构图
┌─────────────────────────────────────────────────────┐
│ OpenWork 桌面应用 │
│ (Tauri + React + TypeScript) │
├─────────────────────────────────────────────────────┤
│ │
│ ┌─────────────┐ ┌─────────────┐ │
│ │ 工作区管理 │ │ 会话管理 │ │
│ └──────┬──────┘ └──────┬──────┘ │
│ │ │ │
│ ┌──────┴──────────────────┴──────┐ │
│ │ OpenCode SDK 层 │ │
│ │ (@opencode-ai/sdk/v2) │ │
│ └──────────────┬─────────────────┘ │
│ │ HTTP/SSE │
└──────────────────┼──────────────────────────────────┘
│
┌──────────────────┴──────────────────────────────────┐
│ OpenCode Server (后端引擎) │
│ │
│ ┌─────────────┐ ┌─────────────┐ │
│ │ 会话管理器 │ │ 工具执行器 │ │
│ └─────────────┘ └─────────────┘ │
│ ┌─────────────┐ ┌─────────────┐ │
│ │ 模型提供商 │ │ 权限控制器 │ │
│ └─────────────┘ └─────────────┘ │
│ │
└─────────────────────────────────────────────────────┘
│
▼
┌─────────────────────┐
│ AI 模型 API │
│ (Claude/GPT/Gemini) │
└─────────────────────┘前端层：Tauri + React
OpenWork 的桌面应用采用了 Tauri 框架。如果你不了解 Tauri，可以把它理解为 Electron 的"轻量级替代品"。
传统的 Electron 应用会内嵌一个完整的 Chromium 浏览器内核，导致应用体积动辄几百MB。而 Tauri 使用操作系统自带的 WebView（macOS 上是 WebKit，Windows 上是 WebView2），应用体积可以控制在几十MB甚至更小。
前端界面部分用的是 React + TypeScript 技术栈，配合 Tailwind CSS 做样式管理。对于现代前端开发者来说，这是一套非常主流且成熟的组合。
后端层：OpenCode 引擎
OpenWork 的真正"大脑"是 OpenCode——一个由 anomalyco 团队开发的开源 AI 编码代理。OpenCode 在 GitHub 上已经积累了超过 7 万颗 Star，是目前最活跃的开源 AI Agent 项目之一。
OpenCode 采用客户端-服务器架构：
- 服务端：一个基于 Hono 框架的 HTTP 服务器，负责管理会话状态、调用 AI 模型、执行工具、处理权限请求
- 客户端：可以是终端界面（TUI）、桌面应用、IDE 插件、甚至是移动应用
OpenWork 本质上就是 OpenCode 的一个图形化客户端，把原本需要在终端里敲命令的操作，封装成了点击按钮就能完成的界面。
通信机制：REST + SSE
OpenWork 前端和 OpenCode 后端之间通过两种协议通信：
- REST API：用于一次性的请求响应，比如创建会话、发送提示词、获取状态等
- SSE（Server-Sent Events）：用于实时推送，比如 AI 的执行进度、计划更新、权限请求等
SSE 是实现"实时感"的关键。有了它，你才能在界面上看到 AI 一步步执行任务的动态过程，而不是傻等一个最终结果。
2.3 核心功能模块详解
接下来我们逐一拆解 OpenWork 的主要功能模块，看看它到底能帮你做什么。
功能一：工作区管理
OpenWork 支持同时管理多个"工作区（Workspace）"。每个工作区对应你本地的一个文件夹，AI 只能在这个文件夹范围内进行读写操作。
工作区的设计带来两个好处：
- 安全隔离：不同项目的文件相互独立，避免 AI 误操作
- 上下文聚焦：AI 只需要理解当前工作区的内容，降低认知负担，提高响应质量
你可以在界面顶部的工作区选择器中快速切换不同的项目。
功能二：会话与任务管理
每次与 AI 的交互都会创建一个"会话（Session）"。会话是任务执行的基本单元，包含：
- 你的提示词（Prompt）
- AI 的执行计划（Plan）
- 执行过程中产生的所有消息和事件
- 最终的输出结果
OpenWork 会保存所有历史会话，你可以随时回溯查看之前的任务是怎么完成的。这对于调试和学习都很有帮助。
功能三：可视化执行计划
这是 OpenWork 相比命令行工具的最大优势之一。
当 AI 接到任务后，它会先制定一个执行计划（Plan），然后逐步执行。在 OpenWork 的界面上，这个计划会以时间线的形式可视化呈现：
- 每个步骤是什么
- 当前执行到哪一步
- 每一步的状态（进行中/已完成/需要审批）
- 哪些文件被读取或修改了
这种"透明化"的设计，让你对 AI 在后台干了什么一目了然，彻底消除了"黑盒"带来的不安感。
功能四：权限审批系统
OpenWork 实现了一套完整的"人在回路（Human-in-the-Loop）"权限控制机制。
当 AI 想要执行某些敏感操作时——比如读取特定文件、执行 Shell 命令、访问网络资源——界面上会弹出一个审批请求。你有三个选择：
- 允许一次（Allow Once）：只授权本次操作
- 永久允许（Allow Always）：以后同类操作自动通过
- 拒绝（Deny）：阻止本次操作
这套机制确保了最终的控制权始终在你手里。你可以放心大胆地让 AI 帮你干活，因为任何"越权"行为都会被拦截。
功能五：技能管理器（Skills Manager）
这是 OpenWork 可扩展性的核心体现。
所谓"技能（Skill）"，可以理解为给 AI 安装的"知识包"或"能力包"。每个技能就是一个包含特定指令和上下文的文件夹，告诉 AI 在遇到某类任务时应该怎么处理。
比如，你可以给 AI 安装一个"Excel 处理技能"，让它知道如何正确地读取、解析、生成 Excel 文件。或者安装一个"代码审查技能"，让它按照特定的规范去审查代码质量。
技能管理器支持三种方式添加技能：
- 从 OpenPackage 安装：类似 npm 或 pip，直接从包管理器下载
- 导入本地文件夹：把你自己编写的技能文件夹导入
- 手动放置：直接把技能文件夹放到
.opencode/skill目录下
这种设计让 OpenWork 不再是一个固定功能的工具，而是一个可以无限扩展的平台。
功能六：模板系统
如果你经常需要执行某些重复性的任务，OpenWork 的模板系统可以帮你大幅提升效率。
你可以把一次成功的会话保存为"模板"。下次遇到类似任务时，直接选择这个模板，AI 就会按照之前的模式来执行，不需要你再详细描述一遍。
模板保存在本地，你可以自由管理、编辑、分享给团队成员。
功能七：双模式运行
OpenWork 支持两种运行模式：
主机模式（Host Mode）
在这种模式下，OpenWork 会在你本地启动一个 OpenCode 服务器，以你选择的文件夹作为工作目录。所有计算都在本地完成（除了调用远程 AI API 之外），数据不会离开你的电脑。
客户端模式（Client Mode）
在这种模式下，OpenWork 只作为一个前端界面，连接到一个已经运行的 OpenCode 服务器。这个服务器可以在本地的另一个终端窗口里运行，也可以在远程的云服务器上。
客户端模式特别适合以下场景：
- 需要长时间运行的任务（可以在服务器上跑，关掉笔记本也不受影响）
- 团队共享一个计算资源
- 利用更强大的云端算力
第三章：安装部署完全指南
说了这么多原理，接下来进入实操环节。我会分别介绍面向普通用户的"一键安装"方法和面向开发者的"源码编译"方法。
3.1 方法一：直接下载安装包（推荐新手）
这是最简单的方式，适合只想快速体验功能的用户。
第一步：下载安装包
访问 OpenWork 的 GitHub Releases 页面：
https://github.com/different-ai/openwork/releases找到最新版本（截至本文发布时是 v0.1.9），下载对应你系统的安装包：
- macOS (Apple Silicon)：
OpenWork_x.x.x_aarch64.dmg - macOS (Intel)：
OpenWork_x.x.x_x64.dmg
Windows 版本目前还在开发中，需要额外安装 OpenCode CLI 才能运行。
第二步：安装应用
双击下载的 .dmg 文件，把 OpenWork 图标拖到 Applications（应用程序）文件夹即可。
第三步：绕过 macOS Gatekeeper
由于 OpenWork 还没有完成 Apple 的签名认证，首次打开可能会被 macOS 拦截，提示"无法打开，因为无法验证开发者"。
解决方法：
- 打开"系统设置" → "隐私与安全性"
- 在下方找到"已阻止使用 OpenWork"的提示
- 点击"仍要打开"
或者用终端命令直接解除限制：
xattr -rd com.apple.quarantine /Applications/OpenWork.app第四步：安装 OpenCode CLI
OpenWork 只是一个图形界面壳子，真正干活的是 OpenCode 引擎。所以你还需要单独安装 OpenCode CLI。
最简单的方法是用 Homebrew：
brew install anomalyco/tap/opencode或者用官方安装脚本：
curl -fsSL https://opencode.ai/install | bash安装完成后，验证一下：
opencode --version如果正确输出版本号，说明安装成功。
第五步：配置 AI 模型提供商
OpenWork 支持多种 AI 模型提供商，包括：
- Anthropic（Claude）
- OpenAI（GPT-4）
- Google（Gemini）
- AWS Bedrock
- OpenRouter
- 以及更多……
你需要至少配置一个提供商的 API Key。以 Anthropic Claude 为例：
- 访问 https://console.anthropic.com/ 注册账号
- 在 API Keys 页面创建一个新的密钥
- 把密钥保存好（只会显示一次）
然后在终端设置环境变量：
export ANTHROPIC_API_KEY=sk-ant-xxxxx建议把这行加到你的 shell 配置文件（~/.zshrc 或 ~/.bashrc）中，这样每次打开终端都会自动生效。
第六步：启动 OpenWork
双击 OpenWork 图标启动应用。
首次启动时，它会自动创建一个欢迎工作区，并引导你完成基本设置。按照提示操作即可。
3.2 方法二：从源码编译（面向开发者）
如果你想深入研究代码，或者需要进行定制化修改，可以选择从源码编译。
环境要求
- Node.js：v18 或更高版本
- pnpm：包管理器
- Rust 工具链：cargo、rustc
- OpenCode CLI：需要安装并在 PATH 中可用
第一步：克隆代码仓库
git clone https://github.com/different-ai/openwork.git
cd openwork第二步：安装依赖
pnpm install这会安装所有前端和 Tauri 相关的依赖包。
第三步：启动开发服务器
pnpm dev这个命令会同时启动：
- Vite 开发服务器（前端热重载）
- Tauri 开发模式（桌面应用窗口）
如果你只想调试 Web 界面部分，可以单独运行：
pnpm dev:web然后在浏览器访问 http://localhost:5173。
第四步：构建生产版本
如果你要打包发布版本：
pnpm build这会生成优化后的前端资源和 Tauri 可执行文件。
3.3 常见安装问题排查
问题一：提示找不到 opencode 命令
确保 OpenCode CLI 已正确安装并添加到 PATH。运行 which opencode 检查路径。如果使用了自定义安装目录，需要把该目录加到 PATH 环境变量中。
问题二：应用启动后一片空白
可能是 Tauri 的本地资源加载出了问题。尝试：
- 完全退出应用
- 删除
~/.config/openwork目录（这会清除所有本地配置） - 重新启动应用
问题三：连接服务器失败
检查 OpenCode 服务器是否正常运行。在主机模式下，OpenWork 会自动启动服务器；在客户端模式下，你需要手动确保服务器已启动。
问题四：AI 响应报错
大概率是 API Key 配置问题。检查对应提供商的环境变量是否正确设置，密钥是否有效，
