在当前的 AI 开发领域,我们习惯了等待:等待用户输入提示词,等待 Python 环境配置完成,等待 Docker 容器启动,等待庞大的依赖库下载完毕。大多数所谓的“智能体框架”,本质上只是大语言模型的包装器,它们被动响应,缺乏真正的自主性。
OpenFang 不是另一个聊天机器人框架,也不是多智能体协调器。OpenFang 是一个从头构建的、基于 Rust 的开源智能体操作系统。它编译为单个约 32MB 的二进制文件,零外部依赖,具备 16 层纵深防御安全体系,并内置了 7 个能真正“为你工作”的自主智能体(Hands)。
- 官网:https://www.openfang.sh
- GitHub:https://github.com/RightNow-AI/openfang
代码量 13.7 万行,14 个独立 Crate,超过 1767 项测试,零 Clippy 警告。这就是 OpenFang 交出的答卷。
核心理念:从“被动响应”到“自主执行”
传统的智能体需要人类时刻在线指挥。而 OpenFang 的设计哲学是:智能体应当像员工一样,按计划全天候运行。
当你部署 OpenFang,你获得的不仅仅是一个对话框,而是一套自动化的工作流系统。它可以:
- 在清晨自动研究竞争对手并构建知识图谱;
- 全天候监控特定目标,发现异常立即报警;
- 自动筛选潜在客户,去重评分后推送到你的 CRM;
- 管理社交媒体账号,在最佳时间发布内容并处理互动。
这一切无需你反复提示。整个系统通过一次安装、一个命令即可上线。
极简部署体验
无需配置复杂的虚拟环境,无需拉取巨大的 Docker 镜像。OpenFang 就是一个二进制文件。
macOS / Linux:
curl -fsSL https://openfang.sh/install | sh
openfang init
openfang start
# 访问仪表盘 http://localhost:4200
Windows (PowerShell):
irm https://openfang.sh/install.ps1 | iex
openfang init
openfang start
Hands:真正做事的自主智能体
OpenFang 的核心创新在于 Hands —— 预先构建的、可独立运行的自主能力包。
每个 Hand 都不是简单的 Prompt 模板,而是一套包含完整操作手册、领域知识库和安全护栏的复杂系统:
- HAND.toml:声明工具、配置及关键指标清单。
- 系统提示:超过 500 字的专家级多阶段操作流程,而非一句简单的指令。
- SKILL.md:运行时动态注入的领域专业知识。
- 安全护栏:针对敏感操作(如支付、发布)设置强制审批关卡。
内置 7 大自主 Hands
OpenFang 出厂即自带 7 个经过实战验证的 Hands,覆盖从内容创作到情报收集的多种场景:
| Hand 名称 | 核心功能描述 |
|---|---|
| Clip | 视频自动化流水线。输入 YouTube 链接,自动下载、识别高光片段、剪辑竖屏短视频、添加字幕与缩略图,可选 AI 配音,最终发布至 Telegram/WhatsApp。集成 FFmpeg、yt-dlp 及 5 种语音识别后端。 |
| Lead | 潜在客户挖掘引擎。每日自动运行,根据理想客户画像(ICP)全网搜寻线索,丰富信息并进行 0-100 分评分,自动去重后输出 CSV/JSON 报告,随时间推移不断修正 ICP 档案。 |
| Collector | OSINT 级情报监控。针对指定目标(公司/个人/主题)进行持续监控,执行变更检测、情绪追踪及知识图谱构建,仅在关键信息变化时触发警报。 |
| Predictor | 超级预测引擎。聚合多源信号,构建校准推理链,输出带置信区间的预测结果,并使用 Brier 分数自我追踪准确性。特有“反主流模式”,可故意与共识对立以发现盲点。 |
| Researcher | 深度自主研究员。交叉验证多源信息,依据 CRAAP 标准评估可信度,生成带 APA 格式引用的多语言深度报告。 |
| 社媒账户管家。以 7 种轮换格式自动生成内容,优化发布时间,自动回复提及,追踪互动指标。设有严格审批队列,未经确认绝不发布。 | |
| Browser | 网页自动化代理。基于 Playwright 桥接,具备会话持久化能力,可处理填表、点击等多步工作流。强制购买审批,确保资金安全。 |
常用命令示例:
# 激活研究员 Hand,立即开始工作
openfang hand activate researcher
# 查看实时进度
openfang hand status researcher
# 激活线索生成任务(按每日计划运行)
openfang hand activate lead
# 暂停任务(保留状态,不丢失上下文)
openfang hand pause lead
用户亦可自定义 HAND.toml 构建专属 Hand,并发布至 FangHub 社区。
硬核对比:OpenFang vs 现有格局
OpenFang 并非在现有框架上修修补补,而是从底层重构。以下是其与主流框架(OpenClaw, CrewAI, AutoGen, LangGraph 等)的关键指标对比:
| 特性 | OpenFang | OpenClaw | CrewAI / AutoGen | LangGraph |
|---|---|---|---|---|
| 核心语言 | Rust | TypeScript | Python | Python |
| 自主 Hands | 7 个内置 | 无 | 无 | 无 |
| 安全层级 | 16 层独立防御 | 3 层基础 | 1 层基础/Docker | AES 加密 |
| 智能体沙箱 | WASM 双计量沙箱 | 无 | Docker | 无 |
| 渠道适配器 | 40+ | 13 | 0 | 0 |
| 内置工具 | 53 + MCP + A2A | 50+ | 插件生态 | LC 工具 |
| 记忆系统 | SQLite + 向量混合 | 基于文件 | 外部依赖 | 检查点 |
| 桌面应用 | Tauri 2.0 原生 | 无 | Studio (重) | 无 |
| 审计追踪 | Merkle 哈希链 | 日志 | 追踪 | 检查点 |
| 冷启动速度 | <200ms | ~6s | ~3-4s | ~2.5s |
| 安装体积 | ~32 MB | ~500 MB | ~100-200 MB | ~150 MB |
16 层安全系统:纵深防御架构
在 OpenFang 中,安全不是事后补丁,而是内核基因。系统设计了 16 个独立的安全层级,每一层均可单独测试,杜绝单点故障:
- WASM 双计量沙箱:工具代码在 WebAssembly 中运行,配备燃料计量与周期中断机制,看门狗线程可瞬间杀死失控代码。
- Merkle 哈希链审计:所有动作加密链接,篡改任一条目即导致整条链条断裂,确保日志不可伪造。
- 信息流污点追踪:敏感数据标签在执行全链路传播,从源头到接收器全程可控。
- Ed25519 签名清单:每个智能体的身份与能力集均经加密签名,防止伪造。
- SSRF 防护:严格阻断私有 IP、云元数据端点访问及 DNS 重绑定攻击。
- 秘密归零 (Zeroizing):API 密钥等敏感信息在使用完毕后立即从内存中物理擦除。
- OFP 相互认证:基于 HMAC-SHA256 随机数的 P2P 网络常量时间验证协议。
- 能力关卡 (Capability Gates):基于角色的访问控制(RBAC),智能体需声明工具权限,由内核强制执行。
- 安全头信息注入:所有响应自动包含 CSP、X-Frame-Options、HSTS 等头部。
- 健康端点精简:公开健康检查仅返回最少信息,详细诊断需认证。
- 子进程沙箱:
env_clear()清除环境变量,配合进程树隔离与跨平台终止机制。 - 提示注入扫描器:实时检测技能中的覆盖尝试、数据外泄模式及 Shell 引用注入。
- 循环防护:基于 SHA256 的工具调用循环检测,配备断路器,防止 Ping-Pong 死循环。
- 会话修复:7 阶段消息历史验证,支持从损坏状态自动恢复。
- 路径遍历防护:规范化路径处理,彻底阻断符号链接逃逸与
../攻击。 - GCRA 速率限制:基于成本的令牌桶算法,支持按 IP 追踪与过期清理。
架构解析:模块化与高性能
OpenFang 由 14 个 Rust Crates 组成,总计 137,728 行代码,采用高度模块化的内核设计:
- openfang-kernel:核心编排引擎,负责工作流、计量、RBAC、调度及预算追踪。
- openfang-runtime:智能体循环执行器,集成 3 种 LLM 驱动、53 种工具、WASM 沙箱及 MCP/A2A 协议。
- openfang-api:提供 140+ REST/WS/SSE 端点,兼容 OpenAI API 标准,支撑仪表盘交互。
- openfang-channels:40 种消息渠道适配器,内置速率限制与 DM/群组策略。
- openfang-memory:基于 SQLite 的持久化存储,支持向量嵌入、会话规范化与自动压缩。
- openfang-hands:7 大自主 Hands 的生命周期管理与
HAND.toml解析器。 - openfang-desktop:基于 Tauri 2.0 的原生桌面应用,支持系统托盘、通知及全局快捷键。
- openfang-migrate:一键迁移引擎,支持从 OpenClaw、LangChain、AutoGPT 平滑过渡。
全球连接:40+ 渠道与 123+ 模型
全渠道覆盖
OpenFang 内置 40 种渠道适配器,将智能体连接到用户所在的每一个角落:
- 核心通讯:Telegram, Discord, Slack, WhatsApp, Signal, Matrix, Email.
- 企业协作:Microsoft Teams, Mattermost, Google Chat, Feishu/Lark, Zulip.
- 社交网络:LINE, Viber, Facebook Messenger, Mastodon, Bluesky, Reddit, LinkedIn, Twitch.
- 隐私优先:Threema, Nostr, Mumble, Nextcloud Talk, Rocket.Chat.
模型路由引擎
支持 3 个原生驱动(Anthropic, Gemini, OpenAI 兼容),智能路由至 27 家提供商的 123+ 款模型。包括 Groq, DeepSeek, OpenRouter, Mistral, Ollama, Qwen 等。系统具备任务复杂度评分、自动故障转移、成本追踪及按模型定价功能,确保性价比与稳定性的最优平衡。
无缝迁移与开发友好
从 OpenClaw 一键迁移
已有 OpenClaw 用户可通过一条命令完成全量迁移,包括智能体、记忆、技能及配置:
openfang migrate --from openclaw
# 支持干跑模式预览变更
openfang migrate --from openclaw --dry-run
OpenFang 原生兼容 SKILL.md 格式,并可直接接入 ClawHub 市场资源。
OpenAI 兼容 API
对于现有工具链,OpenFang 提供即插即用的 API 替代方案:
curl -X POST localhost:4200/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{
"model": "researcher",
"messages": [{"role": "user", "content": "分析第四季度市场趋势"}],
"stream": true
}'
开发与构建
OpenFang 对开发者极其友好,遵循严格的 Rust 工程标准:
# 构建工作空间
cargo build --workspace --lib
# 运行全量测试 (1767+)
cargo test --workspace
# 代码检查 (强制 0 警告)
cargo clippy --workspace --all-targets -- -D warnings
# 格式化检查
cargo fmt --all -- --check
稳定性与未来展望
OpenFang v0.1.0 是首个公开版本。其架构坚实,测试覆盖全面,安全模型周密。但作为早期版本,用户需注意:
- 破坏性变更:在 v1.0 发布前,小版本间可能存在 API 或配置的破坏性更新。
- 成熟度差异:Browser 和 Researcher Hands 经过最多实战检验,其他 Hands 仍在迭代中。
- 生产建议:在生产环境中,建议固定到特定提交版本以确保稳定性。
团队承诺“快速发布,快速修复”,目标是在 2026 年中期推出坚如磐石的 v1.0 版本。
OpenFang 不仅仅是一个工具,它是智能体操作系统的未来形态——轻量、安全、自主、可控。对于追求极致性能、数据隐私与完全控制权的开发者和团队而言,这或许是目前最值得信赖的选择。

![OpenFang的使用截图[1]](https://pic.sd114.wiki/wp-content/uploads/2026/03/1772347943-1772347943-OpenFang-2.webp)














