项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-09-12 · 当前星标 ★ 1208
技术标签
使用教程
环境要求
- 可运行 Docker 的 Linux / macOS / Windows 环境(Windows 需 10 2004+ 或 Windows 11)
- 自备任意 OpenAI 兼容模型的 API Key(BYOK)
- 使用源码安装时需本机有 Ruby 与 Bundler 环境
- 能访问 ghcr.io 拉取容器镜像,或能访问官网下载桌面安装包
安装与启动步骤
-
1选择安装方式
README 提供桌面安装包与 Docker 两种方式。桌面版会自动装好环境、依赖与 Skills,新手优先选它。
-
2下载桌面安装包
从官方链接下载对应系统安装包,双击安装即可,无需手动配置环境与依赖。
-
3Docker 运行(Linux)
Linux 下必须加 --network=host,容器内 agent 才能连上宿主机 Chrome 的远程调试端口。
docker run -d --name openclacky --network=host \ -e CLACKY_ACCESS_KEY="" \ -v openclacky-data:/root/.clacky \ ghcr.io/clacky-ai/openclacky:latest -
4Docker 运行(Mac/Win)
macOS/Windows 不支持 --network=host,改为映射 7070 端口,浏览器自动化能力可能受限。
docker run -d --name openclacky -p 7070:7070 \ -e CLACKY_ACCESS_KEY="" \ -v openclacky-data:/root/.clacky \ ghcr.io/clacky-ai/openclacky:latest -
5从源码安装
克隆仓库、安装 Ruby 依赖后用 bin/clacky 启动,适合需要改代码的开发者。
git clone https://github.com/clacky-ai/openclacky.git cd openclacky bundle install bin/clacky -
6配置模型与密钥
启动后在交互界面输入 /config,填写 API Key、Model 和 Base URL,任一 OpenAI 兼容端点均可。
openclacky /config
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
CLACKY_ACCESS_KEY | 否 | 容器启动时通过 -e 传入的访问密钥环境变量,示例中为空 | CLACKY_ACCESS_KEY="" |
API Key | 是 | 调用大模型的密钥,通过 /config 设置,任一 OpenAI 兼容服务均可 | sk-xxxxxxxx |
Model | 是 | 使用的模型名称,如 Claude、GPT、DeepSeek、Kimi 等 | deepseek-chat |
Base URL | 否 | 模型接口地址,用第三方或自建端点时填写 | https://api.deepseek.com/v1 |
如何确认成功
Docker 方式启动后浏览器打开 http://localhost:7070 能看到界面;源码方式运行 bin/clacky 后出现交互提示符并可执行 /config。
常见问题
Q:Linux 下为什么必须加 --network=host?
A:README 说明容器内的 agent 需要访问宿主机上运行的 Chrome 远程调试端口,因此必须使用宿主机网络模式。
Q:macOS/Windows 上浏览器自动化不可用?
A:这两个系统不支持 --network=host,README 提示浏览器自动化能力可能受限,其余功能仍可正常使用。
Q:docker pull / run 报镜像不存在?
A:README 中镜像地址写作 ghcr.io/<owner>/openclacky,需把 <owner> 换成官方实际的组织名后再拉取。
Q:可以用哪些大模型?
A:开箱支持 Claude、GPT、DeepSeek、Kimi(Moonshot)、MiniMax、OpenRouter、OrcaRouter,也可填任意自定义 OpenAI 兼容端点。
注意事项
- 桌面安装包会自动完成环境、依赖与 Skills 配置,最省事,推荐普通用户使用。
- 容器方式的数据保存在 openclacky-data 卷中(对应容器内 /root/.clacky),删除容器不会丢失配置。
- README 中的镜像地址带有 <owner> 占位符,实际拉取前请以官网/仓库说明确认完整镜像名。
- 项目为 BYOK 模式,需自备模型 API Key,费用由所使用的模型服务商收取。
核心亮点
- 以 Token 效率为核心设计,长任务和多轮工具调用下成本优势明显
- 提供 skills 技能机制,能力可按需扩展而非一次性塞进上下文
- Ruby 实现,对 Ruby/Rails 技术栈团队接入门槛低
不足之处
- 生态与文档相对新,成熟度和示例丰富度不及 Python 系主流框架
- Ruby 语言在 AI/Agent 社区占比小,第三方集成和社区支持有限
适用场景
- Ruby on Rails 项目内嵌 AI Agent 做自动化任务
- 需要控制大模型调用成本的批量多步工具调用场景
- 为内部系统快速搭建可扩展 skills 的轻量智能体
替代项目
LangChain、CrewAI
上一篇:labs-OO-Agents
同类项目推荐
cantrip
开源
用 Elixir 打造实时多智能体协作环境,让编码自动化更灵活。
the extensible, customizable, self-documenting, real-time multi-agent computing envi···
plandb
开源
给 AI 代理用的任务追踪器,让多代理协作不迷路
The issue tracker your AI agents are missing. Think Linear or Jira, but for your Cla···
zexus
开源
用自然语言驱动 Revit,AI 自动写代码完成 BIM 自动化。
In-process Revit AI agent with dynamic C# code execution, multi-provider LLM support···
ai-free
开源
本地免费多模型AI助手,边聊天边写代码,隐私安全
Open-source local AI client and coding agent for DeepSeek, Qwen, ChatGPT and Economy···
Claude-Skills
开源
给 AI 助手装上 385 个现成技能,开箱即用
385 AI skills, 76 expert agents, and 906 stdlib Python tools for every team: enginee···
harmonist
开源
零依赖编排 186 个智能体,机械协议强制,即插即用
Portable AI agent orchestration with mechanical protocol enforcement. 186 agents, ze···
awesome-agentic-patterns
开源
智能体设计模式速查,少踩坑快选型
A curated catalogue of awesome agentic AI patterns
powermem
开源
给 AI 装上长期记忆,让对话更懂你
Agent memory: long-term memory & agent memory handoff. Claude Code & Codex.
codexloom
开源
把零散 AI 对话变成可复用的领域专家团队
Turn Codex threads into an organization of long-lived domain agents.
