8月26日消息Andrew Ng 团队维护的开源智能体 OpenWorker 发布新版重点强化了安全工作流内置代码漏洞扫描、依赖供应链注入检测、云安全配置检查三类网络安全智能体同时整个 harness 完全开源、可审计还支持用本地开源权重模型处理敏感代码。一句话概括AI 写代码已经不够新鲜了现在开始有人操心 AI 写出来的代码安不安全。事实OpenWorker 是什么新版加了什么OpenWorker 是 7 月下旬在 GitHub 上开源的桌面 AI 智能体MIT 协议定位是本地优先的 AI 同事——它不满足于和你聊天而是直接交付成品一份文档、一条带数据的 Slack 回复、一个排好序的收件箱。目前仓库约 1.6 万 star。它的核心设计是bring your own model支持 OpenAI、Anthropic、Gemini也支持 DeepSeek、Kimi、Qwen、GLM 这些国内模型还可以通过 Ollama 全本地运行。连接器覆盖 GitHub、Slack、Jira、Notion、Gmail 等 25 个以上常用工具支持 MCP 协议扩展。所有写操作、发消息、跑命令之前都要人工确认属于典型的人在回路设计。这次新版的关键变化是把安全从外围搬到了内置代码漏洞扫描对 agent 生成或修改的代码做漏洞检查依赖供应链注入检测识别依赖被投毒、被替换的风险云安全配置检查检查云资源配置里常见的错误和暴露面。三件事指向同一个问题AI 写代码带来了新的风险而这个风险现在由 AI 来查。技术本质AI 编程普及之后安全成了新的瓶颈这两年 AI 编程工具普及代码产量上去了但风险也放大了。开发者对 AI 生成的代码天然信任度偏高——它看起来规范、注释齐全恰恰更容易被忽视漏洞而依赖投毒这类供应链攻击是近几年开源生态里最头疼的问题之一。AI 生成的代码再混进不干净的依赖问题会被指数级放大。OpenWorker 的思路值得注意的有两点一是harness 开源、可审计。智能体要操作你的文件、终端和各种账号本身就是高权限软件。把执行框架完全开源等于把没有后门这件事交给社区验证这是建立信任的基础动作。二是本地模型跑敏感代码。企业代码、客户数据传不传云端一直是 AI 工具的隐忧。支持 Ollama 本地跑开源权重模型意味着敏感场景下数据可以完全不出本机——性能换隐私看场景取舍。变了的是行业关注点从怎么让 AI 多干活转向怎么让 AI 干活不出事。没变的是重要操作依然要人点头最后一道闸还是人。实用建议怎么用、怎么选、有哪些坑想尝鲜的话官网提供 macOS 和 Windows 的安装包也可以从源码跑gitclone https://github.com/andrewyng/openworkercdopenworker# 一次性初始化 Python 虚拟环境bashpackaging/setup_dev_env.sh# 启动本地 agent 服务.venv/bin/openworker-server--cwd~/some/project--port8765配模型这一环比较友好国内开发者可以直接填 DeepSeek、Kimi 或 Qwen 的 API key在意数据隐私就接 Ollama全本地跑。选型上要说清楚OpenWorker 和 Cursor、Claude Code 不是一类东西。后者是 AI 编程 IDE聚焦写代码OpenWorker 是干杂活的通用 agent——整理日历、发周报、盯邮件、定时任务顺带做安全巡检。如果只是想要个写代码的助手用它不如用专门的编程工具。几个坑提前说它还在 beta。仓库自己标注了fully usable but actively polishing rough edges生产环境用之前先小范围试。Windows 版安装包还没做代码签名据官方说明Windows 安装时 SmartScreen 会弹警告属正常现象但要注意来源。本地小模型能力有限。本地跑开源权重模型能保护隐私但小模型的工具调用能力和理解能力明显弱于云端大模型别期望太高。自动化不等于无人化。定时任务、无人值守的自动化会把审批积压成一个待办队列真要无人跑安全 agent 的扫描结果得接进你的告警体系而不是只看日志。结尾AI 写代码从会不会卷到了安不安全对打工人来说其实是好事——说明工具开始替我们操心那些容易背锅的事。不过安全 agent 本身也是 AIAI 查 AI 的账这账查得准不准还得靠实践检验。你会把 AI 生成的代码交给 AI 去审计吗评论区聊聊。