Octop本地部署、数据不出门的自托管多 Agent AI 助手【免费下载链接】OctopA smarter, self-hosted AI assistant — multi-user, multi-agent.项目地址: https://gitcode.com/GitHub_Trending/oct/Octop给销售群配了个助手负责报价答疑第二天早上的报价咨询就在群里自动回了客户资料一份没出内网。这个自托管 AI 助手Octop 用多 Agent架构实现本地部署的门槛只有 2 核 CPU 和 4G 内存。跑起来的代价有多低Octop 本地部署最低配置不需要独立显卡也不用手动配 Python 环境。安装脚本通过 uv 在~/.octop/下自动建好隔离的 Python 3.12 虚拟环境装完跑octop init向导会建数据库并引导设置首个管理员octop run启动 API 和 Web 控制台浏览器打开本机地址就进去了。Windows / macOS / Linux 都有桌面客户端飞牛 NAS 有专用 FnOS 安装包全程可以不碰终端。官方基础配置是 2 核 CPU / 4G 内存配置寒酸的迷你主机也能扛。对新手最友好的一点数据库、每个专家的独立工作区、密钥、日志全部集中在一个隐藏目录里。备份就是打包这个目录迁移就是拷贝这个目录。对本地部署的自托管方案来说这是心理成本最低的形态。 从一个 AI到一个小组多 Agent 团队调度机制Octop 的基本单元不是一个 AI而是一个专家。每个专家有独立的工作区、模型和知识库还能挑 16 种MBTI 人格模板或者做个小测试自动匹配。于是同一个部署里可以有一个说话直接的技术顾问和一个耐心的文案。AgentTeamsBeta是能力上的分水岭。你指定一个主持人专家给它一句需求它把任务拆开、并行派给多个成员专家成员干完回叫主持人汇总、判断能否收工才结束这一轮。全过程在时间线上滚动谁被派了活、谁在跑、谁回来汇报都看得见。主持人的权限被刻意收得很小只有成员列表和派工工具不挂文件系统、浏览器和搜索。也就是说负责调度的那个角色碰不到你的工作区数据成员各写各的工作区互不覆盖。实现细节见 专家团队设计文档。数据不出门但协作不停自托管 AI 助手数据合规方案有数据合规顾虑的读者先看结论对话、工作区、密钥的默认落点是你自己的磁盘。模型可以接本地 Ollama向量化可以完全离线跑断网环境里助手依然可用核心原则就是数据不出门。隔离粒度到人多用户JWT认证每个用户有自己的专家和工作区管理员集中管账号。高风险工具和 Shell 命令按规则拦截、需要人工确认敏感信息在离开工作区之前自动打码谁在什么时候让哪个 Agent 干了什么留痕可查。存储后端可换——本地磁盘、Docker 沙箱、PostgreSQL 或对象存储控制面与数据面分离。云边协同Beta解决的是数据不搬家、人却可以异地。在设置里把本机 Octop 和另一台连起来比如公司云主机上那台。对端的专家出现在侧边栏的远程分组里直接开聊但对话实际在专家所在的那台机器上执行本机只是遥控器。浏览器只连本机 API跨机器的请求由一条加密长连接搬运。接进你每天在用的工具IM 通道与日常工具接入能力入口铺得很开对着真实场景说如果你每天要在群里处理客户提问接上IM 通道飞书、钉钉、QQ、微信、企业微信都支持群里 它就干活成果直接回群里。如果你每天早上要一份日报用大白话排班就是定时任务到点自己执行。如果要按公司内部资料回答产品手册、合同模板丢进知识库回答会标出出处。如果日常离不开文档、会议和任务清单连接器点一下授权就能用。如果要填表、截图、抓数据浏览器 AI让 AI 自己开浏览器操作页面。如果要直接看到另一台机器的屏幕并动键鼠远程桌面控制台里就能操作。 接口层让系统之间说同一种话这部分是工程视角的总结。ACP 协议双向。octop acp以 ACP server 身份运行Zed、OpenCode 这类 IDE 可以调用 Octop 专家反向通过内置的acp_runner工具把编码任务委派给 Claude Code、Codex、CodeBuddy走 stdio JSON-RPC权限请求回控制台确认。MCP外部服务连接器的标准接口连接器层统一走 OAuth MCP 网关。对外接口HTTP、SSE、WebSocketREST API 附带交互式文档/api/docs默认关闭别的系统调用不需要改 Octop 的代码。双机隧道两台 Octop 之间一条 WebSocket 长连接其上跑通用 HTTP 隧道请求与结果原样透传支持 turn 级流式多路复用发起侧不落库完整历史权威数据在专家所在侧。标准化的价值体现在采购和运维侧可替换、可扩展、不绑定单一供应商。协议细节见 ACP 集成 与 Bridge 设计。三条落地路径从家庭 NAS 到企业内网家庭 NAS 玩家装飞牛安装包家里每人一个账号各用各的专家作业辅导、健康咨询、周报草稿一台机器全包。5-50 人小团队找一台闲置服务器或云主机用 Docker 起一个接上飞书群。销售问报价、客服查政策、运营要日报全在群里解决资料不出内网。企业 IT隔离环境试点接本地模型配好知识库和审批规则验证完再谈推广轻活留本地重活按需上云。更多细节参考 官方文档。办公 AI 的终局大概率不是一朵云或一台机器而是混合形态云端负责调度和协作本地负责执行和保密两边随叫随到。真正的问题在于落地顺序——如果让你挑一个业务场景作为自托管 AI 助手的第一块试点你会选客服答疑、日报汇总还是报销填单【免费下载链接】OctopA smarter, self-hosted AI assistant — multi-user, multi-agent.项目地址: https://gitcode.com/GitHub_Trending/oct/Octop创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/10/31 10:55:37 · 阅读 1.2k Octop：本地部署、数据不出门的自托管多 Agent AI 助手
Octop本地部署、数据不出门的自托管多 Agent AI 助手【免费下载链接】OctopA smarter, self-hosted AI assistant — multi-user, multi-agent.项目地址: https://gitcode.com/GitHub_Trending/oct/Octop给销售群配了个助手负责报价答疑第二天早上的报价咨询就在群里自动回了客户资料一份没出内网。这个自托管 AI 助手Octop 用多 Agent架构实现本地部署的门槛只有 2 核 CPU 和 4G 内存。跑起来的代价有多低Octop 本地部署最低配置不需要独立显卡也不用手动配 Python 环境。安装脚本通过 uv 在~/.octop/下自动建好隔离的 Python 3.12 虚拟环境装完跑octop init向导会建数据库并引导设置首个管理员octop run启动 API 和 Web 控制台浏览器打开本机地址就进去了。Windows / macOS / Linux 都有桌面客户端飞牛 NAS 有专用 FnOS 安装包全程可以不碰终端。官方基础配置是 2 核 CPU / 4G 内存配置寒酸的迷你主机也能扛。对新手最友好的一点数据库、每个专家的独立工作区、密钥、日志全部集中在一个隐藏目录里。备份就是打包这个目录迁移就是拷贝这个目录。对本地部署的自托管方案来说这是心理成本最低的形态。 从一个 AI到一个小组多 Agent 团队调度机制Octop 的基本单元不是一个 AI而是一个专家。每个专家有独立的工作区、模型和知识库还能挑 16 种MBTI 人格模板或者做个小测试自动匹配。于是同一个部署里可以有一个说话直接的技术顾问和一个耐心的文案。AgentTeamsBeta是能力上的分水岭。你指定一个主持人专家给它一句需求它把任务拆开、并行派给多个成员专家成员干完回叫主持人汇总、判断能否收工才结束这一轮。全过程在时间线上滚动谁被派了活、谁在跑、谁回来汇报都看得见。主持人的权限被刻意收得很小只有成员列表和派工工具不挂文件系统、浏览器和搜索。也就是说负责调度的那个角色碰不到你的工作区数据成员各写各的工作区互不覆盖。实现细节见 专家团队设计文档。数据不出门但协作不停自托管 AI 助手数据合规方案有数据合规顾虑的读者先看结论对话、工作区、密钥的默认落点是你自己的磁盘。模型可以接本地 Ollama向量化可以完全离线跑断网环境里助手依然可用核心原则就是数据不出门。隔离粒度到人多用户JWT认证每个用户有自己的专家和工作区管理员集中管账号。高风险工具和 Shell 命令按规则拦截、需要人工确认敏感信息在离开工作区之前自动打码谁在什么时候让哪个 Agent 干了什么留痕可查。存储后端可换——本地磁盘、Docker 沙箱、PostgreSQL 或对象存储控制面与数据面分离。云边协同Beta解决的是数据不搬家、人却可以异地。在设置里把本机 Octop 和另一台连起来比如公司云主机上那台。对端的专家出现在侧边栏的远程分组里直接开聊但对话实际在专家所在的那台机器上执行本机只是遥控器。浏览器只连本机 API跨机器的请求由一条加密长连接搬运。接进你每天在用的工具IM 通道与日常工具接入能力入口铺得很开对着真实场景说如果你每天要在群里处理客户提问接上IM 通道飞书、钉钉、QQ、微信、企业微信都支持群里 它就干活成果直接回群里。如果你每天早上要一份日报用大白话排班就是定时任务到点自己执行。如果要按公司内部资料回答产品手册、合同模板丢进知识库回答会标出出处。如果日常离不开文档、会议和任务清单连接器点一下授权就能用。如果要填表、截图、抓数据浏览器 AI让 AI 自己开浏览器操作页面。如果要直接看到另一台机器的屏幕并动键鼠远程桌面控制台里就能操作。 接口层让系统之间说同一种话这部分是工程视角的总结。ACP 协议双向。octop acp以 ACP server 身份运行Zed、OpenCode 这类 IDE 可以调用 Octop 专家反向通过内置的acp_runner工具把编码任务委派给 Claude Code、Codex、CodeBuddy走 stdio JSON-RPC权限请求回控制台确认。MCP外部服务连接器的标准接口连接器层统一走 OAuth MCP 网关。对外接口HTTP、SSE、WebSocketREST API 附带交互式文档/api/docs默认关闭别的系统调用不需要改 Octop 的代码。双机隧道两台 Octop 之间一条 WebSocket 长连接其上跑通用 HTTP 隧道请求与结果原样透传支持 turn 级流式多路复用发起侧不落库完整历史权威数据在专家所在侧。标准化的价值体现在采购和运维侧可替换、可扩展、不绑定单一供应商。协议细节见 ACP 集成 与 Bridge 设计。三条落地路径从家庭 NAS 到企业内网家庭 NAS 玩家装飞牛安装包家里每人一个账号各用各的专家作业辅导、健康咨询、周报草稿一台机器全包。5-50 人小团队找一台闲置服务器或云主机用 Docker 起一个接上飞书群。销售问报价、客服查政策、运营要日报全在群里解决资料不出内网。企业 IT隔离环境试点接本地模型配好知识库和审批规则验证完再谈推广轻活留本地重活按需上云。更多细节参考 官方文档。办公 AI 的终局大概率不是一朵云或一台机器而是混合形态云端负责调度和协作本地负责执行和保密两边随叫随到。真正的问题在于落地顺序——如果让你挑一个业务场景作为自托管 AI 助手的第一块试点你会选客服答疑、日报汇总还是报销填单【免费下载链接】OctopA smarter, self-hosted AI assistant — multi-user, multi-agent.项目地址: https://gitcode.com/GitHub_Trending/oct/Octop创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考