腾讯开源!让团队每个人都有 AI 助手!极空间部署 Octop

团队里用 AI 的场景越来越多了：写方案、整理会议纪要、查资料、排查服务器问题，几乎每个人每天都在跟 AI 打交道。

但用着用着问题来了，想给团队中的所有人都配上一个专属的 agent ，除了云上方案之外，就是在每个人的电脑上都装一个 agent ，但这又会导致电脑无法关机，一旦关机，你就失去了和你的 agent 对话的权利。

那能不能将 Agent 部署在团队的服务器上呢？同时团队里的其它人也都能进行使用？全团队每人一个账号， AI 记得住每个人的工作习惯，成员之间还能互相协作。

Workbuddy 大家都很熟知了，这是一款腾讯出品的办公 Agent ，用户可以将其部署自己的电脑上，那针对团队使用呢，腾讯云 CodeBuddy 团队最近又开源了个 Octop 项目，其中一大特点就是原生自带用户管理系统，部署在 NAS 上这不就是个 7*24 小时的 Agent 了么？

Octop 是什么？

Octop 是腾讯云 CodeBuddy 团队 2026 年 9 月开源的自托管 AI 助手平台， MIT 协议。开源才三个星期， GitHub 上 Star 已经破 6.9k ， Issue 区几百条讨论，更新非常勤，我部署时用的还是两天前刚发的 v1.0.2b6 。

项目在 GitHub 的地址是 github.com/TencentCloud/Octop ，官网 octop.cloud ，文档、更新日志、下载入口都齐。官方的介绍是「懂你、帮你、陪你成长的智能伙伴」，定位就是给个人和团队用的自托管 AI 助手。

它最大的特点是「一个进程就是一个完整的 AI 助手平台」： Web 控制台、多用户管理、专家 Agent 、长期记忆、定时任务、 IM 通道全都内置，数据统一存放在自己的设备上。

对团队来说，它有几个直击痛点的点：每个成员有独立账号，专家、记忆、对话完全隔离；内置 AgentTeams 多智能体协作，可以把一个需求拆给多个 AI 专家分工干活；微信、飞书、钉钉这些国内 IM 直接接入；危险命令默认人工审批。该有的都有，后面挨个实测。

极空间部署 Octop

Octop 的安装方式很丰富：

官方安装脚本、 PyPI 包、桌面客户端都有。

但说实话我觉得这类工具，还是安装在一个能 7*24 小时运行的设备上比较好。咱们普通玩家手上有什么能够 7*24 小时运行的设备呢？

NAS

我想大部分 NAS 用户的设备都不会关机吧，那作为一台 7*24 小时运行的设备，而且底层还是 Linux ，拿来跑这些服务可以说再合适不过了。并且这类服务基本上都是调用云端 API 来运行，所以也不会要求部署的机器有非常强的性能，目前主流 NAS 的性能已经是完全够用了。

咱们这边使用极空间的 Z4 Pro+性能版来部署，官方仓库中就带了完整的 Dockerfile 和 compose 文件。

先在系统设置里打开 SSH 开关，用 SSH 工具连上 NAS ，

第一步，创建目录并下载官方源码包：

sudo mkdir -p /tmp/zfsv3/sata11/你的账号/data/docker/octop  #记得替换成自己的路径cd /tmp/zfsv3/sata11/你的账号/data/docker/octop  #记得替换成自己的路径curl -sL -o source.zip https://codeload.github.com/TencentCloud/Octop/zip/refs/tags/v1.0.2b6unzip -q source.zip && mv Octop-1.0.2b6 source && rm source.zip

第二步，写 docker-compose.yml 和 .env ：

services:  octop:    image: octop:latest    container_name: octop    restart: unless-stopped    build:      context: ./source      dockerfile: docker/Dockerfile      args:        PIP_INDEX_URL: https://mirrors.cloud.tencent.com/pypi/simple        PIP_TRUSTED_HOST: mirrors.cloud.tencent.com        NPM_REGISTRY: https://mirrors.cloud.tencent.com/npm/        APT_MIRROR: mirrors.cloud.tencent.com    ports:      - "8088:8088"    environment:      - TZ=Asia/Shanghai      - HOME=/data      - OCTOP_BIND_HOST=0.0.0.0      - OCTOP_PORT=8088      - OCTOP_DEFAULT_PASSWORD=${OCTOP_DEFAULT_PASSWORD}      - OCTOP_ADMIN_USERNAME=admin    volumes:      - ./data:/data/.octop

# .env 首次启动初始化管理员密码（至少 8 位，含字母和数字）

OCTOP_DEFAULT_PASSWORD=**********OCTOP_ADMIN_USERNAME=admin   #用户名以及密码记得自己修改

第三步，构建并启动：

sudo docker compose up -d --build

这里有两个小坑提前说一下。一是国内 NAS 直连 Docker Hub 一般不通，构建需要的 node:20-slim 、 python:3.12-slim 这几个基础镜像，可以先走国内镜像源拉下来再改回原名，一次就够：

sudo docker pull docker.m.daocloud.io/library/node:20-slimsudo docker tag docker.m.daocloud.io/library/node:20-slim node:20-slimsudo docker pull docker.m.daocloud.io/library/python:3.12-slimsudo docker tag docker.m.daocloud.io/library/python:3.12-slim python:3.12-slim

二是构建过程会编译前端和安装 Python 依赖， N355 上大概十来分钟，看到「 healthy 」就算大功告成，镜像成品 2GB 出头。

部署完成之后，直接输入 nas ip+:8088 就能进入登录界面。账号默认是 admin ，密码就是 .env 里设置的那个，当然，登录之后记得马上改掉。

使用体验

第一次登录进来，第一件事是配模型。

Octop 不自带大模型，需要在「管理-模型」里填一个 API Key 。这点对国内团队反而友好，腾讯云、 Kimi 、 MiniMax 、 DeepSeek 、阿里云、火山引擎这些都是预置好的，选一个填上 Key 就能用，连 base_url 都帮你写好了。我用的是 MiniMax ，站点选中国，模型一栏还能自由开关。

然后是建专家。专家是 Octop 里的核心概念，可以理解成**「有身份、有技能、有记忆的 AI 员工」**，每个专家都有独立的工作区、提示词和工具权限。

系统内置了 17 个专家模板，本地化浓度相当高：有教 AI 编程工具的实战导师、看家护院的安全合规卫士，还有专注 Word/Excel/PPT 的办公自动化助手「小办」和精通 Linux 运维的「运维工程师 Ops 」。我按团队常见的分工建了三个：小通打杂、小办写文档、运维工程师管机器。

对话体验是最能看出功力的地方。我随手跟小通打了个招呼，让它记住我的名字，它一边回答一边调用了 5 次工具，把我的信息写进了记忆档案，聊天界面里能清楚看到「编辑了 1 个文件」的工具卡片。 AI 不只是嘴上说说，是真的在干活。

过了一会我再问「我叫什么名字」，它直接答对，还补了一句「已经写进档案了」。这种记忆是真实的文件级记忆，容器重启也不会丢。对团队更有用的是，每个成员的专家记忆互相隔离，谁的工作上下文都不会串。

接下来是这次体验的重点：

AgentTeams 多智能体协作。

我把小办和运维工程师拉进一个叫「 NAS 运维小分队」的团队，然后只丢了一句话：「请团队盘点一下这台机器的资源情况」。

主持人先没有急着动手，而是把这句话改写成了一份结构化的任务书，目标、范围、交付格式写得清清楚楚，连「建议用 lscpu 、 free -h 、 df -h 取数」「不要写文件、直接结构化输出」这种细节都安排好了，然后派给运维工程师。等数据采集完，再转交小办整理，最后主持人汇总收口。

最终产出的《本机资源简报》里， CPU 拓扑、负载、内存占用、磁盘空间全是这台 NAS 的真实数据，还标注了数据来源命令。整个过程中我只需要开头那一句话。这种「一句话需求、多专家分工交付」的体验，单个聊天机器人真给不了。

多用户是 Octop 区别于大多数单机 AI 工具的地方。

管理员可以给每个同事开账号，成员之间的专家、记忆、对话完全隔离，还能按角色控制权限。登录方式也照顾得很全：飞书、企业微信、钉钉扫码登录，通用 OIDC 和 LDAP 也都支持，接企业现有的账号体系不费劲。

对团队日常使用影响最大的其实是IM 通道。

Octop 一共支持 10 个通道，微信、 QQ 、企业微信、飞书、钉钉都在列，甚至还有腾讯元宝和华为小艺。配置好之后，同事在钉钉群里发消息就能直接使唤 NAS 上的 AI 专家，连网页都不用开。

定时任务我也建了个真的。「每日晨间机器巡检」，调度方式直接给 Cron 表达式，任务指令用自然语言写：报告 CPU 负载、内存占用、磁盘剩余空间，有异常给建议。还可以指定结果发到哪个会话、走哪个模型，支持每次执行新开会话。到点它会自动干活并把结果推送过来，相当于一个不知疲倦的值班员。

安全同样也是非常重要的一点。

AI 能执行 Shell 命令、能读写文件，放在公司环境里听着就慌。

Octop 的做法是「工具审批」：

可以指定哪些工具在执行前必须人工确认。我实测了一下，开启审批后再让它 rm -rf ，命令会被当场拦下，弹出「需要确认这次操作」的卡片，完整命令、参数一目了然，批准才执行，也可以直接拒绝让 AI 换方案。放在团队环境里，这就是最后一道闸门。

当然这里也有个小槽点：

安全防护页的「启用工具人工审批」开关，我点了之后弹窗确认完， API 一查居然没保存上，反复点了几次才生效。安全相关的交互还是得稳一点，希望后续版本修一下。

最后算笔账。团队最关心的成本问题， Octop 内置了完整的 Token 统计：按天、按专家、按模型都能查，缓存命中率直接展示，还能导出 Excel 。我这两轮团队协作加日常对话花了 20 多万 tokens ，其中缓存命中 78%，实际成本远比看上去低。

文档问答（知识库）也内置了，上传团队文档建立索引之后，对话中可以直接检索引用，还能在同实例成员之间共享语料。团队 wiki 、产品手册、规章制度丢进去，新同事的问题直接问 AI 就行。不过需要先在知识库设置里启用，并配一个向量模型。

写在最后

Octop 这个项目我觉得还是挺有意思的。

市面上的 AI 助手，要么是纯云端的，数据不在自己手里；要么是单机自托管，只能一个人用。 Octop 抓住的其实是中间的空白地带：一个小团队，想要一个能部署在本地，调用云端 API 运行或者本地跑的模型运行，同时又能多人同时使用。

当然它也不是没有缺点：没有现成镜像，首次部署要从源码构建；大模型要自己配 Key ，效果好坏取决于你愿意花多少钱；远程桌面、浏览器自动化这些能力还需要额外装环境；再加上安全开关保存失效这种小 bug ，都说明项目还很年轻。

但如果你有一台 NAS 或者一台闲置的服务器，想让团队用上「记得住事、干得了活」的 AI 助手， Octop 值得一试。

那么好了，以上就是本篇文章的全部内容啦。

希望对你有所帮助。

我们下篇文章再见。