← 返回博客
Ai预计阅读 9 分钟

侧边栏里每个联系人,都是你机器上的一个 agent,真正有意思的是那张权限卡片

发布于 2026年11月8日
侧边栏里每个联系人,都是你机器上的一个 agent,真正有意思的是那张权限卡片

OpenMausBot 这周涨了大约 7,000 颗星,挤进了 GitHub 周榜的前十名,而排在旁边的仓库,年龄是它的一百倍。这是个开源桌面聊天应用,侧边栏里每个联系人都对应一个真实运行的 agent,跑在你电脑上已经装好的 CLI 里,各有各的模型、各自的性格、各自那台电脑,各自接的应用也不一样。

它的说法是,2026 年的七个星期里,四个闭源产品先后把这种形态做了出来,而这四个无一例外,都把模型、电脑和你的数据留在了厂商那一侧。OpenMausBot 是这种形态的 Apache 2.0 版本。

这个定位至少诚实:它是把一个品类重做一遍,不是发明。真正值得回答的是另一个问题,重做的时候,那些闭源产品可以藏起来的部分,它有没有做对。

两个进程,一个循环

架构小到一段话就讲得完,这是夸奖。

前端是 React,渲染聊天、模型选择器和电脑面板。它自己不持有任何传输层,只通过 HTTP 发带类型的命令,再把一条服务端事件流折叠成状态。背后是跑在 `127.0.0.1:8799` 上的 harness 服务,掌管所有 agent 进程,把各家原生协议归一成一套规范事件流,按会话记成 NDJSON。会话记录、密钥和事件都存在 `~/.openmausbot`。

agent 就是你已经装好的 `claude`、`codex` 和 `grok` 这几个 CLI。它直接用你现有的登录和订阅,中间没有代理转发,也不用另开一个账号。如果你跑的是固定版本的构建,可以在设置里把引擎指向自定义的 CLI 二进制。

这个选择有个后果值得单独说。既然 agent 就是厂商的 CLI,OpenMausBot 就同时继承了它们的能力和它们的条款。它是套在别人 harness 外面的壳,而壳会在 harness 变化的时候坏掉。

三种手

每个 bot 都能通过三种电脑之一动手:云端 Linux 桌面、隔离的本地虚拟机,或者你自己的机器。

云桌面按需启动,bot 干活的时候能看见实时的屏幕画面,也可以在浏览器里直接接管。本地虚拟机把活儿留在你的硬件上。主机控制,也就是让 bot 操作你真正在用的这台电脑,只在 macOS 和 Ubuntu Xorg 上提供,而且要明确开启。

Ubuntu Wayland 上的主机控制是明确禁用的,README 里写了原因:真机上的安全闸门还没解决,记在 issue #345。以前开过的开关会被清掉。聊天、预览、云端和本地虚拟机在 Wayland 上都还能用。

这一段是整个仓库里最可信的东西。把一个功能发出来,然后在安全模型不成立的平台上公开禁用它,还带着 issue 号,这是工程团队做事的方式,而市场部几乎从来不这么干。

接入的应用走 Composio,有一个一键市场,覆盖 Gmail、Slack、GitHub、Notion、Linear 和几百个别的。OAuth 授权一次,每个 bot 都能把它们当工具用。

权限中介才是产品

shell 命令、文件修改和需要你来定夺的提问,都以行内卡片的形式冒出来,选项只有三个:允许、拒绝,或者直接在对话里回答。README 管这个叫 permission broker,云端电脑和本地电脑一样适用。

一块磨砂亚克力立牌竖插在深色木底座里,底边被暖光从下方照亮,正面完全空白,没有字也没有图案,背景是虚化的暖色室内和深色石材台面。

设计真正值钱的地方在这儿。一个手里有云桌面、Gmail token 和 shell 的 agent,就是拿着你的权限的通用行动者。一句听起来很合理的指令和一间被删空的邮箱之间,唯一挡在中间的,是一个能让风险动作被看见、并且让拒绝这件事变得便宜的决策界面。

多数 agent 产品把审批当成一个弹窗,点掉就完。这里能看出有人认真想过的细节是:提问也是卡片。bot 需要一个它没有的值,会在对话里问,而不是猜一个然后接着干。

还有第二个细节,没那么舒服。应用 API 密钥是明文存的,没有加密,放在私有的 `config.json` 里,Unix 上权限是 0600。README 直接这么写,没有暗示别的。对一个装在笔记本上的个人工具来说,这是个说得过去的取舍。放在共享机器上,这就是该改用本地虚拟机而不是主机的理由。

还缺什么

状态那一节坦率得少见。整个循环是通的,从头到尾都跑得起来:发消息、agent、流式回复、工具调用、审批、操作电脑。macOS、Windows 和 Ubuntu 24.04 x64 都有发布出来的构建,Ubuntu 还标着 beta,带着上面说的那些能力限制。

托管和移动端连接还在做。Webhook 触发目前走 `127.0.0.1:8800` 上的一个本地接收器,只暴露一个健康检查和带密钥的 hook 路径,也就是说应用得开着才能收到投递。想让它从公网接收投递,就得把这个接收器挂到中继或者隧道后面。手机访问是可选的,需要配对,而且不能用 localhost 链接。

语音也分成两半。托管语音需要 ElevenLabs、Fish Audio 或 xAI 的密钥。macOS 自带的语音和本地 Chatterbox 模型不需要任何云端密钥。在 Windows 和 Linux 上,语音转文字走 Fish Audio。

每一条都是真实的限制,而且每一条都写出来了。合起来的效果是,这个产品对自己还早这件事很诚实,对一个还没决定要不要用的人来说,这比一张功能矩阵有用得多。

这种形态为什么在扩散

个人 agent 需要四样东西:一个模型、一台电脑、一组凭证,还有一个存上下文的地方。这个品类里的每一个产品,说到底都是在回答同一个问题:这四样东西放在哪一侧。

闭源产品把四样都放在厂商那边,卖的是省事。这在 agent 需要碰一个不能外传的文件、一段不能留日志的会话,或者一个根本没有 API 的工具之前,都成立。一旦越过去,那条边界就从产品的卖点变成了产品的限制。

本地优先的答案是四样都在你自己机器上,代价是你从此多了一个运维问题:四个订阅、三个 CLI、一套权限模型,外加一个装着明文密钥的配置文件。

OpenMausBot 的贡献,是把这套运维问题摊开写下来给人看。localhost 上的 harness、归一的事件流、审批卡片、按平台划分的安全闸门,这些都是无聊的决定,而正是这些无聊的决定,决定了一个 agent 到底是玩具,还是你能一直开着不管的工具。

它会被抄。架构这种东西,一旦看明白就显得太显然了,Apache 2.0 也让抄变得合法。更难抄的是那个习惯:发功能的时候把前提和限制一起发出来。而这个习惯,是你敢把 shell 交给它的唯一理由。

相关文章