Post

Octop:腾讯开源的自托管 AI 助手

Octop:腾讯开源的自托管 AI 助手

今天凌晨往自己电脑上装了个 AI 助手。装完第一句话,它没问我今天有什么日程,问了两个问题。

你想让我以什么形态存在?比如,干正事的 AI 助手、一起玩的赛博搭子,还是别的什么感觉。

你怎么称呼?名字、时区、有什么沟通雷区,都趁现在告诉我,我好记进档案里。

octop 的聊天界面,小章鱼正在进行 BOOTSTRAP 仪式

这个仪式感是它自带的。每个新生的 agent 都要走一遍这个流程,给自己建档。

这个东西叫 Octop,腾讯云今年七月初在 GitHub 上开源的自托管 AI 助手平台。开源不到三个月,6.5k star,808 个 fork,还上了 trendshift 的趋势榜。

Octop 的 GitHub 主页,三个月 6.5k star

架构

现在随便一个 AI 应用,动不动 Kafka、Redis、消息队列,微服务拉出一屏幕。Octop 是一个单进程。Web 控制台、CLI、飞书钉钉微信 QQ Telegram Discord 一堆 IM 通道、定时任务,全部塞在一个 Python 进程里,共享一个本地的 SQLite。重启也不怕,所有状态从数据库里重建。

刚看到时有点疑惑,后来想明白了,它服务的是家庭和小团队,一台机器,一个进程,一条命令拉起来,数据全在自家硬盘上,用不着那些组件。

每个用户可以养一堆「专家」,每个专家一个独立工作区,一份 SOUL.md 人格文件,一套自己的技能和记忆。官方仓库里躺着几个现成的专家模板,翻了翻那几份 SOUL.md,第一句话是,别把自己当工具,你正在长成一个人。也有的就一句,少废话,多干活。

还有新 agent 的初始化档案 BOOTSTRAP.md,就是开头那两个问题的出处。官方甚至内置了 16 种 MBTI 人格模板,还带一个互动测试,你可以给你的 agent 测个性格,ENTP 还是 ISFJ,测完写进它的灵魂文件里。

AgentTeams,团队模式。

一群专家里选一个当主持人,主持人的权能被刻意削到只剩两样,一个名单,一个派活工具。它自己绝不干活,收到你的消息就拆解任务,异步派给群里对应的专家,成员干完了把结果递回来,主持人总结,判断要不要收工。整个过程像真群聊一样上墙,谁说了什么清清楚楚。

主持人只负责分派和汇总。又管人又抢活干,团队容易乱,AI 组长也一样。

记忆方面,它把每轮对话先落成 L0 原始事件,再异步蒸馏成原子卡片和实体页。腾讯内部另一拨人的方案思路与此相近。记忆还能跟着工作区整体打包搬走。

还有个 ACP 协议的双向集成。往里看,Octop 可以把编码任务外包给 Claude Code 和 Codex,权限请求会弹回聊天里等你批。往外看,Zed 和 OpenCode 也能把 Octop 当成一个编码 agent 调用。Octop 在这里是平台,和各家 coding agent 都能对接。

浏览器自动化、浏览器里的终端、远程桌面,连安卓手机投屏都塞进去了,飞牛 NAS 的安装包都有。这些全在同一个进程里。

这个项目的工程规范很严。贡献指南加架构守则四百多行,模块边界写成了硬禁令,架构决策有专门的 ADR 文档存档,发版走 develop 到 release 到 main 的三段流水线,暗色模式少一个主题变量、国际化少一个翻译键都会被打回。九月中发了 1.0.0 正式版,此前 0.9.x 迭代很密,changelog 更新频繁。

实际使用

官方一行安装脚本,我用的是源码,装依赖、建管理员、起服务,然后把模型配置指向了阶跃的 step-5-preview。dashboard 长得挺清爽,左边一栏对话、专家、自动化、通道、知识库,右边是给新 agent 准备的快速开始。

Octop 的 dashboard 首页

给 agent 起名叫小章鱼,发了条消息让它自我介绍。

第一轮,报错。模型调用多次重试后仍失败。

第一轮对话报错,模型调用多次重试后仍失败

去翻日志,一路挖到 harness 的流式投影代码,发现当模型流式输出 thinking 思考块的时候,旧代码会把整个内容块列表直接塞给一个只接受字符串的函数,当场类型错误。

这个 bug 我熟。

九月底给它的底层运行时 octop-harness 提过一个 PR,修的就是这玩意,thinking 和 text 分块流式把 chunk 投影搞崩,修复还进了仓库的 changelog。只是 PyPI 上发的 1.0.0 包发版早于这个修复,从源码装上修复分支,重启,一次点亮。

自己之前修的 bug 在自己机器上又撞上了,用自己的修复分支解决。

修完之后就是开头那一幕了。它做了 BOOTSTRAP 仪式,问了那两个问题,还顺手把我的回答写进了它的 USER.md 档案。一轮普通的对话下来,界面底部显示 45528 输入、60% 缓存命中、3895 输出,编辑了 1 个文件。

它给自己起名叫阿墨,然后开始三连问

没按它的问题走,就让它自己折腾。等它写完,我去它的工作区里把这个文件拎了出来。

1
2
3
4
5
6
7
8
9
10
11
12
## 关于我(Agent)

- **名字:** 阿墨
- **形态:** AI 助手 × 赛博搭子(干活时是前者,闲聊时是后者)
- **气质:** 爽快、靠谱、偶尔贫嘴;结果优先
- **Emoji:** 🐙

### 行为准则

- **少废话,多干活。** 用户要的是结果,不是客套。
- **敢说不。** 用户方案有问题时直说,不要唯唯诺诺。
- **先穷尽手段再开口问。** 查文件、用工具、搜技能,能做的先做,带着方案来。

它自己起名阿墨,定了少废话多干活和敢说不两条准则。

最后给单进程这个说法上个实证。在机器上 ps 了一下,跑着 octop 的进程就一个,octop run,pid 47568。没有旁挂的 worker,没有 redis,没有消息队列,web 控制台、定时任务、所有通道全在这个进程里。数据全在 ~/.octop/,一个 SQLite 加一个工作区目录。在微服务盛行的今天,这个架构算是少见。

它回答里还有一句。

我住在一个叫 Octop 的环境里,有自己的工作区,会一整套本领,操作浏览器、管理提醒事项和 Docker、跑代码、做图表、查资料。但比起我会什么,更重要的是我记事的逻辑。

市场定位

先看增长。八月中官方材料里的口径还是一千多个 star,到九月底已经 6.5k,一个半月翻了五倍多。这是个要装在自己电脑上、带几十个 IM 适配的重型项目,能涨成这样,需求是实在的。

自托管 AI 助手这个赛道,绕不开一个前浪,OpenClaw。Octop 跟 OpenClaw 的关系,一句话说不清。它前身叫 LightClaw,代码里到处是 OpenClaw 的血统,Codex OAuth 的协议头直接复用 OpenClaw 的线上契约,dashboard 里内置了一键从 OpenClaw 迁移的向导,模型配置、通道、工作区、技能,整包搬家。同一生态里还有个 Hermes,也是从 OpenClaw 的用户池里长出来的,三家放在一起,竞争关系很明显。

官方介绍材料里直接画了对比图,六轴雷达对 OpenClaw 和 Hermes 三家一起比。意思很明确:兼容对方的生态,同时争取对方的用户,迁移工具都准备好了。

官方总结是四个更:更易用、更聪明、更安全、更省 token。我自己用下来,觉得优势在三处。

一条是多用户。OpenClaw 本质是单人的,Octop 从第一天就是一人管理、全家共用,JWT 隔离、工具审批、PII 脱敏都做在底层。家庭和五人以内小团队这个场景,它占得很早。

一条是中国 IM 的纵深。飞书、钉钉、企业微信、微信、QQ、QQ 频道,再加上腾讯文档、腾讯会议这些连接器,这一片 OpenAI 和 Anthropic 的官方产品是完全缺席的,本土开源里做全的也不多。

还有一条,是模型中立。OpenAI、Anthropic、Bedrock 之外,混元、Kimi、GLM、DeepSeek、MiniMax 十几家厂商预设开箱即用,知识库的嵌入模型甚至可以纯本地跑。数据不出门这件事,从存储一路贯彻到了模型层。

官方材料里还有个细节。标杆客户写着传媒大脑已从 OpenClaw 迁移至 Octop,还有深大医院等企事业单位,规划里提到成熟后反哺内部的上层平台。商业路径是开源社区起步,企业客户在腾讯云上付费。

贡献经历

起因特别朴素,自己在用它,踩了一堆坑。线程删了会话残留、OAuth 回调的 XSS、备份导入覆盖内置技能、多 agent 协作失败被静默吞掉、专家没法配置默认对话模式。踩一个修一个,修完顺手提 PR。前前后后提了二十多个,合进去九个,从安全修复到功能实现都有,底层运行时里还有一个。

我不是核心开发者,是个重度用户,踩到坑就顺手修,每个 PR 都对应自己遇到的真实问题。

OpenClaw 这类项目验证了 AI 个体可以长期跑起来,有记忆、有性格。Octop 关心的是它放在哪里运行:数据在自己硬盘上,记忆跟着工作区走,想迁移就打包整个工作区。

开头那两个问题,你想让我以什么形态存在,你怎么称呼,答案会写进它的档案,之后一直沿用。

This post is licensed under CC BY 4.0 by the author.