OpenAkita — 开源多Agent AI助手
不止聊天，一个能自主执行任务的AI团队。
证据显示有权限模型（3-tier）、确认门、路径分区、命令拦截、文件快照、自保护、OS沙箱等安全特性，但多为README声明，未提供具体实现细节或配置示例，故每项仅给1分。扣分原因：缺乏代码级证据，且未说明默认权限是否最小化。
自一致性：README与pyproject.toml、requirements.txt基本一致，但requirements.txt中websockets版本与pyproject.toml不一致（16.0 vs <16.0），扣分。依赖可用性：依赖列表完整，但未提供锁定版本或校验和，存在供应链风险。失败消息：未提供错误处理或用户提示的示例。
受众与场景：README明确面向首次用户和开发者，提供多种使用场景。能力边界：列出89+工具和8种插件类型，但未说明具体限制。触发精度：未详细说明命令或技能触发机制。环境适配：支持多平台和多种LLM，但未提供系统要求细节。
信息架构：README结构清晰，有目录和分节。安装说明：提供多种安装方式，但缺少故障排除。命名稳定性：版本号存在，但未说明命名规范。示例与FAQ：有示例，但无FAQ。已知限制：未明确列出。许可证：AGPL-3.0，但未说明兼容性。版本与变更日志：有版本号，但未提供CHANGELOG。维护责任：有安全联系邮箱，但未明确维护者。
输出可用性：描述输出形式多样，但未提供实际输出示例。边际价值：功能丰富，但未与同类产品对比。成本效益：未提供性能或资源消耗数据。
声明可追溯性：README中的功能声明未链接到具体代码或文档。跨来源佐证：仅依赖README，未提供其他来源。事实与推断分离：未明确区分事实和推断。
- 依赖版本不一致：requirements.txt中websockets版本与pyproject.toml冲突，可能导致安装问题。
- 安全特性多为声明，缺乏实现细节，建议审查实际代码。
- 未提供CHANGELOG，版本变更不透明。
这个 Agent 能做什么，适合哪些场景？
OpenAkita是一个开源的通用AI助手框架，采用多Agent协作与组织化编排架构。它内置AgentOrchestrator协调器、ReAct推理引擎、Plan Mode、双模记忆系统（片段记忆与MDRM关系图）、6层沙盒安全模型，并支持插件系统（8种类型、3级权限、10个生命周期钩子）与MCP客户端。其桌面端（Tauri 2.x）、Web和移动端可接入Telegram、飞书、企业微信、钉钉、QQ等6种IM平台。安装可通过桌面安装包（GUI配置）、pip install或源码方式，使用时可执行CLI命令（如openakita run "Build a calculator"）或通过IM扫码绑定后直接对话。
OpenAkita提供多Agent协作与组织化编排，将复杂任务自动分解并分配给多个专门Agent（如搜索、分析、写作）并行处理，支持自动交接与故障转移。它具备Plan Mode将任务分解为步骤并实时跟踪，ReAct引擎实现思考-行动-观察循环并支持回滚。集成89+内置工具（Shell、文件、浏览器、桌面自动化、搜索、调度器、MCP等），可读写文件、执行命令、自动操作桌面、运行定时任务。通过IM扫码绑定（微信、飞书、企业微信等）后，用户可在聊天中发送消息、图片、语音和文件，AI自动理解并响应。它还支持创建“AI公司”（组织编排），设置CEO、CTO、CFO等角色，通过黑板共享、消息路由、心跳检测等机制自主运行。
- 个人用户：使用桌面应用通过GUI配置API Key后，自然语言指令让AI创建计算器、爬取天气数据等。
- 办公场景：在飞书或企业微信中扫码绑定，通过@AI发送任务，如生成周报、管理日程。
- 开发团队：利用Plan Mode与多Agent并行，将复杂项目如开发一个网站自动拆分为设计、编码、测试等子任务。
- 企业管理者：构建“AI公司”，设定组织架构（CEO、CTO、CFO）与角色职责，让AI代理自主协作完成市场分析、产品规划等。
- 自动化爱好者：使用89+工具与插件系统，集成MCP服务器（如GitHub、数据库），实现自定义自动化工作流。
这个 Agent 有哪些优点和局限？
- 真正多Agent协作与组织化编排，超越单一对话，能自主执行复杂任务链。
- 支持30+LLM提供商（Anthropic、OpenAI、DeepSeek、Qwen等）智能容错，无锁定风险。
- 6层沙盒安全（路径隔离、确认门、命令拦截、文件快照、自保护、OS级隔离），保障高风险操作。
- 插件系统丰富（8类、10个生命周期钩子），扩展性强，且内置20个AI媒体插件（如视频生成、配音）并附带913项测试。
- 低门槛：完全GUI配置，5分钟启动，无需命令行，支持扫码绑定IM，适合非技术用户。
- 依赖外部LLM API，需自备API Key并支付费用，本地小模型不推荐。
- 桌面应用基于Tauri，移动端仅作为客户端需连接桌面后端，不能完全独立运行。
- 复杂功能（如组织编排、内存图可视化）学习曲线较陡，文档较技术化。
- AGPL-3.0许可可能限制商业闭源集成。
如何安装或部署这个 Agent？
提供三种方式：
- 桌面应用（推荐）：从https://openakita.ai/download下载Windows(.exe)、macOS(.dmg)或Linux(.deb)安装包，按向导安装，填入Anthropic或DeepSeek的API Key即可。
- pip安装：执行
pip install openakita[all]，然后运行openakita init进行向导配置。 - 源码安装：
git clone https://github.com/openakita/openakita.git，cd openakita，创建虚拟环境并激活，pip install -e ".[all]"，openakita init。
如何使用这个 Agent？
安装后运行 openakita 启动交互式CLI，或 openakita run "Build a calculator" 执行单次任务。使用 openakita serve 启动服务模式以连接IM渠道。在桌面应用中，通过GUI配置LLM端点、IM渠道、技能和计划任务。绑定IM后，在聊天中@AI即可对话。高级用法包括创建组织（可视化拖拽设计公司结构）、安装插件（从市场一键安装或GitHub直接安装）、集成MCP服务器（通过GUI或CLI管理）。