Andrew Ng 团队的开源桌面智能体 OpenWorker 发布了新版重点是强化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harness 完全开源可供安全团队审计并支持本地运行开源权重模型来保护敏感代码。据报道这些能力来自今天8 月 26 日发布的新版本。先看 OpenWorker 是什么OpenWorker 是 7 月 23 日发布的本地优先local-first开源 AI 智能体MIT 许可目前 GitHub 上已有约 1.6 万 star。它的定位和普通聊天机器人不一样不是给你聊天而是交付成品——一份写好的文档、一条带数据的 Slack 回复、一个整理好的日历、一个分类完的收件箱。你可以直接在 Slack 里 OpenWorker 让它干活工作在你桌面上完成结果以 thread 回复回来。架构上是 Python 后端的 agent 引擎基于 Andrew Ng 团队自己的 aisuite 库构建 React/Tauri 桌面壳接入了 25 个以上的常用工具GitHub、Slack、Jira、Notion、Outlook、Gmail、Google Calendar 等也支持 MCP 协议扩展、可按工具单独控制权限。模型完全自选OpenAI、Anthropic、Gemini、DeepSeek、Kimi、Qwen、GLM 都支持也可以接 Ollama 全本地跑。它还支持定时任务比如每天早上生成一份简报、每周产出一份报表跑完的结果在应用里带完整记录。新版变的是什么没变的是什么变的是把安全从外部工具做成了内置智能体。以前要让 AI 写的代码过安全关得自己接 CodeQL、Snyk、Trivy 之类的外部扫描再人工配置现在新版直接内置了三类安全智能体扫代码漏洞、检测依赖供应链注入、检查云安全配置。harness 完全开源意味着公司安全团队可以自己审计整个 agent 的执行框架确认没有后门——这在闭源 agent 里是做不到的。没变的是两条底线关键操作审批门控发消息、改日历、跑 shell 命令之前必须人工确认无人值守的定时任务会把待确认操作挂进收件箱而不是自行执行以及数据本地优先对话、凭证、模型 key 都存在本机数据只通过你自己选择的模型和集成出去。为什么这个方向值得关注因为 AI 生成代码进入生产环境的速度越来越快而 agent 的权限又越来越大——能跑终端命令、能读写文件、能代表你发消息。安全问题的重心已经从代码本身有没有漏洞上升到agent 行为是否可信。一个能审计、能扫描、能审批的开源形态很可能是企业落地 AI agent 的默认姿势。对普通开发者和打工人意味着什么说白了以后用 AI 编程不是让它写、我粘贴而是把它当成一个权限很大的新同事来管它写的代码要审它要的权限要控它碰敏感数据要隔离。OpenWorker 这类工具提供的不是更聪明的 AI而是更好管教的 AI——审批门控管住了行为安全扫描管住了产出本地模型管住了数据。想从源码跑官方仓库给的步骤是gitclone https://github.com/andrewyng/openworkercdopenworker# 初始化开发环境创建 Python venvbashpackaging/setup_dev_env.sh# 启动本地 agent 服务.venv/bin/openworker-server--cwd~/some/project--port8765不想折腾源码可以直接下载桌面版macOS Apple Silicon 和 Windows x64 都有装完加一个模型 key 或者指向本地 Ollama 就能用。实践建议和几个坑如果公司打算引入这类 agent我建议按下面这套来敏感代码一律本地模型。涉及私有代码、客户数据的工作流用 Ollama 跑开源权重模型别把代码发到云端 API数据只通过你自己选的模型出去。权限最小化。连接器按需开通别把邮箱、代码库、财务系统一把梭全连上能只读就别给写权限MCP 接入的工具也要逐个确认权限范围。审批项逐条确认。它每次要发消息 / 跑命令 / 改文件都看一眼再放行定时任务设成挂起等待人工确认而不是自动执行。扫描结果也要人复核。内置安全扫描能挡掉明显问题但供应链注入这类攻击很隐蔽误报也不少最终决定还是人来下。几个坑提前排掉开源模型在工具调用tool calling上表现参差仓库 README 也明确提示添加任意模型字符串后果自负用开源模型前先测 tool calling 能力别上来就接生产。Windows 版尚未代码签名安装时 SmartScreen 会报警告介意的等正式签名或从源码构建。agent 给的结果责任始终在人。扫描过了不等于没风险上线前该走的评审流程一步不能省。新版刚发布功能边界要看实际表现。安全扫描智能体属于新能力覆盖范围和误报率都需要在真实项目里验证别指望开箱即用就替代专职安全团队。AI 写代码已经成了日常接下来拼的不是谁写得快而是谁先给 AI 立好规矩。你怎么看评论区聊聊。 开源智能体OpenWorker新版内置安全审查，AI写代码先过这关
Andrew Ng 团队的开源桌面智能体 OpenWorker 发布了新版重点是强化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harness 完全开源可供安全团队审计并支持本地运行开源权重模型来保护敏感代码。据报道这些能力来自今天8 月 26 日发布的新版本。先看 OpenWorker 是什么OpenWorker 是 7 月 23 日发布的本地优先local-first开源 AI 智能体MIT 许可目前 GitHub 上已有约 1.6 万 star。它的定位和普通聊天机器人不一样不是给你聊天而是交付成品——一份写好的文档、一条带数据的 Slack 回复、一个整理好的日历、一个分类完的收件箱。你可以直接在 Slack 里 OpenWorker 让它干活工作在你桌面上完成结果以 thread 回复回来。架构上是 Python 后端的 agent 引擎基于 Andrew Ng 团队自己的 aisuite 库构建 React/Tauri 桌面壳接入了 25 个以上的常用工具GitHub、Slack、Jira、Notion、Outlook、Gmail、Google Calendar 等也支持 MCP 协议扩展、可按工具单独控制权限。模型完全自选OpenAI、Anthropic、Gemini、DeepSeek、Kimi、Qwen、GLM 都支持也可以接 Ollama 全本地跑。它还支持定时任务比如每天早上生成一份简报、每周产出一份报表跑完的结果在应用里带完整记录。新版变的是什么没变的是什么变的是把安全从外部工具做成了内置智能体。以前要让 AI 写的代码过安全关得自己接 CodeQL、Snyk、Trivy 之类的外部扫描再人工配置现在新版直接内置了三类安全智能体扫代码漏洞、检测依赖供应链注入、检查云安全配置。harness 完全开源意味着公司安全团队可以自己审计整个 agent 的执行框架确认没有后门——这在闭源 agent 里是做不到的。没变的是两条底线关键操作审批门控发消息、改日历、跑 shell 命令之前必须人工确认无人值守的定时任务会把待确认操作挂进收件箱而不是自行执行以及数据本地优先对话、凭证、模型 key 都存在本机数据只通过你自己选择的模型和集成出去。为什么这个方向值得关注因为 AI 生成代码进入生产环境的速度越来越快而 agent 的权限又越来越大——能跑终端命令、能读写文件、能代表你发消息。安全问题的重心已经从代码本身有没有漏洞上升到agent 行为是否可信。一个能审计、能扫描、能审批的开源形态很可能是企业落地 AI agent 的默认姿势。对普通开发者和打工人意味着什么说白了以后用 AI 编程不是让它写、我粘贴而是把它当成一个权限很大的新同事来管它写的代码要审它要的权限要控它碰敏感数据要隔离。OpenWorker 这类工具提供的不是更聪明的 AI而是更好管教的 AI——审批门控管住了行为安全扫描管住了产出本地模型管住了数据。想从源码跑官方仓库给的步骤是gitclone https://github.com/andrewyng/openworkercdopenworker# 初始化开发环境创建 Python venvbashpackaging/setup_dev_env.sh# 启动本地 agent 服务.venv/bin/openworker-server--cwd~/some/project--port8765不想折腾源码可以直接下载桌面版macOS Apple Silicon 和 Windows x64 都有装完加一个模型 key 或者指向本地 Ollama 就能用。实践建议和几个坑如果公司打算引入这类 agent我建议按下面这套来敏感代码一律本地模型。涉及私有代码、客户数据的工作流用 Ollama 跑开源权重模型别把代码发到云端 API数据只通过你自己选的模型出去。权限最小化。连接器按需开通别把邮箱、代码库、财务系统一把梭全连上能只读就别给写权限MCP 接入的工具也要逐个确认权限范围。审批项逐条确认。它每次要发消息 / 跑命令 / 改文件都看一眼再放行定时任务设成挂起等待人工确认而不是自动执行。扫描结果也要人复核。内置安全扫描能挡掉明显问题但供应链注入这类攻击很隐蔽误报也不少最终决定还是人来下。几个坑提前排掉开源模型在工具调用tool calling上表现参差仓库 README 也明确提示添加任意模型字符串后果自负用开源模型前先测 tool calling 能力别上来就接生产。Windows 版尚未代码签名安装时 SmartScreen 会报警告介意的等正式签名或从源码构建。agent 给的结果责任始终在人。扫描过了不等于没风险上线前该走的评审流程一步不能省。新版刚发布功能边界要看实际表现。安全扫描智能体属于新能力覆盖范围和误报率都需要在真实项目里验证别指望开箱即用就替代专职安全团队。AI 写代码已经成了日常接下来拼的不是谁写得快而是谁先给 AI 立好规矩。你怎么看评论区聊聊。