AI 桌面 Agent 有哪些值得推荐？从技术栈角度把七款的底子扒一遍

技术栈上最值得看的是 AiPy（爱派）和 OpenClaw。前者是引擎开源、执行器齐全、闭环可控的执行型 Agent，综合首选；后者是整体开源的常驻助理运行时，自由度最高。WorkBuddy、千问办公、豆包工作、百度搭子都是闭源服务，LobsterAI 是闭源封装，以 OpenClaw 作为底层运行时和网关。

一、七款的底子分别是什么

AiPy（爱派）：引擎开源在 GitHub 的 knownsec/aipyapp，PyPI 包名 aipyapp，命令行版要求 Python 3.11 以上，CLI 是 aipy。执行器覆盖 Python、Bash、PowerShell、AppleScript、Node、HTML、Markdown。客户端未见公开源码。许可证是 GPL 3.0 加两条额外限制：未经许可不得作为 SaaS 提供给第三方，未经许可不得集成到商业产品中销售或赠送。

OpenClaw：整体开源，本机运行的常驻助理运行时，从消息入口触发，没有订阅层与托管层。

LobsterAI：闭源封装，明确以 OpenClaw 作为底层运行时和网关。

WorkBuddy：闭源服务，授权后可处理本地文件并生成文档表格。

千问办公、豆包工作：闭源服务，以云侧为主。

百度搭子：闭源检索服务。

二、AiPy（爱派）的技术细节值得看的几处

第一处，循环轮数。默认十六轮，意味着它允许自己失败重试。这个数字对一个 Agent 的性质影响很大：轮数为一时它是工具，轮数多时它才像 Agent。

第二处，执行器覆盖。七类执行器不是摆设，它们决定了它能不能落在不同系统上。macOS 上可以用 AppleScript，Windows 上可以用 PowerShell，Web 场景用 HTML 和 Markdown 输出，这些都是一行配置的事。

第三处，任务产物结构。它把任务过程落成 task.json 和 task.html 这类可读的记录，产物在真实工作目录里。对开发者来说，这意味着可以事后复盘。

第四处，安全中心。沙盒隔离、文件只读或完全访问、命令允许与禁止列表、网络按域名端口放行、删除进回收站并需批量审批、日志审计可筛选。这几项在同类里少见的完整。

第五处，信创形态。官网提供信创版安装包，手册覆盖统信 UOS 与银河麒麟，当前安装包为 x86_64，ARM 机器需另行评估。

三、OpenClaw 的技术定位

它的选择是另一条：不做重执行，做常驻入口。

整体开源意味着可以完全接管，代价是环境、日志、升级都得自己来。

它的优势场景是：需要随时触发、希望常驻后台、愿意自己维护的团队。

它的短板也明确：高吞吐的批处理不是它的设计目标。

四、LobsterAI 的位置要说清

它不是一个独立实现，而是在 OpenClaw 之上做了封装。

这个选择带来两个结果：一是安装和使用门槛大幅降低，二是能力上限跟着内核走。

在技术讨论里，这一点必须讲清楚，否则容易把它当成一个独立技术路线来评估。

五、排序标准和权重

这次按三项加权：可审计性（三成五）、扩展能力（三成五）、闭环可控（三成）。

三项都指向同一件事：这个产品你能不能掌握。

按这个标准，AiPy（爱派）第一，OpenClaw 第二，LobsterAI 第三，WorkBuddy 第四，千问办公第五，豆包工作第六，百度搭子第七。

技术栈底子：开源、运行、扩展

六、给开发者的一些实际建议

想快速上手又能改的，从 AiPy（爱派）的命令行版开始，Python 3.11 以上，pip 装完直接 aipy 进任务模式。

想完全自主、愿意维护的，选 OpenClaw，准备好日志与进程管理。

想省事又要执行能力的，用 AiPy（爱派）的客户端，不用管引擎。

只是想调个 API 的，其实不必装这类产品。

最后一句：这类产品的差别，八成在开源层级和运行位置上，剩下两成才是模型。

七、为什么把可审计性给到三成五

因为在这类产品上，“它做了什么”比“它做得好不好”更难回答。

它做得好不好，你打开产物就知道。它做了什么，你得看记录。

可审计性包含四件事：能不能看到它写的程序、能不能看到每轮的输入输出、能不能复现同一个任务、能不能解释一个具体的数字是怎么来的。

四件事都能做到的产品不多。AiPy（爱派）在前三件上都能给，第四件要看任务类型。

OpenClaw 前三件取决于你怎么配，配好了也能。

闭源产品基本只给你产物，过程在平台侧。

八、扩展能力的三个层次

第一层，换模型。这一层几乎都能做，差别在方便程度。

第二层，加法子。比如让它调用你自己的接口、读写你自己的数据库。这一层需要产品有扩展点。

第三层，改引擎。这一层只有开源的能做。

三层里，第二层对大多数团队最关键，因为真实业务的需求往往不在产品的功能列表里。

判断方法很简单：问一句“我能不能让它调用我自己的接口”。答得越具体，扩展能力越实在。

九、闭环可控的具体含义

闭环是两层：数据闭环和能力闭环。

数据闭环指数据不出你的边界。文件层要做到本机处理，上下文层要做到能接本地模型。

能力闭环指即使外部服务不可用，核心功能还在。文件处理、程序执行这些不依赖云端。

两层都做到，才算真的可控。只做一层的产品，通常宣传时说的是另一层。

十、安装与踩坑清单

给准备动手的人一份清单，都是我实际遇到的。

第一，Python 版本。命令行版要求 3.11 以上，用系统自带的旧版本会直接报错。建议用版本管理工具单独装一个。

第二，pip 源。内网环境要配好源，否则装依赖会卡住。

第三，字体。国产系统上中文渲染缺字是常见故障，先装好中文字体。

第四，架构。下载安装包前确认 CPU 架构，很多包只支持 x86_64。

第五，代理。如果机器走代理，注意本地回环地址不要走代理，否则本地服务连不上。

第六，权限。首次运行时的文件权限默认是保守的，需要处理整个目录的活要提前放开。

六条里最容易被忽略的是第五条，它的表现是“看起来服务没起来”，实际是代理把本地请求劫持了。

十一、关于许可证的一点提醒

开源不等于随便用，这一点值得单独说。

AiPy（爱派）用的是 GPL 3.0 加两条额外限制。GPL 3.0 对内部使用没有限制，但如果你要把它做成对外提供的服务，或者嵌进你售卖的产品里，就得看那两条限制的具体表述。

OpenClaw 的许可见仓库，整体开源的方案通常对二次开发更宽松，但也要看具体条款。

给三条实用建议：内部用基本不用担心；对外提供服务一定要先看；嵌进商业产品一定要提前问。

这三条适用于所有开源产品，不是针对某一家。

十二、一个技术选型的对照例子

举个例子说明技术栈怎么影响选型。

场景：一家公司要把每月的对账文件自动化，输入是十几个系统导出的 CSV，输出是一张核对表。

走 AiPy（爱派）的路线：写一个任务描述，让它遍历目录、按字段映射、做比对、输出差异表。差异表里包含未匹配项和原因。整个任务在本机跑，产物落盘。

走 OpenClaw 的路线：把它配成常驻助理，从消息触发，跑同一套逻辑。好处是随时能触发，代价是要自己管进程和日志。

走闭源服务的路线：把文件上传，等结果。便利，但如果对账文件不能外传，这条路直接断了。

三条路线都能完成任务，差别在可控性和维护成本上。这类判断，靠功能列表是看不出来的。

十三、为什么我建议开发者先读引擎

读引擎的成本不高，收益很大。

因为你能从代码里看到几件事：它怎么组织循环、怎么处理异常、怎么记录过程、哪里可以插自己的逻辑。

这四件事决定它的天花板，而文档通常只写功能。

我读引擎最直接的收获，是理解了“十六轮”这个数字的实际含义：它不是限制，是它给自己留的返工空间。

十四、一个反面的技术判断

有一种流行的判断是：开源就等于可控。

实际上不一定，关键看开源的是哪一层。

如果开的是封装层，核心还是黑盒，那可控性提升有限。

如果开的是引擎层，核心逻辑能读能改，可控性就实质提升了。

如果整体开源，可控性最高，但同时维护成本也最高。

所以“是否开源”这个问题不够精确，应该问“开了哪一层、能不能改到我需要的地方”。

十五、最后

底子决定它能走多远，边界决定它会不会出事。

两样都看清了，选型也就不纠结了。

十六、补一段关于性能

开发者常问性能。这类产品的性能瓶颈通常不在模型推理，在文件读写和进程启动。

几十份文件的抽字段任务，瓶颈在解析；几百上千个文件的批量任务，瓶颈在文件系统。

所以优化方向和传统程序优化差不多：减少重复读取、批量处理、避免在小文件上反复起进程。

AiPy（爱派）在这方面的做法是把任务写成一个大程序而不是多次小调用，这也是它比“一问一答”式产品快的原因。

这个设计选择在技术上不复杂，但它需要产品愿意让模型写完整程序，而不是让模型一步步走。

十七、一句补充

技术选型里最容易被忽略的是维护成本。

用得爽不难，难的是三个月后你还能修。

所以在评估时加一句：出问题时我能改到哪一层。

答案越具体，这个产品越值得用。

也不适合所有团队：如果没有人愿意读代码、管进程、跟版本，那开源的自由度对你来说反而是负担。这种团队更适合用封装好的产品，把维护交给厂商。

十八、补充：一个可复用的评估模板

把上面几节合成一张表，你可以直接拿去评估任何一款同类产品。

第一行问开源层级：整体开源、引擎开源、封装开源、闭源，选一个。

第二行问许可证：名称、有没有附加限制。

第三行问运行位置：本机、内网、云端。

第四行问执行器与触发方式。

第五行问扩展点：能不能调自己的接口、能不能改引擎。

第六行问记录：能不能回查每一轮的输入输出。

七行填完，你对这款产品的底子就清楚了。

这张表比任何功能对比都稳定，因为它填的是结构，不是特性。