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 2026-08-09 · 当前星标 ★ 1076
使用教程
环境要求
- Windows / macOS(Apple Silicon 或 Intel)/ Linux x86_64 桌面系统,或可联网的服务器与无头机器
- 首次启动需要联网完成一次性初始化下载(约 1~2 分钟)
- 终端安装脚本会在缺失时自动安装 bun、Python 和 uv
- 源码运行需要 bun 1.4+ 与 Python 3.12
- Docker 自托管方式需要本机已安装 Docker 与 Docker Compose
安装与启动步骤
-
1下载桌面安装包
按操作系统下载对应安装包:Windows 用 exe,macOS 区分 Apple Silicon 与 Intel 的 dmg,Linux 用 AppImage 或 deb,链接始终指向最新 release。
-
2安装并首次启动
安装后打开应用,首次启动会自动完成一次性初始化下载(一到两分钟),随后进入 Home 页面。
-
3连接 AI 提供方
在 Settings > Connectors 中填入自己的 API Key,或使用本地模型;若未连接,Home 会主动提示你连接。
-
4招聘第一个员工
在 Home 中直接描述一份工作内容即可雇佣第一个 AI 员工,员工会在本机后台持续工作并自我改进。
-
5查看示例工作流
切换到 Dev 模式进入工作流编辑器,侧栏列有三个示例员工,打开即可了解团队是如何由多个智能体拼装而成的。
-
6终端方式安装
适用于服务器和无头机器:脚本会自动安装依赖并装好 opencompany 包,然后启动服务。
curl -fsSL https://opencompany.sh/install.sh | bash company start -
7Docker 自托管部署
克隆仓库后用 compose 从源码构建镜像并启动单个容器,数据保存在 opencompany-selfhost_data 卷中。
git clone https://github.com/zeenie-ai/OpenCompany.git cd OpenCompany docker compose up -d --build -
8源码运行(贡献者)
克隆仓库后执行构建与开发启动命令,需要本地已有 bun 1.4+ 与 Python 3.12。
git clone https://github.com/zeenie-ai/OpenCompany.git cd OpenCompany bun run build bun run dev
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
AI Provider API Key | 是 | 在 Settings > Connectors 中配置,用于驱动 AI 员工工作,也可改用本地模型 | sk-xxxxxxxx |
如何确认成功
桌面版启动后自动进入 Home 页面;终端与 Docker 方式在浏览器打开 http://localhost:5678,能注册 owner 账号即成功。
常见问题
Q:macOS 提示应用无法打开怎么办?
A:当前构建尚未代码签名,需到「系统设置 > 隐私与安全性」中手动允许该应用运行,之后即可正常启动。
Q:Windows 弹出 SmartScreen 拦截怎么办?
A:点击提示中的「更多信息」,再选择「仍要运行」即可放行,这是未签名构建的正常现象。
Q:终端安装完成后访问哪个地址?
A:浏览器打开 http://localhost:5678 即可使用,数据存放在 ~/.opencompany,与桌面应用共享。
Q:没有 AI 服务商的密钥能用吗?
A:可以自带 API Key,也可以在本机免费运行本地模型,不收取订阅费且没有使用次数限制。
Q:Docker 方式的数据和端口如何管理?
A:数据全部保存在 opencompany-selfhost_data 卷中,5678 端口只发布在本机,首次访问需注册 owner 账号。
注意事项
- 桌面构建尚未代码签名,macOS 与 Windows 首次运行都可能需要手动放行。
- 终端安装脚本区分平台:macOS/Linux 用 bash 脚本,Windows 用 PowerShell 脚本。
- 终端与 Docker 方式都使用 5678 端口,且数据默认只保存在本机。
- 源码运行需要 bun 1.4+ 与 Python 3.12,遇到问题可参考仓库中的 SETUP.md。
核心亮点
- 多智能体协同架构,支持复杂任务分解与并行执行
- 内置自进化机制,系统能根据业务反馈持续优化
- 集成 n8n,方便对接现有自动化工作流
不足之处
- 项目处于早期,文档和社区生态尚不完善
- 实际业务落地效果缺乏大规模验证案例
适用场景
- 初创公司探索 AI 驱动的自动化运营
- 开发者构建自定义多智能体业务系统
- 研究 AI 自主决策与工作流编排
替代项目
AutoGPT、CrewAI、MetaGPT
上一篇:mlxstudio
下一篇:groundcrew
同类项目推荐
reverse-engineering-assistant
开源
让 AI 直接操作 Ghidra,逆向分析少翻汇编多出结论
MCP server for reverse engineering tasks in Ghidra
jadx-mcp-server
开源
让 AI 直接反编译 APK,对话里查代码找漏洞
MCP server for JADX-AI Plugin
nb-cli
开源
让AI代理用命令行轻松操控Jupyter笔记本
A CLI-first interface for AI agents to work with notebooks
dockershrink
开源
用 AI 自动瘦身 Docker 镜像,构建更小更快的应用
AI Assistant that reduces the size of your application's Docker Image
VCPToolBox
开源
给大模型装上永久记忆和工具手,变身全能智能体
VCP 部署在 AI 模型 API 与前端应用之间,是面向AGI OS开发和探索的工业级基建示范项目。通···
Cerno-Agentic-Local-Deep-Researc···
开源
本地优先的深度研究,推理透明,模型随意切换,数据不出门。
Cerno is a local-first research platform that leverages agentic AI to break down com···
graphicle
开源
给编码智能体装上代码地图和记忆
Code graph and memory for your coding agents, in one Rust program. For Claude Code, ···
Resource2Skill
开源
把人类教程自动变成智能体可调用的技能
A general framework for distilling human-created multimodal resources into reusable,···
mcp-hub
开源
一个面板管好所有 MCP 服务器,动态启停监控不折腾
A centralized manager for Model Context Protocol (MCP) servers with dynamic server m···
