这篇在 www.zicode.com 的网页版排版更宽，两张数据表和图表都能完整展开，代码块也不会折行；手机端会被压窄。建议在电脑上打开看。

今天上午把 Octop 从 v1.0.2 升到 v1.0.3b2，重新编译跑通，顺手把同赛道的项目全扫了一遍。数据来自 GitHub REST API，2026-11-02 17:20 一次快照，规模、贡献者、维护强度分两张表给。

先说三个容易看错的地方。

一、按 star 总量排，Octop 垫底。11,484 star，15 个项目里最后一名。第一名的 OpenClaw 是 393,688，差 34 倍。

二、按建仓时长折算，它不在末尾。Octop 2026 年 7 月 8 日建仓，到今天 3.8 个月，月均新增 2,988 star，排第六。dsh 更极端：2026 年 8 月 13 日建仓，2.7 个月做到 26.9 万 star，月均 10 万——这个数字除了「DeepSeek 官方出品」没有第二种解释。

三、按维护强度排，顺序又变一次。近 30 天 Octop 有 211 次提交，issue 中位关闭时间 4.4 天；同期 Aider 和 Coze Studio 是 0 次提交。

star 统计的是「有多少人觉得这事有意思」，不是「有多少人真把它跑起来了」，也不是「它多久没坏」。这三个数在这条赛道上几乎没有相关性，混着看，结论一定错。

先把赛道分开：产品、平台、零件

把所有项目塞进一张表按 star 排名，是这类文章最常见的糊弄办法。它们解决的问题根本不同：

类别	它帮你干什么	代表
自托管助手平台	装一台服务器，多个同事各用自己的账号、专家、技能长期用	Octop、LibreChat、AnythingLLM、OpenClaw、Hermes Agent
可视化 Agent / 工作流平台	拖节点搭流程，把 AI 塞进业务流程	Dify、Langflow、Coze Studio、FastGPT
有客户端的 Agent 产品	装完就能在桌面或编辑器里干活	dsh、Cline、Goose、Aider、OpenHands
内核 / 框架	你要自己写一个 agent，它提供骨架	LangGraph、dsh 的 harness 层

上一版这里把 dsh 划进了「内核 / 框架」，是错的，得改。

dsh 官方发布 Windows x64 和 macOS（Apple 芯片 / Intel）安装包，仓库里有 apps/desktop 和 apps/cli，桌面版自带 Node 运行时，双击装完填个 Key 就能用。它同时是一个产品（桌面端 + Web UI + CLI）和一个框架（Cordis 插件树可以替换几乎每一层）。这两件事同时成立，不矛盾——LangGraph 没有桌面端，Dify 没有「你自己写 agent」这条路，OpenClaw 没有插件树那种颗粒度的重写能力。

所以 dsh 那一栏我写了两遍，因为它在两个池子里都能被选中。这也说明分类本身有边界：一个项目做到一定体量，就不会老实待在你给它划的格子里。

表一：规模，按仓库矩阵合计

先说口径，不然后面的数字没意义。

代码量按仓库矩阵合计。一个项目的官方代码经常分散在多个仓库：Octop 的内核拆成 octop-harness / octop-memory / octop-gateway / octop-browser 四个包，主仓本身不含 agent loop；dsh 主仓之外还有 superagent 原型和两个原生模块工具包；Dify 有 dify-sandbox 和 dify-plugin-daemon；LangGraph 有 Python 和 JS 两套实现。只数主仓，Octop 是 18.3 MB，全数一遍 25.3 MB，差 38%——拿主仓数字去跟单仓项目比，等于先给它扣了分。

代码量取 /languages 接口的字节合计，只算代码文件，除以 35 大致等于行数。这是估算，不是 cloc 的精确结果；跨仓库直接相加，共享代码会重复计一次，量级上可以忽略。

月均 star = 总 star ÷ 建仓至今天数 × 30.44。它衡量「涨得多快」，不衡量「能不能用」。dsh 排第一是品牌效应，Octop 排第六是新鲜度，两个都要打折看。

项目	仓库数	代码量	贡献者	star	建仓	月均 star
OpenClaw	1	492.5 MB	3,737	393,688	2025-11	34,938
dsh	4	75.9 MB	66	268,895	2026-08	101,051
Hermes Agent	1	167.6 MB	4,879	259,633	2025-07	16,887
Dify	3	93.4 MB	1,595	160,213	2023-04	3,751
Langflow	1	58.0 MB	400	156,249	2023-02	3,490
OpenHands	1	15.1 MB	590	92,483	2024-03	2,920
Cline	1	31.8 MB	350	71,197	2024-07	2,553
AnythingLLM	1	10.7 MB	284	67,844	2023-06	1,656
Goose	1	14.9 MB	676	56,115	2024-08	2,133
Aider	1	1.7 MB	182	49,895	2023-05	1,193
LibreChat	1	75.3 MB	422	46,634	2023-02	1,045
LangGraph	2	15.8 MB	294	44,315	2023-08	1,142
FastGPT	1	33.0 MB	205	29,972	2023-02	677
Coze Studio	1	36.6 MB	62	21,792	2025-06	1,343
Octop	5	25.3 MB	74	11,484	2026-07	2,988
WorkBuddy	—	—	—	—	—	闭源

表按 star 存量排，最后一列是折算出来的流量。两列的排名对不上，就是这篇文章想说的第一件事。

最后一行是闭源的 WorkBuddy，没有可比数据，只作基准参照。它是商业产品：专家、技能、连接器、资料库、定时任务、企业微信集成、小程序发布。Octop 的内置技能里写死了 ~/.workbuddy/credentials/，两者的专家包结构（IDENTITY / SOUL / USER.md + manifest.json + skills/）完全同构——这条代码级证据我在上次的文章里已经写过。

贡献者这一列比 star 有信息量：

• Hermes 4,879、OpenClaw 3,737：社区驱动，人多到可以开子项目
• Dify 1,595、Goose 676、OpenHands 590：公司主导 + 外部贡献
• LibreChat 422、Langflow 400、Cline 350、LangGraph 294、AnythingLLM 284、FastGPT 205、Aider 182
• Octop 74、dsh 66、Coze Studio 62：三个人数最少的，恰好是建仓最晚的一批

dsh 这个数字要单独说：26.9 万 star，只有 66 个贡献者。这不是矛盾，是「DeepSeek 官方出品 + 开发者预览」的典型形态——热度来自品牌和期待，代码还集中在内部团队手里。判断它能不能上生产，看贡献者数比看 star 有用得多。

代码量也不能只看绝对值。Aider 用 1.7 MB 做到终端内的精准重构，492 MB 的 OpenClaw 覆盖「所有设备 + 所有聊天软件」。字节数和能力不成正比，和工程质量也不成正比。

技术栈：三条路线已经分完

TypeScript 一条：OpenClaw、dsh、Cline、OpenHands、LibreChat、FastGPT、Coze Studio。共同点是把 UI 当主战场，TypeScript 占比普遍 85% 以上，Cline 是 97.9%，dsh 是 95.6%。

Python 一条：Dify、Langflow、Hermes Agent、LangGraph、Octop。后端逻辑、模型编排、RAG 都在这边。Octop 是 Python 54.4% + TypeScript 35.8%，前后端都自己写。

Rust 独一份：Goose，Rust 71.8% + TypeScript 23.5%。卖点是单二进制分发和本机执行，不用先装 Python 环境。

两条主流路线的差别在上手环节最明显：Python 系要处理虚拟环境和依赖冲突，TypeScript 系要处理 Node 版本和原生模块编译。今天升级 Octop 就撞了两个——完整 clone 因为网络断了三次，前端 vite build 在 D 盘报 winapi error #5，只能把工程复制到 C 盘构建。

技术栈选择最终会变成这类具体麻烦：装环境、编译原生模块、处理构建路径。图：Pexels

智能体架构：四种骨架

网关 + 插件（OpenClaw）：本地跑一个 Gateway 守护进程，管会话、工具、事件、渠道连接，Control UI / CLI / TUI 三个客户端接进来，再通过 Channels 层接 30 多个消息平台。模型和 agent harness（Claude、Codex、本地模型）都是可替换插件。它的架构原则写得很清楚：可信网关、不可信执行、策略由代码强制。

插件树 + 桌面壳（dsh）：Cordis 容器驱动，一切皆插件，官方有一篇论文讲这套时空可组合的编程范式。Bundle 组织插件，UI 用 slot 注册扩展点，LiveShare 做会话共享。外层是 Electron 桌面端 + apps/cli + Web UI 三个入口，共用同一套 ~/.dsh 配置和插件。但它明确标注是开发者预览，「未来将出现破坏兼容性的变更」，当前版本号 0.2.2-alpha。

单进程 + 后端抽象（Hermes Agent）：一个 gateway 进程同时服务 TUI 和 Telegram / Discord / Slack / WhatsApp / Signal。差异化在记忆：内置学习闭环，任务完成后自动创建技能、技能在使用中自我改进、FTS5 全文检索历史会话再用 LLM 摘要召回。

内核 + 多用户封装（Octop）：主仓不含 agent loop，内核在四个独立包（octop-harness / gateway / memory / browser），HarnessAgent 最后调 LangChain 的 create_deep_agent。外层补的是多用户、权限、专家、技能包、IM 通道这些平台能力。它的桌面安装包本质是把这套东西和 Python 运行时打在一起，装完不用管环境。

剩下三个是「前端壳 + 后端服务」：Dify 和 Langflow 是可视化画布加执行引擎，Cline / OpenHands 是编辑器或容器里的执行器。

表二：推送、30 天提交、issue 响应

star 和代码量都是存量，下面这三个是流量。

项目	最近推送	近 30 天提交	issue 中位关闭	样本
OpenClaw	11-02	19,644	0.2 天	3
dsh	10-30	3,691	无已关闭样本	0
Hermes Agent	11-02	12,308	34.0 天	6
Dify	11-02	891	6.9 天	7
Langflow	11-02	261	20.0 天	2
OpenHands	11-02	483	0.1 天	10
Cline	11-02	212	123.3 天	12
AnythingLLM	10-30	136	2.7 天	14
Goose	11-02	145	20.1 天	10
Aider	05-22	0	0.2 天	12
LibreChat	11-02	498	1.6 天	1
LangGraph	11-02	140	0.0 天	3
FastGPT	11-02	231	11.2 天	4
Coze Studio	07-29	0	1.4 天	10
Octop	11-02	211	4.4 天	11

口径：最近推送取 pushed_at；近 30 天提交用 /commits?since= 的分页头算总数，含所有分支；issue 中位关闭时间取最近 15 条「已关闭且最近有更新」的 issue，记录 created→closed 的中位数，样本数就是实际拿到的条数。

读这张表要注意三件事。

样本太小的不能信。OpenClaw 0.2 天、LibreChat 1.6 天，样本分别是 3 和 1。Cline 的 123.3 天有 12 条样本，反而更可信——它是「老 issue 一直挂着、最近才集中清」，不是「响应慢」。这也是为什么我把样本数放在最后一列：不给样本的「平均关闭时间」基本都是编的。

提交多不等于维护好。OpenClaw 近 30 天 19,644 次提交，这个数里含大量机器人提交和文档改动。判断一个项目有没有人管，看的是「最近推送是不是今天」和「issue 有没有人回」，不是提交数本身。

关单快也可能是关单不动手。Aider 的 issue 中位 0.2 天就关，但近 30 天零提交、最近推送停在 5 月 22 日。这种情况大概率是维护者批量判 won’t fix 然后关掉，不是修完关掉。Coze Studio 同样是 7 月 29 日之后零提交，0 天提交这个数字比任何 star 都更能说明它现在的状态。

在这个口径下，Octop 的位置是：11 月 2 日当天有推送，近 30 天 211 次提交（15 个项目里第 6），issue 中位 4.4 天、11 条样本。对一个 3.8 个月的项目，这个维护强度是正常的，不是「发完就放着」。

热度：star 要除以建仓时长

先看存量。这张图是全部 15 个项目的 star 总量：

Octop 在最底下，11,484，是 OpenClaw 的 1/34。同一时点、同一口径，差距就是这么大。

同一个数据除以建仓时长，图变成这样：

横轴是线性刻度，dsh 是 150 倍的离群值，所以右侧那些短条看不出长度差，请直接读数字。

dsh 冲到第一，月均 10 万；Octop 从第 15 变成第 6，排在 OpenHands、Cline、Goose、LibreChat 前面。原因不复杂：OpenClaw 用 11 个月攒 39 万，Octop 用 3.8 个月攒 1.1 万——单位时间的产出并不在末尾，只是分母小。

两张图要一起看。只看左边会得出「Octop 是这堆里最差的项目」，只看右边会得出「Octop 比 OpenHands、Cline 都火」——两句话都对，也都没用。它们描述的是「关注度的存量」和「关注度的流量」，都不描述「这东西能不能替你干活」。

写这篇文章的 15 小时里，Octop 从 11,463 涨到 11,484，21 个 star。这个量级放在 OpenClaw 那里是噪音，放在它这里是日增 1.4%。新项目的 star 曲线本来就该陡，判断它靠不靠谱，还是得回到表二那三个数。

上手难度

双击安装：dsh 官方给 Windows x64 和 macOS 装包（约 265 MB，自带 Node 运行时）；Octop 每个版本在 GitHub Releases 上发 17 个产物——Windows / macOS 双架构桌面安装包、免安装 portable zip、Linux tar.gz、群晖和 fnOS 的 fpk 包，外加 19 MB 的 pip wheel。Cline 是 VS Code 插件；Goose 有桌面版和 CLI。

这一版要更正上一版的一句话。上一版我写「Octop 从源码跑要走 venv + 前端构建 + 拷贝产物三步」，那是源码路线，不是唯一路线。想快速装起来有三条：

• pip install octop==1.0.3b2 然后 octop run，要求 Python ≥ 3.12
• 直接下桌面安装包（Windows .exe / macOS .dmg / portable zip），双击
• NAS：下 fpk 在应用商店侧装，或者用仓库里的 docker compose，也可以用 scripts/install.ps1 / install.sh

我这次走源码，是因为要看代码改动，不是因为只有这条道。这个区别对一个在做选型的人很重要——安装门槛和二次开发门槛是两件事，上一版把它们混在一起说了。顺带一个反面材料：v1.0.2 的 Windows 安装包下载量 2,490，fnOS 原生包 2,768，而 wheel 只有 94——真正在用的人绝大多数走的是安装包，不是源码。

一条命令：dsh（npx @deepseek-ai/dsh web，浏览器开 127.0.0.1:3080）、Aider（pip install aider-chat）、Hermes（安装脚本 + hermes setup）。

需要理解概念：Dify、Langflow、Coze Studio 要先搞懂「应用 / 工作流 / 知识库 / 插件」怎么组合，界面友好但心智负担不小。

要看代码才懂：LangGraph，不读文档基本没法开始。dsh 桌面版能让你五分钟跑起来，但要用它的插件树和 ADR，还是得读代码。

1440×900 的原始截图裁掉四周空白，只留登录卡片。这台机器上跑的就是这个版本。

二次开发难度

这是 star 完全测不出来的维度，但对企业选型最致命。

扩展方式	项目	二开门槛
插件 / SDK	OpenClaw（Plugin SDK + ClawHub）、dsh（一切皆插件，有 ADR 文档）	低到中
技能 / MCP	Hermes（Skills Hub + MCP）、Octop（技能包可导出 ZIP、MCP 网关）、Cline	低
可视化编排	Dify、Langflow、Coze Studio、FastGPT	低（但天花板也低）
改源码	Octop、OpenHands、LibreChat、Goose	中到高
自己写 agent	LangGraph、dsh 的 harness 层	高（要先会它的状态图或插件模型）

dsh 在这张表里出现两次，和分类表一样——这正是它作为「产品 + 框架」的代价：能力上限高，但你要先决定自己是在用它，还是在它上面造东西。

许可这块必须单独说。15 个项目里有三个不能按「开源」简单对待：Dify 和 FastGPT 的 GitHub 许可识别是 NOASSERTION——它们用的是带附加条款的 Apache 2.0，比如多租户运营要额外授权、不能移除官方品牌；n8n 用的是 Sustainable Use License，限制商业用途，严格说不算开源。真要商用，先读 LICENSE 文件，别信 README 里的「open source」四个字。

灵活性与功能边界

最灵活：LangGraph（你写什么它就是什么）、dsh（插件树可以替换几乎每一层）、OpenClaw（模型和 harness 都是可换插件，30 多个 IM 通道随便接）。

开箱能力最全：Dify（RAG + 工作流 + 多租户 + 日志）、Octop（多用户 + 专家 + 技能包 + IM 通道 + 定时任务 + 云端协同）、Hermes（记忆闭环 + 定时任务 + 六种终端后端 + 40 多个工具）。

最克制：Aider（终端里结对编程，1.7 MB 代码，不做平台梦）、AnythingLLM（文档聊天 + 无代码 flow）。

这里有个反向规律：代码量和灵活性不成正比。Aider 用 1.7 MB 做到终端里的精准重构，492 MB 的 OpenClaw 覆盖的是「所有设备 + 所有聊天软件」——两个数字之间没有可比性，只有方向。

结论：按你的身份对号入座

你的情况	选它	理由
个人电脑上要一个能替你干活的助手	OpenClaw、Hermes	本地优先，直接接你天天用的 IM，记忆和技能会自己长
团队要一个自托管的 AI 工作台（多用户、权限、专家）	Octop、LibreChat	Octop 是国内这条路上唯一把「多用户 + 专家 + 技能包 + IM」凑齐的；LibreChat 成熟但重心在聊天前端
要一个装完就能用的桌面 Agent，还想改它	dsh、Cline、Goose	dsh 是桌面端 + 插件树，上限最高；Cline 在编辑器里最省事；Goose 单二进制
要给业务部门搭 AI 流程，不想写代码	Dify、Coze Studio、FastGPT	拖拽即用，但注意 Dify / FastGPT 的许可边界
团队编码提效	Cline（编辑器内）、OpenHands（任务级）、Goose（本机通用）	Aider 慎选，五个月没更新
自己造一个 agent 产品	LangGraph（稳）、dsh（新，破坏性变更会来）	dsh 现在是 0.2.2-alpha，别在这上面押生产
不想自己运维	WorkBuddy	闭源 SaaS，能力最全，代价是不能自托管、数据不在自己手里

最后说一句 Octop 的实话。它在这 15 个项目里 star 最少，理由很实在：2026 年 7 月才建仓，3.8 个月做到 1.1 万 star、74 个贡献者、5 个仓库合计 25.3 MB 代码，最近 30 天 211 次提交。它不是「弱项目」，是「新项目」。判断它的方式不该是看排名，而是看它有没有解决你的问题——如果你的需求是「一台服务器、十几个同事、每人有自己的专家和技能、能从企微里直接用」，那这个池子里能直接拿起来用的，确实没几个。

参考资料

• GitHub REST API 快照，2026-11-02 17:20 抓取，规模与活跃度数据在 11-03 上午复核（star / fork / contributors / languages / commits / issues）
• OpenClaw README 与官方架构文档（openclaw/openclaw）
• DeepSeek Harness 官方安装文档与 apps/desktop、apps/cli 源码（deepseek-ai/deepseek-harness），桌面安装包来自 download.deepseek.com
• Hermes Agent README 与文档站（NousResearch/hermes-agent）
• Octop v1.0.3b2 源码实测与本机运行，Windows 11 + Python 3.12.15 + Node 22.22.2；安装包清单取自 GitHub Releases 与 PyPI
• WorkBuddy 能力清单仅作定性对照，无公开仓库数据

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

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。