7月23日，吴恩达在GitHub上发布了一个叫OpenWorker的开源工具。7天，9.7k个Star。
如果你对这个名字感到陌生，简单介绍一下：吴恩达是AI界少数几个你不需要加任何title也能被认真对待的人。Google Brain的联合创始人，前百度首席科学家，斯坦福的机器学习课让几十万人入了AI的门。最近几年大家都在拼模型、拼参数、拼benchmark，他跑去做了一件看起来没那么「高级」的事：让AI替你干活。
它的核心定位不是聊天，而是「交付成品」。你说「把这个文件夹整理好」「把这几篇文章读一遍给我写份摘要」「搜一下这周AI圈发生了什么，做成一个HTML放我桌面」，它自己拆步骤、动手做、把成品放你桌上。你拿到的是一个可以直接用的文件，不是一段需要你再加工的文字。
这个产品到底是个什么
OpenWorker是一个原生的桌面应用，目前macOS版正式可用，Windows版也在路上了。完全开源，MIT协议，所有代码在GitHub上公开。本地优先，你的对话记录、工具Token、模型Key都存在自己电脑上，不上传云端。
打开之后，界面非常干净。左侧对话列表，右侧任务面板。默认显示的不是聊天欢迎语，而是三个预设的使用场景，每个场景预设了对应的工具组合和审批策略。
它的工作方式大概是这样：你告诉它一个你要的结果，比如「帮我准备明天下午的会议材料」，它自己拆成步骤，去你的日历查时间地点、去你的文件夹找相关文档、去网上搜参会公司的近况，然后把这些信息整合成一份完整的会议简报，存到你桌面。整个过程里，你只需要在它要写文件、发消息、执行命令的时候点一下Approve。
这套审批机制是OpenWorker设计上最重的部分，它有一个明确的分层规则：所有只读操作自动放行，浏览文件、查日历、看邮件这些不需要问你。但任何有后果的操作，写入文件、发送消息、修改日历、执行终端命令，必须先弹确认框，列出具体要做什么、内容是什么，等你批准。你不在电脑前的时候，这些请求会存进一个收件箱，等你回来一个一个批，它不擅自做主。
模型方面，OpenWorker不绑定任何厂商。OpenAI、Anthropic、Google、DeepSeek、Kimi、Qwen、Mistral、xAI，以及通过Ollama运行的本地模型，全部支持。你自己带Key，随时可以在对话框里切换模型，不需要重启。
内置了25个以上的工具连接器，包括Slack、GitHub、Jira、Notion、Gmail、Outlook、Google Calendar、HubSpot等，并且原生支持MCP协议，可以接入任意MCP工具扩展能力。
除了即时任务，它还支持定时自动化。你可以设置「每天早上8点出一份今日简报」「每周五下午自动生成周报草稿」，到点它自己跑，跑完把结果放桌面等你审。
吴恩达为什么要做这个
OpenWorker的底层是一个叫aisuite的轻量级Agent框架，同样是吴恩达团队开发并开源的。
aisuite的设计哲学是「极简」，整个框架只做三件事：所有模型提供商的统一接口、工具调用的统一抽象、MCP协议的原生支持。不做记忆、不做规划引擎、不做推理增强。这些东西，全部交给上层的OpenWorker应用层去实现。
这种薄底层的直接好处是稳定，装完体验了一整天，没有崩溃、没有假死、没有诡异的报错。对于一个发布不到一周的Beta版产品，这个完成度很少见。
从aisuite的设计思路可以看出吴恩达想做的事：一个「AI操作系统」的雏形。底层统一调度各种模型和工具，上层封装成任何普通人都能用的桌面应用。程序员有几千万，知识工作者有几十亿。OpenWorker默认把代码生成排在能力列表很靠后的位置，排在前面的，是写文档、整日历、清邮箱、做调研、出报告。
装好用了一天，我让它做了四件事
先说一下我的测试环境，macOS，主力用的是DeepSeek模型，后面切到GPT做了对比，测试前连接了系统日历和本地文件系统。
第一件：装好它
下载安装本身没什么好说的，macOS版从官网直接下dmg，拖进Applications完事。第一次启动，界面非常干净，左侧对话列表，右侧任务面板，没有多余的按钮和菜单。
配模型的时候遇到了第一个小坑，我先试了Kimi的官方API Key，一直显示无效。切到DeepSeek，秒过。看起来对国内模型厂商的适配还没有完全到位，Kimi这种非标接口还需要等一等。
系统日历的连接是一键式的，点一下跳浏览器授权，整个流程不到30秒。UI全英文，但单词量不大，四级水平完全够用。
整体来说，安装没有门槛，不需要打开终端，不需要配环境变量。对一款面向普通用户的桌面工具来说，这是底线，但能做到的其实不多。
第二件：让它整理文件夹
我先准备了一个测试文件夹，里面混放了15个文件：几个PDF、几张截图、两个dmg安装包、一个zip压缩包、一些零散的文档。
Prompt是：「帮我把测试文件夹里的文件按类型整理：文档类放一个子文件夹、图片类放一个子文件夹、安装包和压缩包放一个子文件夹、其余放其他。」
它先弹了一个确认框，请求读取文件夹权限，我点了确认。几秒后又弹了一个，请求移动文件的权限，再点确认。
10秒后，文件夹整理完了。全部正确分类，没有遗漏，没有误删。它还顺手清掉了文件夹里一些项目残留的缓存文件，这个我没要求，算是意外惊喜。
但说实话，文件整理这件事，算不上什么独家能力。现在市面上的桌面端Agent基本都能做，更像是入场券而非杀手锏。
第三件：让它读文档写摘要
我在桌面建了一个「待读」文件夹，放了两篇AI行业的分析文章，让它读完写一份摘要。
Prompt是：「帮我把桌面上待读文件夹里的几篇文章读一遍，然后写一份阅读摘要：每篇文章的核心观点是什么，它们之间有没有共同的结论或者矛盾的地方，最后给我一个如果只记住一件事的一句话takeaways。输出一个Markdown文件放在桌面。」
大概两分钟后，一个格式干净的Markdown文件出现在桌面上。每篇文章的核心观点抓得准，共同结论也找得对，没编造任何原文里没有的内容。
不过这里要诚实地说一句：这个任务考察的更多是DeepSeek的理解能力，OpenWorker在其中扮演的角色比较轻，主要就是访问文件夹、读文件、写文件三步。Agent平台搭好了，活儿是模型干的。所以这个环节的体感更多是对DeepSeek的认可，而非对OpenWorker的认可。
这其实暴露了OpenWorker，或者说所有Agent产品，一个本质问题：Agent的上限就是底层模型的上限。Agent只能保证流程跑通，但最终交付质量取决于你接的是哪个模型。
第四件：让它做网络调研
这是一个更综合的测试。
Prompt是：「帮我调研一下最近一周AI领域最重要的3到5条新闻，每条写清楚发生了什么、为什么重要、影响了谁。最后按重要性排序，做成一个本周AI速览的HTML文件放在桌面。」
这个任务涉及搜索、信息筛选、事实核查、排版输出，是知识工作者很常见的需求。
OpenWorker完成得不错，首先是网络访问开箱即用，不需要单独配置代理或搜索引擎API，直接就能搜。对于桌面Agent来说，网络搜索能做到零配置的并不多，这是个加分项。
搜到的新闻确实是最近一周的，时效性没问题。整理的几条新闻覆盖了模型发布、开源动态和融资事件，信息没有张冠李戴，没有编造不存在的新闻。
生成的HTML文件排版干净，可以直接打开给同事看。但美观度很一般，缺乏视觉层次。不过这跟底层模型有关，DeepSeek在HTML美化方面本来就不是强项。
整个任务从提交到交付大约3分钟，中间不需要任何人工干预。对于一个Beta版产品来说，这个完成度超出预期。
第五件：从DeepSeek切到GPT，再跑一次
这是我最想测的一点，OpenWorker的核心卖点之一是「模型无关」，不锁死任何厂商。我前四项测试全用的DeepSeek，这次切成GPT，把网络调研的任务重新跑一遍。
切换体验是真好，不需要重启应用、不需要进设置菜单、不需要切换model provider。在对话框里直接点模型名，下拉选GPT，切完当场就能用。所有已经导入过的模型都在一个列表里，随便换。
重新跑了一遍调研任务，GPT的整体流程和DeepSeek几乎一致，唯一的区别是GPT在保存HTML文件时多请求了一次桌面写入权限，DeepSeek没有这一步。这应该是模型行为差异，不影响使用。
两版结果的质量，说实话半斤八两。GPT搜到的新闻稍有不同，HTML排版也差不多。至少在这个任务上，贵的模型并没有明显更好的表现。
但模型切换的流畅度给了我很好的印象，这意味着你可以根据任务类型灵活选模型：写文档用Claude、翻译用DeepSeek、跑代码用GPT……一个工具搞定，不用来回切换应用。
它距离真正的「AI同事」还有多远
用了一天之后，我的整体判断是：OpenWorker是目前把「AI替你干活」这个愿景实现的比较完整的一个产品。但它离帮一个普通人完成一天中大部分工作，还有不小的距离。
几件它做得好的：安装简单，开箱即用；网络搜索不需要额外配置；人在回路的设计让人放心给它部署到真实工作环境；模型切换的体验非常流畅，不用重启、不用进设置、直接在对话框里切；稳定，没有崩溃。
几件还不够的：文件整理这种单步任务，别人也会，竞争力不够突出；复杂任务的交差质量依赖底层模型，OpenWorker本身没有加多少「智能」层面的附加值；对国内模型厂商的适配还不全（比如前述的Kimi Key报错）；全英文界面虽然能用，但对国内用户确实有一定阅读门槛。
还有一个更深层的问题，在所有测试里，OpenWorker承担的主要角色是一个「管道工」：把模型的能力和你的工具连接起来。这已经很有用了，但如果它只是管道，那用户为什么不直接在浏览器里用AI聊天工具？
那些工具虽然拿不到你的日历、管不了你的文件夹，但也在快速给自己加「动手能力」。OpenWorker要维持自己的价值，就需要在连接器的广度、任务规划的可靠性、以及「管道之上的智能附加值」上持续拉开差距。
本文来自转载毒AI ，观点仅代表作者本人，发现AI平台仅提供信息存储空间服务。
如若转载，请联系原作者；如有侵权，请联系编辑删除。
微信扫一扫 
