夜雨聆风
2026年7月10日，由腾讯云自研的 AI 助手 Octop 正式开源！
Octop 开源地址：
https://github.com/TencentCloud/Octop
Octop 源自此前的 LightClaw ACE。
相比一次简单的品牌升级，Octop 更接近一次面向智能体时代的系统性重构：它重新梳理了用户、记忆、工具、执行环境与安全边界之间的关系，目标是让 AI 助手从“单次对话工具”演进为可长期使用、可持续扩展的个人与团队智能体助手。
"Octop" 取自章鱼（Octopus）：八爪并展、灵活多变、可同时处理多项任务。这正是我们对一款"家庭与团队 AI 助手"的全部想象：灵活、智能、多任务并行。
LightClaw ACE 是我们投向湖面的第一颗石子，则 Octop 就是那只真正游向开源海洋的章鱼。它把过去一年里我们对"个人 AI 助理到底该怎么用"的思考，全部重新实现了一遍。
为什么重做一款 AI 助手？
过去两年，AI 助手如雨后春笋般快速发展。但在真实使用场景中，仍有一些问题没有被很好解决。
很多 AI 助手仍以会话为中心，聊完即结束。
用户偏好、历史任务、长期上下文难以沉淀；更换设备、模型或运行环境后，助手往往需要重新理解用户。
家庭、小团队和企业并不是单一用户场景。
不同成员需要独立身份、独立记忆、独立工作区，也需要在必要时共享工具与能力。
如果缺少清晰的隔离机制，体验和隐私都会受到影响。
AI 助手要真正参与工作流，必须能够访问文档、浏览器、IM、云服务、企业系统和公共信息源。
但在很多实现中，工具接入仍依赖定制开发，复用性和可维护性不足。
真实任务往往不是“一问一答”，而是包含规划、调用工具、观察结果、调整策略和恢复执行的连续过程。
缺少工程化的 Agent Loop，复杂任务很容易在中途停滞。
基于这些判断，我们希望 Octop 不只是一个对话入口，而是一套面向长期协作、工具扩展和多环境部署的 AI Agent 运行体系。
六大核心能力
Octop 以家庭和小团队作为重要使用场景。
管理员可以创建多个成员账号，每个成员拥有独立的记忆、工作区和专家配置，从而在共享一套系统能力的同时，保持身份、数据和上下文隔离。
同时，Octop 支持多专家并行模式。
你：@营养师 帮我看下这周的三餐搭配合不合理你：@法律顾问 这份租房合同有没有坑你：@代码审校 帮我把这段 Python 重构一下
用户可以根据任务类型调用不同专家角色，例如资料整理、学习辅导、代码开发、文案生成、日程规划等，让一个助手具备多种专业分工能力。
Connector 是 Octop 扩展能力的重要基础。
通过 Connector，Agent 可以对接不同的数据源、工具系统与服务能力，并在统一抽象下完成调用。
当前可接入的能力包括：
腾讯文档：支持 Agent 读取、整理和协作处理文档内容。
腾讯云 OpenAPI：支持 Agent 调用云上能力，辅助完成资源查询、状态分析和自动化操作。
腾讯新闻：支持 Agent 基于资讯内容进行摘要、分析和解读。
MCP Server：支持通过标准协议扩展更多外部工具与数据源。
从开发者视角看，Connector 是一层“能力即插件”的标准化抽象。新增一个数据源，可以通过注册 OAuth 应用或接入 MCP Server 完成，而不需要改动 Agent 核心逻辑。
安全与可控是 Octop 的底层设计原则。Agent 的读写行为发生在明确的隔离边界内，用户可以根据部署环境选择不同后端。
支持的后端包括：
本地磁盘：默认方案，部署简单，适合个人和轻量场景。
Docker 容器：任务在隔离环境中执行，适合对运行边界有要求的场景。
PostgreSQL：适合团队级持久化与结构化管理。
腾讯云 COS / S3 兼容存储：适合云端隔离存储与跨环境访问。
这意味着，用户可以根据隐私、安全、协作和运维需求，自主决定数据存放在哪里、任务在哪里执行，以及 Agent 能访问哪些资源。
在 Octop 中，记忆系统基于工作区构建，而不是绑定在某一个模型或某一次会话中。
用户可以在本地使用 Ollama 等轻量模型处理日常任务，也可以在需要复杂推理时切换到云端大模型。模型可以切换，但工作区、历史上下文、用户偏好和任务记录可以持续保留。
这让 Agent 的连续性不再依赖某个单一模型，而是沉淀在可迁移的工作空间中。用户也可以将完整工作区打包迁移，让另一个 Agent 接续任务，减少上下文丢失带来的重复沟通成本。
复杂任务的关键不在于一次回答，而在于持续执行：先规划，再调用工具，随后观察结果，并根据反馈继续调整。
Octop 的全新 Agent 引擎围绕这一过程内建了多项机制：
动态模型路由：根据任务复杂度选择合适模型。
工具串联：支持多工具协同完成连续任务。
检查点机制：长任务可中断、可恢复。
技能系统：将高频工作流沉淀为可复用能力。
例如，当用户提出“调研三家竞品，生成对比报告，并同步到群里”这样的复合任务时，Octop 可以将任务拆解为信息检索、内容分析、报告生成和消息分发等步骤，并在执行过程中持续更新状态。
远程桌面是 Octop 面向真实办公环境的重要能力之一。它让 Agent 不再局限于命令行或对话框，而是能够进入图形化工作界面，辅助用户完成更贴近实际操作的软件流程。
通过控制台，用户可以：
远程办公：在手机或平板上接入家中或办公环境中的电脑。
AI 接管 GUI：让 AI 操作图形界面软件，完成表单填写、点击流程和资料处理。
隔离桌面：在 headless 服务器上一键拉起隔离图形桌面环境。
结合浏览器自动化和终端能力，Octop 可以从“对话式助手”进一步扩展为一个可操作、可观察、可恢复的数字工作空间。
技术内核：一个进程，扛全场
Octop 基于腾讯自研 harness-agent 运行时构建，采用单进程设计，降低部署复杂度，同时保留对多通道、多工具和多后端的扩展能力。
| 语言 | Python 3.11+ |
| Web 框架 | FastAPI + uvicorn |
| Agent 运行时 | harness-agent |
| IM 桥接 | harness-gateway |
控制平面数据库 | SQLite（WAL）+ aiosqlite |
| 前端 | React 18 + TypeScript + Vite + Ant Design |
| 调度 | APScheduler |
| ACP | agent-client-protocol |
| 质量保障 | ruff · mypy · pytest |
四个核心模块运行时各司其职：
| Agent Runtime | 负责模型路由、工具调用、技能执行与对话检查点管理。 |
| IM Bridge | 支持飞书、钉钉、QQ、Discord、企业微信等多平台 IM 通道接入。 |
| Memory Store | 提供分层召回与全文检索能力，让记忆可以随工作区迁移。 |
| Browser CDP | 基于 CDP 实现浏览器自动化，并支持持久化登录态。 |
它不依赖任何外部消息队列或中间件，而是通过进程内的 HarnessProcessor 统一路由 Web UI、IM 与定时任务。最终呈现为一个可重启恢复的单进程：整个状态在启动时从 ~/.octop/octop.db 重建。
这种架构使 Octop 在个人部署、小团队协作和企业集成场景中，都可以保持较低的部署门槛和较强的扩展弹性。
从工具到数字生命体
个人用户用于周报撰写、资料整理、日程规划、信息检索和长期知识管理。
家庭与小团队
通过一个管理员账号管理多个成员，让不同用户拥有独立 Agent 与独立记忆。
企业用户支持多 Agent 并行协作，并可接入飞书、钉钉等办公套件，融入企业内部流程。
场景一：家庭共用的 AI 助手
家长可以使用“营养师”规划三餐，孩子可以通过“作业辅导”理解数学题，家庭成员也可以使用各自的助手管理资料、日程和任务。
一个 Octop 实例，可以服务多个成员，同时保持数据隔离。
场景二：开发者工作流
开发者可以在 Zed、OpenCode 等开发环境中通过 MCP 接入 Octop，让 Agent 参与代码阅读、资料检索、脚本执行和项目维护。
场景三：团队自动化与信息同步
用户可以通过远程桌面处理图形界面任务，通过浏览器自动化完成信息采集、截图和表单操作，也可以用自然语言配置定时任务。
例如：“每天早上 8 点，把微博科技榜前三条同步到团队群。”
安全与隐私：本地优先，无厂商锁定
Octop 将本地优先作为默认设计。配置、对话、工作区与凭证可以存储在用户自己的环境中，Agent 的访问范围也可以通过身份和工作区机制进行隔离。
核心安全设计包括：
本地优先：配置、对话、工作区和凭证均可本地保存。
JWT 隔离：按用户隔离 Agent 与工作区权限。
可私有部署：支持完全离线运行。
零厂商锁定：LLM 供应商、存储后端和 IM 通道均可自由切换。
无论使用 OpenAI 兼容 API、DashScope，还是本地 Ollama，用户都可以按 Agent 灵活配置模型能力，并根据任务需求选择合适的运行方式。
一分钟上手
# 一键安装（macOS / Linux）curl -fsSL https://finnie-1258344699.cos.ap-guangzhou.myqcloud.com/octop/install.sh | bash# Windows（PowerShell）irm https://finnie-1258344699.cos.ap-guangzhou.myqcloud.com/octop/install.ps1 | iex# 初始化（创建数据库、JWT 密钥、首个管理员）octop init# 启动（API + Web 控制台）octop run
打开 http://127.0.0.1:8088，默认账号 admin / octop（请立即修改密码）。
生产环境推荐 Docker：
docker compose -f deploy/docker-compose.yml up -d⚠️ 默认管理员密码为 octop，首次启动后请尽快在「设置 → 用户」中修改，避免服务暴露到公网时被未授权访问。
开源路线图
Octop 的开源只是起点。后续我们将持续向社区开放更多核心能力，并与开发者共同完善智能体基础设施。
后续计划包括：
Agent Skills Marketplace：建设可复用的技能市场。
Agent Protocol：探索跨 Agent 通信协议。
MCP Server 模板：降低新数据源和新工具接入成本。
企业级管理控制台：提供多租户管理与企业级治理能力。
仓库采用 MIT 协议，无厂商锁定，欢迎通过 Pull Request 参与共建：
Fork 本仓库
创建功能分支（
git checkout -b feature/amazing-feature）提交前运行
make all（后端）或make check-all（全栈）发起 Pull Request
同时我们诚挚邀请有兴趣的同学能成为 Maintainer、Contributor 或 User：
Agent 开发：共同设计更专业的专家角色
客户端开发：打造更优雅的交互体验
文档与设计：让技术更好地被理解与传播
👉 欢迎 Star、提交 Issue 或加入我们，一起探索 AI 的无限可能！
GitHub： https://github.com/TencentCloud/Octop
写在最后
章鱼拥有多条触手，可以同时感知和探索不同方向。Octop 也希望成为这样一套面向未来的 AI Agent 系统：连接工具、承载记忆、理解用户，并在可控边界内持续执行任务。
我们选择开源 Octop，不是因为它已经完成，而是因为我们相信，真正可持续的智能体生态，需要在开放协作中逐步形成。
游向开源的海洋，Octop 已就位。
Lighthouse Agent焕新升级：管理更统一
