OpenClacky
可自托管、支持多模型的低 Token 成本编程与通用任务智能体。
工作流对仓库内容仅授予读取权限，并把包写入权限限制在镜像发布任务，但运行示例使用主机网络、浏览器调试能力，并允许以空访问密钥启动。文档说明需要配置 API 密钥、模型和外部端点，却没有完整描述提示词、代码、执行结果或遥测会流向何处，也未说明密钥的存储、脱敏和轮换措施。编码、浏览器自动化、Skill 自更新及远程安装均可能产生外部或持久化影响，但所给材料没有展示逐项确认、权限边界或撤销机制。MIT 文件、贡献入口、仓库来源标签和贡献者页面提供了较好的来源归属；不过发布者身份仍未知。未发现红线行为，但缺少确认和回滚证据被明确扣分。
CI 覆盖多个 Ruby 版本、依赖解析、默认 Rake 任务以及发布镜像的健康检查，说明普通构建与分发路径得到一定处理。依赖锁文件被工作流引用，但内容未提供，因此无法审查具体依赖或锁定质量。README 要求 Ruby 3.1 以上，而 CI 同时测试 Ruby 2.6.8，形成支持范围不一致；Docker 文档还要求用占位符替换镜像所有者。失败输出主要出现在 CI 脚本中，缺少面向终端和 Web 用户的故障诊断、恢复建议及外部模型不可用时的行为说明，因此没有给高分。
材料清楚覆盖编码、研究、文案、多会话、CLI、Web UI、Docker、源码安装和多种模型提供商，受众与场景描述充分。命令、斜杠调用、配置入口和服务器参数提供了较明确的触发方式。环境适配包括 macOS、Windows、Ubuntu、Ruby 和容器路径，并明确指出 macOS/Windows 容器中的浏览器自动化限制。扣分点是能力边界仍较模糊：诸如与 Claude Code 能力相当、Skill 自进化以及广泛专业领域用途均未配套说明安全边界、失败条件或不适用场景。
README 结构清晰，安装、快速开始、配置、使用场景、源码构建、贡献和许可均易于定位；桌面、命令行、Docker 和源码安装说明较完整。产品、可执行文件、镜像和版本标签的命名大体一致，工作流也定义了稳定语义版本如何提升为 latest。MIT 正文完整，因此许可获得满分。示例覆盖常见启动和编码流程，但没有独立 FAQ；已知限制仅零散提到容器浏览器问题。版本发布机制存在，但未提供变更日志。贡献入口存在，然而维护者责任、支持渠道、响应承诺和安全报告路径不清楚，且许可署名 windy 与仓库组织之间的关系未解释。
CLI、Web UI、多会话、BYOK、模型选择以及编码示例表明输出可直接进入实际工作流，具有普通使用价值。最小工具集、缓存、子代理路由和 Skill 生态可能带来边际价值，但材料主要是产品声明，未提供实现文件或可核查的比较结果。约 0.8 倍成本、近 100% 缓存命中、冷启动成本降低 50% 以上及竞品倍数来自未公开的内部任务，完整基准仍待发布，因此成本效益只能得到薄弱分数。
许可、安装方式、CI 矩阵、镜像标签和健康检查可在所给文件间追踪，README 的部分操作性陈述与工作流相互吻合。核心效率、能力对等、研发年限、投资背景和竞品成本主张没有附带报告、方法、原始数据或所给代码证据，跨来源佐证不足。README 确实将数字描述为内部任务平均值并称报告尚未发布，这在一定程度上区分了测量背景，但营销性结论与已证事实仍混合呈现，故三项均扣分。
- 不要把约 0.8 倍成本、近 100% 缓存命中率、50% 以上冷启动节省或与 Claude Code 能力相当视为已独立验证；材料明确表示完整基准尚未发布。
- 一行式 curl 或 PowerShell 远程安装会直接执行网络脚本；静态材料未提供脚本内容、校验和、签名或固定修订，使用前应单独审查。
- 空 CLACKY_ACCESS_KEY 表示公开模式；将 Web UI 绑定到 0.0.0.0、启用主机网络或开放浏览器调试端口前，应配置访问控制并限制网络暴露。
- 在向外部 OpenAI 兼容端点发送源码、提示词或结果前，应确认提供商的数据保留政策及本项目实际的密钥存储和遥测行为。
- Skill 自更新、编码操作和浏览器自动化可能修改本地或外部状态，但所给材料没有证明确认、审计或回滚保障。
- README 的 Ruby 3.1 以上要求与 CI 中的 Ruby 2.6.8 目标不一致，应在部署前确认真实支持范围。
这个 Agent 能做什么，适合哪些场景？
OpenClacky 是一个 MIT 许可的开源智能体，主要通过终端 CLI 或多会话 Web UI 工作，可用于编程、文案和研究。它在当前目录启动交互式会话，能够搭建应用、修改功能并解释陌生代码库，同时通过 `invoke_skill` 调用扩展技能。系统保留会话并采用双缓存标记、Insert-then-Compress 和空闲时自动压缩，以降低上下文与首次响应的 Token 开销。它提供 16 个核心工具，并支持子智能体路由以及通过 `/` 浏览、搜索和调用技能。用户可配置 API Key、模型和 Base URL，连接 Claude、GPT、DeepSeek、Kimi、MiniMax、OpenRouter、OrcaRouter 或其他 OpenAI 兼容端点。部署边界包括本地 Ruby 运行环境、桌面安装器和自托管 Docker 服务；容器内的浏览器自动化在不同主机系统上存在网络限制。
用户运行 openclacky 后，智能体以当前目录为工作范围接受自然语言任务，例如用 /new my-app 创建项目、添加邮件密码认证，或分析支付模块。它通过 16 个核心工具执行任务，并把扩展能力集中到 invoke_skill：用户可以用 / 浏览、模糊搜索和直接调用技能，也可以用自然语言起草 SKILL.md、拆解步骤并执行验证。技能可在运行后依据执行上下文和结果更新，并支持 Claude Skills、Markdown Pack 和自定义格式。长会话不会主动重启；系统会在空闲时压缩上下文并预热缓存。openclacky server 则在默认的 http://localhost:7070 提供多会话聊天界面，让编程、文案和研究任务并行运行。
- 独立开发者在新目录中运行
/new my-app，搭建全栈项目并继续用自然语言添加认证等功能。 - 接手陌生代码库的工程师在项目目录启动 CLI，询问支付模块等现有代码的工作方式。
- 希望同时处理多项工作的团队成员启动 Web UI，分别运行编程、文案和研究会话。
- 使用自有模型密钥的开发者配置 API Key、Model 和 Base URL，在多个已列出的模型提供商或兼容中继之间选择。
- 有重复工作流的高级用户用自然语言创建并验证
SKILL.md，再通过/搜索和复用技能。 - 需要自托管服务的用户通过 Docker 或源码部署，并用
CLACKY_ACCESS_KEY保护远程 Web UI。
这个 Agent 有哪些优点和局限？
- 支持自带密钥和任意 OpenAI 兼容 API，并明确列出 Claude、GPT、DeepSeek、Kimi、MiniMax、OpenRouter 与 OrcaRouter。
- CLI、带多会话能力的 Web UI、桌面安装器和 Docker 均有文档化入口，部署选择较多。
- 仅提供 16 个核心工具，并通过
invoke_skill扩展能力，旨在减少工具模式带来的上下文开销。 - 会话持续运行，结合双缓存标记、Insert-then-Compress 和空闲时压缩；项目称其缓存命中率接近 100%。
- 技能支持自然语言创建、运行后更新，并兼容 Claude Skills、Markdown Pack 和自定义格式。
- 成本、缓存命中率和冷启动节省均来自项目内部测量；完整基准报告尚未发布，采购前难以独立核验。
- 使用 gem 或源码安装需要 Ruby >= 3.1.0，并需管理模型 API 密钥、Base URL 和相应网络访问。
- macOS 与 Windows 的 Docker 不支持文档要求的
--network=host，因此容器中的浏览器自动化可能受限。 - 将服务绑定到
0.0.0.0时需要正确设置CLACKY_ACCESS_KEY；空值会进入公开模式，存在暴露界面的风险。 - 技能可依据执行上下文和结果自我更新，采用前需要考虑技能行为变化及验证流程。
如何安装或部署这个 Agent？
桌面端可使用项目提供的 macOS .dmg 或 Windows .exe 安装器。命令行安装要求 Ruby >= 3.1.0，可执行 gem install openclacky；也可在 macOS/Ubuntu 运行 /bin/bash -c "$(curl -sSL https://raw.githubusercontent.com/clacky-ai/openclacky/main/scripts/install.sh)"，Windows 运行 powershell -c "& ([scriptblock]::Create((irm 'https://raw.githubusercontent.com/clacky-ai/openclacky/main/scripts/install.ps1')))"。源码安装步骤为 git clone https://github.com/clacky-ai/openclacky.git、cd openclacky、bundle install、bin/clacky。容器方式可从 GHCR 拉取版本镜像，或在仓库目录执行 docker build --build-arg VERSION=1.5.3 -t openclacky .，随后运行 docker run -d -p 7070:7070 -e CLACKY_ACCESS_KEY="" openclacky。Linux 若需让容器访问主机 Chrome 的远程调试端口，应使用 --network=host；macOS 和 Windows 不支持该模式，浏览器自动化可能受限。
如何使用这个 Agent？
安装后在目标项目目录运行 openclacky，输入 /config，设置 API Key、Model 和 Base URL；Base URL 可指向已列出的提供商或任意 OpenAI 兼容端点。完成配置后直接输入任务，或运行 /new my-app 创建项目。需要 Web UI 时执行 openclacky server 并打开 http://localhost:7070；可用 --port 8080 更换端口，或用 --host 0.0.0.0 开放远程访问。绑定 0.0.0.0 时必须提供 CLACKY_ACCESS_KEY 环境变量；空值表示公开模式。技能通过 / 浏览、模糊搜索和调用，也可直接描述需求，让系统起草并验证 SKILL.md。
这个 Agent 与同类方案有什么区别？
项目以 Claude Code 的成本 1.0× 为基准，声称 OpenClacky 在相近任务中的能力可比、平均相对成本约 0.8×；同时列出 OpenClaw 约 1.5×、Hermes 约 3×。功能表将 OpenClacky描述为 MIT 开源、支持 BYOK、技能自我演进及飞书、企业微信、微信、Discord、Telegram 集成，而 Claude Code 被列为闭源且仅限 Anthropic。工具数量对比为 OpenClacky 16、Claude Code 40+、OpenClaw 23、Hermes 52。上述数据被明确标注为内部常见智能体任务的平均测量，完整基准报告尚待发布。
常见问题
必须使用某一家模型提供商吗？
Token 成本优势是否已有公开基准证明？
远程开放 Web UI 时需要什么保护？
--host 0.0.0.0 时必须提供 CLACKY_ACCESS_KEY 环境变量。空值代表公开模式，部署者应避免在不受信任的网络中无保护暴露服务。Docker 中的浏览器自动化是否在所有系统上相同？
--network=host 才能访问主机 Chrome 的远程调试端口；macOS 和 Windows 不支持该模式，因此浏览器自动化可能受限。