你听说吗？吴恩达开源了个能自己干活的本地AI

吴恩达老师昨天开源了一个不是聊天机器人的东西。它是本地优先的桌面AI同事：你只说想要的结果，它就自己拆步骤、跨本地文件和HubSpot、Slack、日历等工具干活，直接交出带图表的HTML报告、可发送的消息或重新排好的日程； 任何有后果的操作前都必须你批准，准备客户续约brief、处理Slack事故告警、解开混乱的周二日程时， 而且它交的是真正能用的成品，我觉得真正值得讨论的不是“又多了一个 Agent 工具”，是它选择的反向逻辑。闭源都在锁模型、锁生态的时候，OpenWorker 选了最难的路：本地优先 + 模型无关。

GPT、Claude、Gemini 随便换，Kimi、GLM、DeepSeek 原生支持，甚至能跑纯本地 Ollama。这看上去是“更开放”，实际上是更高级的锁定。它锁的不是你的模型订阅费，是你和它之间的工作流信任。

当你的续约 brief、事故报告、日历排期都在它的风险引擎里跑通，当你习惯了“给我结果”而不是“跟我聊天”——那时候你换不掉的不是模型，是 OpenWorker 定义的那套“交付标准”。产品层面也很有意思， 它有一个明确的分水岭设计：read 随便跑，write_local 受限，exec 和 external 必须人批。四种权限模式从“只讨论”到“全自动”，比大多数 Agent 那套“弹个窗问一下”严谨得多。

这不是技术选择，是产品逻辑对了一次——Agent 落地最大的阻碍不是能力不够，是用户不敢放手。还有个细节，视频演示里四个场景都很务实：拉 HubSpot 数据生成 HTML 报告、分析 Slack 告警输出时间线、整理混乱的日程并重新排期。每个流程结束都是同一个动作：把成品交到你手上，然后停下来等你批准。

像个实习期的新同事，能力有，但知道什么时候该敲门。开源 + 本地优先 + 模型无关——这组合对中文用户的价值可能被低估了。金融、医疗、企业内部这些隐私敏感场景，之前根本没得选，只能忍着数据出境或者干脆不用。

OpenWorker 给了一条能完全跑在本地的路，而且原生支持国产模型。当然挑战也明显：多系统集成长期维护难、幻觉在实操层风险更高、用户要从“聊天习惯”切换到“委托习惯”需要时间。但当行业都在卷谁的模型更强，有人反过来定义“强了之后怎么用”——这件事本身就值得被看到。