Octop 自托管实测:与 WorkBuddy 的差距、和 dsh 的对比、企业底座可行性
本文完全由 WorkBuddy 独立收集资料、调试代码并完成文章写作。
我是 Alex Xiang,前百度/微博工程师,现在专注于 AI 工程与工具产品。更多文章欢迎关注微信公众号「字与码」。
10,627 个 star,1,346 个 fork,865 个未关闭的 issue,一个月里发了 11 个版本。这是腾讯云开源的 Octop 在我写这篇文章时的状态。
社区里最常见的说法是「开源版 WorkBuddy」。我把源码拉到本地,从装依赖一路跑到它自己动手写文件,中间踩了四个坑。结论先摆在这里:它和 WorkBuddy 确实同源,但不是同一个东西;它和 dsh 完全不是一类东西。

它到底是什么
一句话:一个跑在你自己机器上的 AI 助手平台。
octop run 起一个进程,这个进程同时提供 Web 控制台、CLI、9 个 IM 通道(微信、QQ、企业微信、飞书、钉钉、Telegram、Discord、元宝、MQTT)和定时任务。数据落在 ~/.octop/,默认 SQLite,可以换 PostgreSQL。没有 Redis,没有消息队列,没有必须额外的中间件。
名字取自章鱼,前身是腾讯内部的 LightClaw ACE。2026 年 7 月 10 日开源,9 月 14 日发 v1.0.0,我实测的版本是 10 月 18 日的 v1.0.2。
它想解决的问题不复杂:让一家人的对话、一个团队的资料,都能留在自己的机器上,同时每个人有独立的专家、独立的记忆、独立的工作区。
壳和心是分开的
这是我读完源码最重要的一个发现:你 clone 下来的那个仓库,不含 agent 循环。
主仓有 692 个 Python 文件、15.9 万行。最大的目录是 api/routers,62 个路由文件、2.2 万行——这是一个应用层的体量,不是一个内核的体量。
真正的 agent 运行时在别处。打开 pyproject.toml,依赖里有四个包:octop-harness[all]、octop-memory、octop-gateway、octop-browser。它们各自是独立仓库,也各自是 MIT。

我把 octop-harness 也拉下来看了,357 个文件、7.6 万行。它的 README 写得很坦白:HarnessAgent 最终调用的是 deepagents.create_deep_agent。
也就是说,这条技术栈的底座是 LangChain 的 deepagents + LangGraph。检查点、人在环审批、会话压缩,都是 LangGraph 那套概念。
想找 agent 最核心的循环逻辑,得去 octop_harness/agent.py,那里有 call、stream、resume_hitl、acompact_conversation、checkpointer 这一组方法。
这个结构带来一个直接后果:主仓改得动界面、改得动鉴权、改得动 IM 通道,但改不动 agent 循环本身。要改心,得去 fork 另一个仓库,再自己发一个包。
四个内核包的 star 数是 112、76、76、61。主仓是 10,627。差了两个数量级。
我在 Windows 上装了一遍
环境是 Windows 11、Python 3.12.15、Node 22.22、uv 0.13。这部分只写实际发生的,没做过的步骤不写。
| 步骤 | 实际结果 |
|---|---|
| 拉源码 | git clone 传输中断(curl 18, early EOF);改走 codeload 的 zip,26MB、55 秒 |
| 建虚拟环境 | uv 在 D 盘报 trampoline os error 5;系统 Python 建 venv 报 ensurepip 107;最后用 uv 自带的 CPython 3.12.15 在 C 盘建成 |
| 装依赖 | uv 被沙箱的批量删除策略拦下(一次要删 51 个,阈值 50);pip 解析依赖 20 分钟没进安装阶段;改 uv pip install —no-cache,5 分 50 秒装完 |
| 初始化 | octop init 通过,建库 + 1 个管理员 |
| 起服务 | 8088 端口监听,/api/health 返回 {“ok”:true,“db”:true,“users_loaded”:1} |
| 登录 | JWT 拿到,响应里带完整权限列表 |
| 专家库 | /api/experts 返回 22 个内置专家 |
| 建 agent | 从 general-assistant 创建成功,但状态是 failed,错误 agent_errors.no_models_configured |
| 配模型 | 用 Anthropic 协议接一个 OpenAI 兼容网关,provider test 返回 ok,1684 毫秒 |
| 对话 | 设完默认模型,agent 自动转 running;一句话提问,14.1 秒答完 |
| 工具调用 | 让它建文件写两行,13.0 秒完成,落盘在 ~/.octop/agents/15STT4/octop-test.txt |
| 单元测试 | 4,400 个用例,420 秒跑到 26%,无失败无错误(时间不够跑完) |
| 前端构建 | D 盘 vite build 失败(esbuild winapi error #5);复制到 C 盘后 38 秒构建成功,25MB 产物 |
有件事挺有意思。我问它「你当前使用什么模型」,它答:「我是 Claude」。而我配的模型 id 是 deepseek/deepseek-flash,只是走了 Anthropic 的消息协议。模型的自述不能当证据,这件事在自托管场景里尤其明显——协议是一层壳,底下接谁都行。

上面这些坑,三个是环境问题(我的执行沙箱、D 盘、杀毒策略),一个是项目问题:没配模型之前,agent 建出来就是 failed。这个设计不算错——没有模型确实什么都干不了——但官方一键脚本之外,手动部署的人大概率会卡在这一步,因为错误码藏在 API 响应里,界面上只看到一个起不来的助手。
和 WorkBuddy 是什么关系:代码里有答案
「同源」这个说法网上到处都是,但大多是猜的。我在源码里找到四处硬证据:
src/octop/infra/gateway/media/tool_media.py第 137 行,函数注释写着 Convert WorkBuddy-style generation envelopes into standard media blocks,处理的是image_gen_tool_result和video_gen_tool_result两种信封。这是兼容层,不是巧合。- 专家包的结构是
IDENTITY.md+SOUL.md+USER.md+manifest.json+skills/,和 WorkBuddy 的专家包一模一样。 - 内置的美团生活助手里,
auth.py默认读的路径是~/.workbuddy/credentials/…,环境变量叫WORKBUDDY_AUTH_FILE,插件根目录叫CODEBUDDY_PLUGIN_ROOT。 cvm-ai-doctor的sync_skill.sh里,排除列表明确写了.workbuddy目录。
所以它俩的关系是:同一套 agent 内核、同一套专家与技能规范,两种交付形态。WorkBuddy 是把模型、算力、通道都准备好的成品;Octop 是把这套东西拆开、装到你自己服务器上的那一份。
社区管它叫「开源版 WorkBuddy」,方向没错,但容易让人以为能无损替换。不能。下面这张表是我认为真正的差距。
相对 WorkBuddy,它少了什么
| 缺口 | 具体表现 |
|---|---|
| 云端资产 | 没有在线资料库、没有分享链接、没有「发布成网页」这一步。所有产物都在本地磁盘上,给别人看要自己想办法 |
| 算力与额度 | 模型 key 自己出,超时、限流、账单都自己扛。软件免费,用起来不免费 |
| 桌面体验 | 桌面端是 Wails v3 写的壳,里面装的是同一套 Web 页面,不是原生客户端 |
| 办公交付的成品感 | 内置的 docx / pptx / xlsx 技能来自 Anthropic 那套(LICENSE.txt 里写着 © Anthropic, PBC,授权以 Anthropic 协议为准),靠 docx-js 加 LibreOffice 拼装,还要额外装全局 npm 包和 soffice |
| 通道维护质量 | 9 个 IM 通道的适配器在 octop-gateway 那个独立包里,主仓只有注册和扫码绑定。出问题要跨仓库排查 |
第一条和第二条是硬缺口,不是配置能补的。第三条见仁见智——很多人反而喜欢「一个 Web 页面对所有端」。第四条值得单独说一句:MIT 只覆盖 Octop 自己的代码,bundle 进去的 Anthropic 技能是另一份协议,企业采购要自己确认边界。
和 dsh 对撞:不是一个物种
DeepSeek 8 月开源的 dsh(deepseek-harness),GitHub 上 25.7 万 star。很多人把它和 Octop 放一起比,我认为这个比法本身有偏差。
| 维度 | Octop | dsh |
|---|---|---|
| 定位 | 应用 / 平台 | 内核 / 框架 |
| 语言 | Python | TypeScript |
| 内核来源 | LangChain deepagents + LangGraph | 自研 Cordis 插件系统 |
| 扩展方式 | 加专家、加技能、加通道(应用层) | 挂插件,连 agent loop 都能换(内核层) |
| 多用户 | 内建,JWT 隔离 + LDAP/OIDC/OAuth | 没有这个概念 |
| IM 通道 | 9 个,开箱可用 | 没有,要自己写 |
| 代码规模 | 692 个 Python 文件、4,400 个测试用例 | 5,860 个 TS 文件、342 个 package、1,840 个测试文件 |
| 对生产的态度 | 有 SECURITY.md、响应时限、CI 全套 | SAFETY.md 明说「未做安全审计,不可当作生产可用」 |

架构上的差别更本质。Octop 是一棵按依赖顺序装配起来的树:配置、数据库、迁移、服务、Agent 管理器、网关、定时任务,一根主线串下来,组合根在 infra/server.py。dsh 是一棵插件树:profile 叠组合包,组合包按 patch 定位条目替换配置,每个注册都是可撤销的副作用,没有特权内核。
前者适合「部署一套给人用」,后者适合「嵌进别人的系统里改」。这也解释了为什么 dsh 没有多用户、没有 IM——它压根没打算做平台。
我没有把 dsh 跑起来。它的 npm 包在 npx 下装了四分钟没出结果,我就停了。这一条是本文最大的空缺,读者应当按「只做了源码与文档分析」来理解我对 dsh 的所有判断。
成熟度:工程纪律不错,但别当它稳定
正面的部分很扎实:42 个数据库迁移脚本、4,400 个单元测试、11 个 CI workflow(含 CodeQL、Docker 发布、桌面端打包)、双语文档、ADR 目录、前端 1,023 个 TS/TSX 文件还带 PWA。
不利的部分同样清楚:
- 865 个未关闭 issue(含 PR),相对一万 star 的体量,积压不轻
- 一个月 11 个版本,README 自己写着 v1.0.2b1 到 b9,beta 标签还在用
- 安全响应邮箱是个人 Gmail,不是企业安全邮箱
- 内核在另一个仓库,两边版本要各自对齐
我的判断是:这是一个「每天在长」的项目,不是一个「已经稳定」的项目。活跃度是真的,破坏性变更的风险也是真的。
能不能当企业智能体底座
分三档说,因为答案完全不一样。
内部 POC、小团队自用:可以,而且很快。一台 4C8G 的机器,SQLite 起步,接一个模型 key,一天能出一个能用的内部助手。SSO 是现成的(LDAP、OIDC、OAuth 三个路由都在),审计表 audit_log 带索引和保留期清理,备份和恢复有独立 CLI。这些企业真正会问的东西,它没缺。
企业正式生产底座:有条件可以,但要接受三个硬约束。一是单进程,没有水平扩展路径,并发上限就是那个进程的上限;二是从 SQLite 换 PostgreSQL 只是第一步,迁移和连接池都得自己压测;三是没有租户级配额治理——有角色模板(admin / user / 自定义),但没有「这个部门每月只能烧多少 token」这种粒度的控制。要做,得自己在网关层加。
对外交付的智能体产品:不建议直接拿来当底座。核心原因不是功能,是所有权的结构:agent 循环在别人的包里,升级节奏在别人的手里,破坏性变更会顺着 octop-harness 传导到你的产品。你要的是能锁版本、能自己改心的东西。
dsh 在这张表里是另一种答案:它现在不能当底座,官方自己也是这么说的。但它的插件架构是三者里唯一「心可以换」的。如果你的目标是做一个自己的 agent 内核,dsh 的源码价值大于 Octop;如果你的目标是这个月上线一个企业内部助手,Octop 的价值大于 dsh。
值不值得入手
三类人,三个答案。
有 Python 团队、数据不能出内网、想要一个能改的团队助手——值得。你买到的是一个已经踩过一遍坑的控制面:多用户隔离、9 个通道、22 个专家、审计和备份。这些东西自己写要两个月。
只是想让 AI 帮忙写周报、做表格、出 PPT——不值得。装它的时间够你用成品工具干完一周的活,而且你还要自己买模型额度。
想拿它做商业产品的底座——先做两周 POC,重点只验证两件事:升级一次会不会炸,issue 里的 bug 多久有人回。这两件事的答案,比任何功能列表都重要。
最后说一句实在话。Octop 最值得学的不是它的功能,是它的分层:把内核拆成四个独立包,主仓只管控制面。这个决定让它能被 MIT 开源出去,也决定了它今天的天花板。想清楚你要的是那把刀,还是磨刀的方法,再决定要不要入手。
参考资料
- TencentCloud/Octop 仓库与 README(2026-10-22 读取)
- TencentCloud/octop-harness、octop-gateway、octop-memory、octop-browser 仓库
- Octop
docs/architecture.md、SECURITY.md、pyproject.toml - deepseek-ai/deepseek-harness 仓库、
docs/architecture.zh.md、SAFETY.md - GitHub API 统计数据(2026-10-22)
- 本文全部安装、启动、对话、测试数据为本地实测
微信公众号
欢迎关注「字与码」
如果这篇文章对你有用,也欢迎在微信里继续关注后续更新。
X / Twitter
关注 @ax2_zicode
更即时的技术观察、新文章提醒和一些短想法会发在 X 上。