taOS 自托管智能体操作系统
在自有硬件上运行、编排并保存智能体、模型、记忆与文件。
- 源仓库
- jaylfc/taOS
- Star 数
- ★ 603
- 最近更新
- 今天
- License
- AGPL-3.0
- 主语言
- Python
- FA 评分
- 71/100 · 存在缺口
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台Claude Code · OpenAI API · Claude API
- 费用
- 免费，无需付费服务
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 重视数据主权的个人或小团队，希望把对话、文件和长期记忆留在局域网设备上，同时保留按需调用云模型的选择。
- 不适合
- 需要开箱即用稳定版的团队：项目仍处于 Beta，部分代理管理与模型路由流程尚未完善
- 不愿承担主机级权限与存储配置的用户：Linux worker 安装会创建特权 LXC、btrfs 存储池和 nftables 规则
- 只想跑单个聊天或推理服务的轻量用户：完整控制器需 Python、Node 22、PostgreSQL、SQLCipher 及多端口
- 源码审查
- 71/100 · 存在缺口
这个 Agent 能做什么，适合哪些场景？
taOS 是一个以 FastAPI 控制器、React 网页桌面、taOSmd 记忆系统、LiteLLM 代理和分布式工作节点为核心的自托管智能体平台。它可以在单台树莓派、Orange Pi、Mac、PC 上运行，也能把多台设备组成按硬件能力调度的推理集群。平台负责智能体的记忆、文件、密钥、消息渠道、模型访问和容器生命周期，而 SmolAgents、OpenClaw、OpenAI Agents SDK、Langroid 等框架作为可替换的执行引擎运行。用户通过浏览器桌面、移动 PWA、WebSocket 聊天、HTTP API、命令行和 MCP 插件管理智能体，并可产出消息、文件、知识索引、图像、视频、音频、游戏及 LoRA 适配器。它支持完全离线的本地模型，也可选择连接 OpenAI、Anthropic、DeepSeek 或兼容 API；项目目前明确标记为 Beta，部分应用、框架、模型安装清单及管理流程仍可能失败或不完整。
控制器通过 FastAPI 和网页桌面管理智能体、工作节点、应用、模型、渠道、密钥、任务与备份。部署向导按“框架→模型→配置→部署”流程，把智能体放入 LXC 或 Docker 隔离环境，并为其分配独立 taOSmd 记忆、文件空间和网络身份。taOSmd 从消息、笔记、文件与搜索活动中摄取内容，经事实提取、时间知识图谱、FTS5 关键词检索、向量检索、RRF 合并、交叉编码器重排和上下文组装，为智能体提供长期记忆；平台通过 POST /ingest/batch、GET /search?mode=bm25、POST /vsearch 等接口读写相关数据。Channel Hub 从 Telegram、Discord、Slack、Matrix、邮件、Web Chat 和 Webhook 接收消息，再通过通用消息格式及框架适配器路由到智能体。LiteLLM 提供内部 OpenAI 兼容接口、虚拟 API 密钥、预算和速率限制，并在本地与可选云端后端之间路由请求。集群工作节点上报硬件、负载和已加载模型，调度器据此分配推理、嵌入、图像生成或训练工作；应用商店还可安装框架、流式桌面应用、模型和 47 个 MCP 插件。
- 重视数据主权的个人或小团队，希望把对话、文件和长期记忆留在局域网设备上，同时保留按需调用云模型的选择。
- 拥有 Orange Pi、树莓派、Mac mini 和游戏 PC 等闲置设备的家庭实验室用户，希望把它们组合成异构 AI 推理集群。
- 需要试用多种智能体框架的开发团队，希望由平台统一保存记忆、渠道、文件和密钥，从而减少更换执行框架时的数据迁移。
- 需要在 Telegram、Discord、Slack、邮件和网页聊天之间统一接入多个智能体的团队，并希望集中管理机器人令牌和消息路由。
- 需要本地生成图像、视频、语音、游戏或训练 LoRA 的创作者，且已有适配的 GPU、NPU 或 CPU 工作节点。
- 使用 Claude Code、aider、opencode 等 CLI 编码智能体的项目团队，希望通过审批、作用域令牌、看板和 A2A 总线让外部智能体加入工作流。
如何安装或部署这个 Agent？
控制器支持 Debian、Ubuntu、Fedora、Arch、Alpine 和 macOS。标准安装命令为：
curl -fsSL https://raw.githubusercontent.com/jaylfc/taOS/master/scripts/install-server.sh | sudo sh脚本会安装 Node.js 22、Python 环境及系统依赖，并启动 tinyagentos.service（端口 6969）和 qmd.service（端口 7832）；不使用 sudo 时会安装为用户级 systemd 单元。安装完成后打开 http://your-host:6969，或在支持 mDNS 的网络中打开 http://taos.local:6969。开发模式可执行：
pip install -e .
python -m uvicorn tinyagentos.app:create_app --factory --host 0.0.0.0 --port 6969本地模型不要求云端凭据；如需使用 OpenAI、Anthropic、DeepSeek 或兼容服务，应在 Providers 应用中添加并测试相应凭据。可选的登录密码可用于保护控制面板。生产采用前应检查脚本将安装的 PostgreSQL、systemd 服务、端口和数据目录；仓库明确说明当前为 Beta。
如何使用这个 Agent？
首次打开 http://your-host:6969 后，可在 Store 安装所需框架和模型，再进入 Agents 应用使用五步向导选择框架、模型、配置并部署。通过 Messages 或独立的 /chat-pwa 与智能体聊天；通过 Memory、Files、Channels、Secrets 和 Tasks 管理其知识、工作区、消息连接、凭据与定时任务。新增 Linux/macOS 工作节点时运行：
curl -fsSL https://raw.githubusercontent.com/jaylfc/taOS/master/scripts/install-worker.sh | sudo bash -s -- http://your-server:6969工作节点首次运行会显示配对码，需要在 Cluster 应用中批准；若不希望局域网广播，可设置 TAOS_PAIR_MANUAL=1，并在 15 分钟内手工输入节点地址和一次性 PIN。外部编码智能体先调用 POST /api/agents/auth-requests 请求身份及作用域，由用户审批项目和权限后，使用签发的 Ed25519 registry JWT 访问看板、A2A、Canvas 或项目文件接口。升级控制器可在仓库目录执行 bin/update.sh。
这个 Agent 有哪些优点和局限？
- 平台把记忆、文件、渠道、密钥和模型入口置于框架之外，允许在支持的执行框架之间切换而保留平台管理的数据。
- 同一控制器可调度 Apple Silicon、NVIDIA、AMD、Rockchip NPU、树莓派、Android 和纯 CPU 节点，并根据工作节点实时上报的能力路由任务。
- taOSmd 提供时间知识图谱、关键词与向量混合检索、零损归档、重排和来源支持验证，而不是只保存聊天记录。
- 既可完全离线运行，也可通过 LiteLLM 接入多个云端提供商；每个智能体可获得带预算和速率限制的虚拟密钥。
- 网页桌面、移动 PWA、消息渠道、MCP 目录和应用商店集中覆盖部署、聊天、监控及内容生成。
- 项目处于 Beta；说明明确指出部分智能体管理、工作节点连接和模型路由流程仍在完善，许多应用、框架及模型清单尚未在真实硬件上验证。
- 完整安装会引入 Python、Node.js 22、PostgreSQL、SQLCipher、多个 systemd 服务和若干端口，运维复杂度明显高于单一聊天或推理服务。
- Linux 工作节点的推荐安装会创建特权 Incus LXC、btrfs 存储池和 nftables DNAT 规则，对宿主机权限、安全审查和存储规划要求较高。
- 在 Proxmox 等环境的非特权 LXC 内无法直接创建嵌套智能体容器，需要改用启用 nesting 的特权容器；这会改变隔离与风险边界。
- README 中的 97.0% LongMemEval-S 成绩是端到端 Judge 指标，不能直接与采用 Recall@5 的 MemPalace 或 agentmemory 数字横向比较。
这个 Agent 与同类方案有什么区别？
与把记忆绑定在单一执行框架中的方案相比，taOS 将记忆、消息渠道、文件、密钥和模型访问放在框架外部，并支持在 SmolAgents、LangChain、OpenClaw 等执行引擎之间切换。其用户记忆定位类似自托管的 Pieces App。taOSmd 公布的 97.0% LongMemEval-S 是“检索—生成—LLM 评分”的端到端结果，而 MemPalace 的 96.6% 和 agentmemory 的 95.2% 是 Recall@5 检索指标，因此来源明确说明这些数字并非同类比较。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| taOS 自托管智能体操作系统 当前 | 71 · 存在缺口 | 自托管服务免费 | ★ 603 | 今天 | Python | Claude Code · OpenAI API · Claude API |
| MUXI AI 应用服务器 | 59 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 178 | 1 个月前 | — | — |
| LobeHub — AI团队首席智能体运营平台 | 48 · 缺口较多 | 自托管服务免费 + 模型费 | ★ 84k | 今天 | TypeScript | ChatGPT · OpenAI API · Claude API |
| Agents Squads | 73 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 56 | 16 天前 | TypeScript | Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示本地优先、云端选择加入、按类别控制记忆采集、代理读取用户记忆需显式配置，工作节点配对还采用一次性 PIN、人工批准和签名密钥；模型清单描述了固定校验和，安全策略提供私密漏洞报告渠道。扣分原因是推荐安装命令从 master 分支直接下载脚本并以 sudo 执行，Linux 工作节点会创建特权 LXC、网络转发规则和系统服务；未提供完整的权限清单、秘密存储生命周期、云提供商数据流图或系统级撤销/卸载方案。删除浏览器资料虽有 API 测试，但所给材料未证明危险操作均需二次确认。来源和若干上游项目有署名，但发布者身份仍未知。
README、包配置和前端单元测试共同展示了明确的平台行为、依赖约束、网络错误降级和状态处理；安装器被描述为幂等，部分依赖限制还记录了具体回归原因。扣分原因是没有执行证据，许多可用性陈述仅来自 README；前端辅助函数在网络失败时常返回空数组、null 或 false，可能隐藏故障细节；“43 个捆绑应用”与随后列出的分类数量并不完全直观一致，且 README 明确承认大量清单未经真实硬件验证。
材料清楚覆盖个人自托管、低功耗设备、桌面/移动端、异构集群、多代理框架、本地与云模型等场景，并给出多种操作系统和硬件路径，因此受众、场景和环境适配证据较强。扣分在能力边界和触发精度：虽然说明了 beta 状态、未经验证的清单、显式记忆权限、配对和硬件过滤，但未给出完整的代理工具授权模型、每项技能触发规则或跨框架适配器的失败边界。
README 信息架构丰富，快速开始、发行版依赖、手动开发启动、工作节点安装、配对和已验证平台均有具体说明；已明确标示 beta、未验证目录项、支持分支策略和完整 AGPL-3.0 许可证。扣分原因是 taOS 与 tinyagentos 名称及命令并存，可能增加迁移和运维歧义；没有单独的 FAQ、完整卸载/升级/回退说明或所给证据中的正式变更日志。维护渠道和响应预期明确，但维护责任主要指向未验证身份的单一维护者，治理和接替路径不清楚。
产品描述展示了可直接使用的网页桌面、消息、代理、文件、模型、监控和集群工作流，并将多框架共享记忆及消费级硬件聚合作为明显增量价值。扣分原因是这些效果主要由项目自述和少量局部前端测试支持，未静态展示主要端到端输出；硬件价格和离线收益有说明，但安装、特权容器、模型存储、维护以及云服务的总成本与复杂度没有系统量化。
来源提供了具体文件路径、接口、环境变量、版本限制、问题编号、测试用例和设计文档引用，部分声明可在 README、pyproject、SECURITY 和测试之间相互印证；基准段落也明确指出自身 Judge 准确率与外部 Recall@5 并非同类指标。扣分原因是关键性能、规模、校验和验证及“默认不离开硬件”等广泛声明没有在所给代码片段中逐项追溯，外部基准和真实硬件报告未被独立交叉验证，若干营销性结论仍超过当前静态证据。
- 不要在审阅并固定脚本版本之前，将来自 master 分支的远程安装脚本直接通过管道交给 sudo。
- Linux 工作节点安装会创建特权 LXC、btrfs 存储池、nftables 转发规则及 root 系统服务；应先在隔离主机上核对权限、端口和卸载路径。
- 项目仍为 beta，README 明确说明许多应用、框架和模型清单未在真实硬件上验证，部署前应逐项试验。
- 代理浏览器可访问会话 Cookie，系统还能保存 API 密钥和长期记忆；应限制代理技能、网络范围和秘密访问，并准备密钥轮换与数据删除流程。
- 本评估仅基于给定文件的静态审阅，未执行安装、测试、基准或安全扫描。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
发布说明摘录
Security hotfix cut from beta.55. Security - Agent containers now reach the controller through a dedicated loopback listener (agent_controller_port, default 6972) so agent requests are never mistaken for the local console. New deploys are refused until the listener is verified, and existing agents are moved onto it at controller startup. ([GHSA-j7pr-x9wf-86g6](https://github.com/jaylfc/taOS/security/advisories/GHSA-j7pr-x9wf-86g6)) Update from Settings. Until you have updated, do not use the swipe unlock method on an install that runs agents.在 GitHub 查看 ↗ -
发布说明摘录
Added - Operators can now review a registered agent's active scope grants per project from the Agents app and revoke them (individually or the whole project) through the admin-gated POST /api/projects/{id}/members/revoke-agent route. (#2985). - Lock screen: a physical device agent (taOSusb) appears while it is plugged in and disappears when it is unplugged, and can be asked to do things from the chat sheet. Demo-gated behind TAOS_LOCK_DEMO_DEVICE_AGENTS AND the Settings demo-mode switch, and off by default. …在 GitHub 查看 ↗ -
发布说明摘录
Added - Lock screen: the System panel now lists each agent's CPU, RAM and storage alongside the device readings. - Lock screen: the phone, mailbox and apps panels no longer show "not wired up yet" placeholders over their content. - Lock screen: summoning the agent chooser on a dark screen no longer flashes the lock screen first, and the arc fades up out of black. - Lock screen: closing the agent chooser that was summoned on a dark screen returns to black instead of revealing the lock screen. - Lock screen: the power menu, quick-settings radios and camera shortcut now …在 GitHub 查看 ↗