早上睁开眼，你想看的AI资讯已经整理好躺在那里；中午吃饭时，竞品动态监控报告发到了群里；晚上睡觉前，一条新视频被自动剪辑好并发布了出去。

这不是请了个全能助理，而是你的电脑自己就把活儿全干了。

最近开源圈有个项目火得很快，刚发布就涨了2700多颗星。它就是 OpenFang——一个用 Rust 完全从零构建的、真正的代理操作系统 。

OpenFang 是一个开源的代理操作系统——它不是聊天机器人框架，也不是 LLM 的 Python 封装，更不是“多代理编排器”。它是一个完整的自主代理操作系统，完全用 Rust 从零开始构建。用 Rust 编写的开源代理操作系统。137K 行代码。14 个 crate。超过 1767 个测试。零 Clippy 警告。

传统的代理框架需要你输入指令。而 OpenFang 运行的是自主代理，它们可以按照预设的时间表全天候为你工作，构建知识图谱、监控目标、生成潜在客户、管理你的社交媒体，并将结果报告到你的仪表盘。项目地址：https://github.com/RightNow-AI/openfang，官方主页：https://www.openfang.sh/

⚙️ 核心亮点：Hands——自带 SOP 的“数字员工”

OpenFang 最特别的设计，叫 Hands。

你可以把普通代理理解成一个“接单的外卖员”——你说去哪他就去哪，路线断了就停在原地等你。但 Hands 是一个有完整 SOP（标准作业程序）的“正式员工”。

每个 Hand 内置了四样东西：

  • 📅 运行计划：它知道自己该什么时候干活。
  • 🧠 专家知识库：它懂自己领域的专业知识。
  • 🛠️ 工具调用权限：它能用浏览器、剪辑软件、API。
  • 📊 Dashboard 指标：干完活知道把结果汇报到哪。

目前 OpenFang 已经内置了 7 个非常实用的 Hands，覆盖了日常工作的很多方面：

  1. Collector（情报收集员） 👀：帮你盯着竞品动态、行业舆情，一有风吹草动就告警，还能在后台自动构建知识图谱。
  2. Lead（销售拓客员） 💼：每天自动全网挖掘潜在客户，做背景调研、按价值打分、去重整理，最后打包成 CSV 或 Markdown 发给你。
  3. Researcher（深度研究员） 📚：这不是普通的搜资料。它会用“事实核查”的标准，交叉验证多个信息来源，生成带引用、支持多语言的研究报告。
  4. Clip（视频剪辑师） 🎬：上传一条长视频，它会自动跑完“识别高光片段 → 剪成竖屏短剧 → 加字幕 → 生成封面 → 发布到平台”的 8 阶段流水线。
  5. Browser（网页操作员） 🌐：可以在网页上帮你自动点按填表。但有个严格底线：只要涉及花钱的操作，立刻停下来等你点头。
  6. Twitter/X 管家 🐦：自动管理账号内容、互动。
  7. Predictor（预测分析员） 🔮：基于数据进行趋势预测。

如果你觉得内置的不够用，也可以自己动手写一个 HAND.toml 文件，封装一个专属的 Hand。

🛡️ 权限越大，安全门槛越高

让 AI 自己操作浏览器、发帖、处理数据，权限太大了。万一失控怎么办？

OpenFang 在设计架构时就把安全嵌入了底层，而不是事后打补丁。它内置了 16 层独立的安全机制：

  • WASM 双计量沙箱 🏝️：所有工具代码都跑在沙箱里，出问题也影响不到主系统。
  • Merkle 哈希链审计日志 🔗：每一个操作都有加密记录，不可篡改，出了问题能精准定位。
  • 消费审批门 💳：只要是涉及金钱的操作，系统会强制中断，必须人工确认后 AI 才能继续。

📊 同类工具对比：OpenFang 与 OpenClaw 的差异

很多人会把 OpenFang 和另一个知名的代理框架 OpenClaw 放在一起比较。虽然它们名字相似，但设计理念完全不同：

  • OpenClaw 本质上是一个 “多代理编排器”，它擅长让你把多个 Agent 串联起来完成复杂任务，但每个任务都需要你手动触发。你写好流程，点一下运行，它跑完就停。就像一个精密的流水线，但需要工人来按开关。而且 OpenClaw 由于功能丰富，对系统资源要求较高，内存占用常在几百 MB 以上，还需要依赖 Docker 等环境。
  • OpenFang 则是一个 “代理操作系统”，最大的区别在于自主调度。你不需要手动触发任务，只要配置好 Hand 的“运行计划”（比如每天上午 9 点执行一次），它就会像个永动机一样，到点自己启动、执行、休眠、再启动。而且 OpenFang 编译后只是一个约 32MB 的独立二进制文件，不依赖 Docker、Python 或 Node.js，冷启动低于 200ms，空闲内存仅约 40MB，普通电脑跑起来毫无压力。

简单来说，OpenClaw 像一个按需运行的“工具包”，而 OpenFang 是一个常驻后台的“员工军团”。OpenFang 在支持的 LLM 供应商数量（27+ 家，123+ 模型）、对接的通讯平台（40+ 个，包括 Telegram、Discord、Slack、邮件等）以及安全层级上也更胜一筹。

💡 使用技巧与适用人群

谁最适合用 OpenFang？

  • 独立开发者/创始人 👨‍💻：让 AI 帮你监控市场、挖掘潜在客户、管理社交媒体，一个人就是一个团队。
  • 研究员/分析师 📈：让 Researcher 手每天自动生成带引用的行业报告，节省大量案头工作。
  • 内容创作者 🎥：Clip 手可以成为你的 24 小时视频剪辑助理，处理繁琐的后期流程。
  • 运维/安全极客 🔐：体验 16 层安全防护下的自主代理，探索 AI 自动化的边界。

几个使用小技巧：

  • 从模板开始：刚上手时，可以先激活内置的 Hands（如 researcher 或 collector），看看它们是如何工作的。

    openfang hand activate researcher
openfang hand status researcher
  • 善用 Chat 模式：虽然 Hands 是自主运行，但你也可以随时用 openfang chat researcher 直接和某个手对话，给它临时指派任务。
  • 监控仪表盘：安装完成后，记得经常看看 http://localhost:4200 上的仪表盘。那里能看到所有 Hands 的运行状态、LLM 的花费明细，以及详细的审计日志。
  • 尝试定制 Hand：熟悉之后，可以尝试编写自己的 HAND.toml，定义一套完全属于你的自动化 SOP。

🚀 下载安装与部署

说了这么多，怎么把它跑起来？非常简单，不需要复杂的环境配置。

系统要求

OpenFang 支持 macOS、Linux 和 Windows。不需要 Docker，也不需要 Python 或 Node.js 环境。只要电脑能联网（首次安装和配置 API Key 时需要），普通配置就能流畅运行。

一键安装（macOS / Linux）

打开终端，复制粘贴这三行命令，回车：

curl -fsSL https://openfang.sh/install | sh
openfang init
openfang start

执行 openfang init 时，系统会引导你设置 LLM 供应商（如 OpenAI、Anthropic 或国内厂商）和一些基本参数。启动成功后，浏览器会自动打开仪表盘，地址是 http://localhost:4200。

安装（Windows）

以管理员身份打开 PowerShell，运行：

irm https://openfang.sh/install.ps1 | iex
openfang init
openfang start

后续步骤和 Mac 一样。

如果你是 OpenClaw 老用户

项目还提供了一个贴心的一键迁移命令，可以把之前所有的 Agent 配置、对话历史、Skills 全部迁移过来：

openfang migrate --from openclaw

日常管理命令

安装完成后，你可以通过这些命令管理它：

  • openfang status：查看运行状态
  • openfang stop：暂停系统
  • openfang restart：重启
  • openfang hand list：查看所有可用和已激活的 Hands

OpenFang 刚发布 v0.1.0 版本，还在快速迭代中。如果你也受够了“半自动”的 AI 工具，想让代理真正 24/7 为你工作，现在就可以去 GitHub 点个 Star，然后装起来试试。

毕竟，未来的竞争，可能不再是比谁的模型更聪明，而是谁搭的自动化流程跑得更稳、更安全、成本更低。