← 返回部落格
Ai預計閱讀 9 分鐘

側邊欄裡每個聯絡人,都是你機器上的一個 agent,真正有意思的是那張權限卡片

發布於 2026年11月8日
側邊欄裡每個聯絡人,都是你機器上的一個 agent,真正有意思的是那張權限卡片

OpenMausBot 這週多了大約 7,000 顆星,擠進 GitHub 週榜前十名,而排在它旁邊的那些專案,年齡是它的一百倍。這是一個開源桌面聊天程式,側邊欄裡的每個聯絡人都是一個真的在跑的 agent,跑在你電腦上已經裝好的 CLI 裡,各自有自己的模型、自己的個性、自己那台電腦,以及自己接上的應用。

它的說法是,2026 年的七個星期裡,四個閉源產品先後做出這種形態,而這四個都把模型、電腦和你的資料留在廠商那一側。OpenMausBot 就是這個形態的 Apache 2.0 版本。

這個定位至少誠實:它是把一個類別重做一遍,不是發明。真正該回答的問題是,重做的時候,那些閉源產品可以藏起來的部分,它有沒有做對。

兩個行程,一個迴圈

架構小到一段話就講得完,這是稱讚,不是抱怨。

前端是 React,負責畫聊天、模型選擇器和電腦面板。它自己沒有傳輸層,只用 HTTP 送出帶型別的命令,再把一條伺服器推送的事件流折成狀態。後面是跑在 `127.0.0.1:8799` 上的 harness 伺服器,掌管所有 agent 行程,把各家原生協定正規化成一套標準事件流,並依對話寫成 NDJSON。對話紀錄、金鑰和事件都放在 `~/.openmausbot`。

agent 就是你已經裝好的 `claude`、`codex` 和 `grok` 這幾個 CLI。它直接用你現有的登入和訂閱,中間沒有代理轉發,也不用另外註冊一個帳號。如果你跑的是鎖定版本的組建,可以在設定裡把引擎指向自訂的 CLI 執行檔。

這個選擇有個後果,值得單獨講。既然 agent 就是廠商的 CLI,OpenMausBot 就同時繼承了它們的能力和它們的條款。它是套在別人 harness 外面的一層殼,而殼會在被套的東西改變時壞掉。

三種手

每個 bot 都能透過三種電腦之一動手:雲端 Linux 桌面、隔離的本地虛擬機,或你自己的機器。

雲端桌面按需啟動,bot 工作時可以看到即時的螢幕畫面,也能在瀏覽器裡接手。本地虛擬機把工作留在你的硬體上。主機控制,也就是讓 bot 操作你真正在用的那台電腦,只在 macOS 和 Ubuntu Xorg 上提供,而且要明確開啟才行。

Ubuntu Wayland 上的主機控制是明確關掉的,README 裡寫了原因:實機上的安全閘門還沒解決,追蹤在 issue #345。以前開過的選項會被清掉。聊天、預覽、雲端和本地虛擬機在 Wayland 上都還能用。

這一段是整個儲存庫裡最可信的東西。把功能做出來,然後在安全模型不成立的平台上公開關掉它,還附上 issue 編號,這是工程的做法,幾乎從來不是行銷的做法。

接上的應用走 Composio,有一個一鍵市集,涵蓋 Gmail、Slack、GitHub、Notion、Linear 和幾百個其他服務。OAuth 授權一次,每個 bot 都能把它們當工具用。

權限中介才是產品

shell 命令、檔案修改和提問,都會以行內卡片跳出來:允許、拒絕,或直接在對話裡回答。README 稱這個為 permission broker,雲端電腦和本地電腦一體適用。

一塊霧面壓克力立牌豎插在深色木底座裡,底邊被暖光從下方照亮,正面完全空白,沒有字也沒有圖案,背景是虛化的暖色室內和深色石材檯面。

設計真正有價值的地方在這裡。一個手握雲端桌面、Gmail token 和 shell 的 agent,就是帶著你的權限的通用行動者。一句聽起來很合理的指令,和一個被清空的信箱之間,唯一擋著的就是一個決策介面,讓有風險的那一步被看見,而且拒絕起來很便宜。

多數 agent 產品把核准當成一個彈出視窗,按掉就好。這裡看得出有人認真想過的細節是:提問也是卡片。bot 需要一個它沒有的值,會在對話裡問,而不是猜一個然後繼續做。

還有第二個細節,沒那麼舒服。應用 API 金鑰是以明文儲存的,沒有加密,放在私有的 `config.json` 裡,Unix 上權限是 0600。README 直接這樣寫,沒有暗示別的意思。對一台筆電上的個人工具來說,這是說得過去的取捨。對共用機器來說,這就是該改用本地虛擬機而不是主機的理由。

還缺什麼

狀態那一節坦率得少見。整個迴圈從頭到尾都通了:訊息、agent、串流回覆、工具、核准、操作電腦。macOS、Windows 和 Ubuntu 24.04 x64 都已經有釋出的組建,Ubuntu 仍標著 beta,並帶著上面那些能力限制。

託管和行動裝置連線還在開發。Webhook 觸發目前靠 `127.0.0.1:8800` 上一個本地接收器,只開放一個健康檢查和帶密鑰的 hook 路徑,也就是說應用程式得開著才收得到投遞。要對外投遞,得把這個接收器接到中繼或通道後面。手機存取是選用的,需要配對,而且不能用 localhost 連結。

語音也是分成兩半。託管語音需要 ElevenLabs、Fish Audio 或 xAI 的金鑰。macOS 內建的語音和本地 Chatterbox 模型不需要任何雲端金鑰。在 Windows 和 Linux 上,語音轉文字走 Fish Audio。

每一條都是真實的限制,而且每一條都是它自己寫出來的。加起來的效果是,這個產品對自己還很早這件事很誠實,對一個還在觀望的人來說,這比一張功能比較表有用。

這種形態為什麼在擴散

個人 agent 需要四樣東西:一個模型、一台電腦、一組憑證,還有一個存放上下文的地方。這個類別裡的每一個產品,說到底都是在回答同一個問題:這四樣要放在哪一側。

閉源產品把四樣都放在廠商那邊,賣的是方便。這在 agent 碰到一個不能外流的檔案、一段不能留紀錄的對話,或一個根本沒有 API 的工具之前,都成立。一旦越過那條線,邊界就從賣點變成產品的限制。

本地優先的答案,是四樣都放在你自己的機器上,代價是你從此背上一個維運問題:四個訂閱、三個 CLI、一套權限模型,外加一個裝著明文金鑰的設定檔。

OpenMausBot 的貢獻,是把這個維運問題攤開來寫給人看。localhost 上的 harness、正規化的事件流、核准卡片、依平台切開的安全閘門:這些都是無聊的決定,而就是這些決定,決定了一個 agent 是玩具,還是你可以一直開著不管的工具。

它一定會被抄。架構這種東西,看懂之後就顯得太理所當然,而 Apache 2.0 讓抄也合法。比較難抄的是那個習慣:把功能跟但書一起發布。而這個習慣,是你敢把 shell 交給它的唯一理由。

相關文章