夜雨聆风
每月交20刀用ChatGPT，聊天记录全存在别人服务器上。一群开发者说：受够了。他们花了928个commit，把整套AI工作台搬到了你自己电脑上。6天，5.7万颗星。
https://github.com/pewdiepie-archdaemon/odysseus
你在ChatGPT里输过的每一句话，都存在OpenAI的服务器上。
你的代码片段、你的商业计划、你半夜三点的灵感、你让AI帮写的辞职信——全在别人手里。你知道这件事，但你懒得想。
直到有一天你发现，ChatGPT的隐私政策写了：你的对话数据可能用于训练模型。
Odysseus 就是在这个情绪下火起来的。
5月31日创建仓库，6天冲到5.7万颗星。日均将近1万颗。GitHub上2026年增长最快的开源项目之一。
我花了15分钟把它装好，用了一天。说几点真实感受。
先说说这东西是什么
一句话：自托管版的全能AI工作台。
你在ChatGPT里能干的——聊天、写东西、搜资料——它都能干。但它多出来的东西，才是5万颗星的原因：
Agent能帮你执行任务、读写文件、跑命令行。Cookbook能扫描你的显卡，告诉你跑什么模型合适，一键下载。Deep Research能帮你做多步调研，自动综合成报告。还有文档编辑器、邮件客户端、日历、笔记本、任务管理。
全跑在你自己机器上。数据一行都不出你的硬盘。
装一下试试
我没用 git clone，国内网络你懂的，直接下了ZIP包。22MB。
解压之后四步：
# 创建虚拟环境 python -m venv venv # 安装依赖（80+个包，大概2分钟） pip install -r requirements.txt # 初始化（创建数据目录、数据库、管理员账号） python setup.py # 启动服务 python -m uvicorn app:app --host 127.0.0.1 --port 7000
80多个包一口气装完，零报错。
这一点让我刮目相看。928个commit的项目，依赖管理做得这么干净，不多见。有些项目光装环境就能折腾一下午，Odysseus两分钟搞定。
setup.py 跑的时候会让你输入管理员账号密码。有个小坑：它用了交互式输入，在非终端环境会报 EOF 错。不过不影响——服务照样能跑，只是没创建 admin 账号而已。
启动之后5秒，打开 http://localhost:7000。
登录页干净，没花里胡哨的动画。进去之后是 Chat 界面——左侧会话列表，中间对话区，底部输入框。跟 ChatGPT 布局几乎一样，不用学。
第一个让我"我去"的瞬间：前端只有26KB。
26KB。不是 React，不是 Vue，是一个原生 JS 写的单页应用。页面秒开。你想想你上次打开 ChatGPT 等了多少秒——这个零等待。
后端是 FastAPI，Python 写的，启动也是秒级。整个技术栈透着一股"能省则省"的劲。
跟ChatGPT 摆在一起比
维度 | ChatGPT | Odysseus |
数据在哪 | OpenAI 服务器 | 你的硬盘 |
聊天 | ✅ | ✅ |
Agent 执行任务 | 有，但受限 | ✅ 能跑 shell、读写文件 |
本地模型选型 | 不涉及 | ✅ 硬件扫描+一键部署 |
文档编辑 | ❌ | ✅ 多标签编辑器 |
邮件管理 | ❌ | ✅ IMAP/SMTP |
日历同步 | ❌ | ✅ CalDAV |
深度调研 | 有，Plus专属 | ✅ 多步自动综合 |
月费 | $20 | 0（用自己的模型） |
部署难度 | 注册即用 | 需要命令行 |
Open WebUI 是个优秀的聊天前端，但它只是聊天。Odysseus 想做的不是聊天前端——它想当你本地的 AI 操作系统。
三个让我停下来的功能
▸ Cookbook。
本地跑模型最大的门槛不是技术，是选择。Llama、Qwen、Mistral，FP16、GGUF、AWQ，你的显卡到底能跑哪个？
Cookbook 的做法是：扫描你的 GPU 型号和显存大小，算出你能跑的模型列表，按适配度打分排序，点一下就开始下载和部署。
它把"选模型"这件玄学变成了硬件扫描+一键安装。不懂模型的人也能上手。
这个功能基于 llmfit 库做的，支持 VRAM 感知、GGUF/FP8/AWQ 量化格式，能对接 vLLM 和 llama.cpp 两种推理引擎。
▸ Compare。
同时开几个模型，匿名对话，测完才告诉你哪个是哪个。
选模型不再靠名字和跑分——你直接看回答质量。盲测，零偏见。
▸ Deep Research。
给它一个研究课题，它自动做多步搜索、读网页、综合信息，最后生成一份可视化报告。
类似 Perplexity 的 Research 功能，但跑在你自己机器上，搜索记录不上传。
但是，它不完美
说几个不爽的地方。
ChromaDB 需要单独跑 Docker。向量记忆和 RAG 功能依赖 ChromaDB，而这玩意原生安装搞不定，必须起一个 Docker 容器。不用 Docker 的人——比如我这次测试——这部分功能就用不了。
聊天、Agent、文档这些核心功能不受影响，但记忆系统是这个项目的重要卖点，用不了有点可惜。
文档偏重 Docker 部署。原生 Windows 安装的说明比较简略，很多配置细节藏在 Docker 文档里。
UI 不精致。作者自己在 README 里写了"more jank and fun"。功能完整度超出预期，但视觉打磨还差一截。
配置 API key 不太方便。要在 Settings 页面里一个个填，没有 .env 快捷方式（.env 只用于部署级配置）。如果你要对接好几个模型提供商，得花点时间。
适合谁
在意隐私、不想把数据交给云端的开发者
想本地跑模型但不知道怎么选的人——Cookbook 帮你搞定
不想每月交20刀 ChatGPT 订阅的人
想要一个整合了聊天、Agent、文档、邮件、日历的本地工作台的人
喜欢折腾自托管服务的玩家
不适合谁
连命令行都不想碰的人——装这个需要终端操作
需要企业级稳定性和客服支持的人
没有 GPU 又不想用 API 的人——纯 CPU 跑大模型体验一般
只想找个 ChatGPT 网页替代品、不需要额外功能的人——Open WebUI 更轻量
我的判断
Odysseus 的护城河不是聊天。
聊天谁都能做，套个壳就行。它的护城河是把 Agent、文档、邮件、日历、笔记、任务全整合到了一个本地界面里。你不用在五个工具之间切来切去，所有 AI 相关的工作在一个窗口里完成。
这才是5万颗星的原因。开发者要的不是另一个 ChatGPT 克隆，是一个属于自己的 AI 工作台。
6天5万星，这不是一个聊天工具的增速。这是一个方向被验证的信号。
每天一个开源瓜，写代码就像开挂
