开源版MuseOpenMuse上线26天获4600星，为AIAgent配一台可接管的电脑

Meta Muse上线十天即登顶美国App Store免费榜榜首，将ChatGPT挤至第二位，引发行业对“个人AI代理”形态的重新审视。这款由Meta推出的自托管AI助手主打“全天候替你干活”，能自动处理订餐、行程安排等日常事务。紧随其后，OpenAI推出dots，Cue、Instinct等同类产品也陆续亮相。在商业产品密集涌现之际，开源社区迅速响应——CopilotKit团队于9月15日发布OpenMuse，26天内GitHub Star数达4,600，Fork 622次，30位开发者参与贡献，成为当前最具代表性的开源对标方案。

OpenMuse并非又一个聊天界面，其定位明确为“一个运行在用户自有服务器上的个人Agent应用”，支持iOS、Android与Web三端，并采用MIT许可协议。技术栈基于CopilotKit的React Native框架，强调轻量部署：本地开发无需模型、Docker或Google账号，仅需一个CopilotKit Intelligence项目密钥即可启动。

真正使其区别于主流AI助手的是底层架构设计——OpenMuse为Agent配备了一台“专属电脑”，该设计分为两层：

第一层是持久化Chromium浏览器。Agent可真实访问网页、读取页面内容、保存登录态与配置文件（profile持久化），而非依赖API模拟；第二层是可选的Linux工作区，通过隔离容器执行命令行操作，如修改文件、调用脚本等，单次执行限时30秒，并自动留存执行回执。所有外部写入操作均需经过“stored review”环节，确保用户对关键动作拥有最终审批权。

这一设计使OpenMuse从“对话工具”转向“可接管的机器”。传统AI助手如ChatGPT提供黑盒式响应，而OpenMuse让用户随时点击“Take control”介入流程，任务状态全程可视、可暂停、可恢复。官方架构图中特别标注左下角“每次外部写都过审”，凸显其对用户控制权的重视。

Documents实现邮件附件到回复草稿的完整自动化流程：PDF解析→表单字段抽取→用户填值确认→生成副本→准备回复草稿→人工审阅后发送。整个过程支持任意环节暂停等待用户输入，不自动推进。

Goals & Tracking支持长期监控任务，例如设定“当某网页内容更新时通知我”或“商品价格低于80美元时告警”，并内置去重机制与失败退避策略，避免重复触发或因网络波动失效。

Activity模块则将任务全生命周期透明化：计划、进度、审批记录、暂停/恢复操作、执行回执全部归档，中断任务可通过SQL租约机制自动续接，用户看到的是清晰的操作日志，而非不可追溯的黑箱行为。

官方提供的真机截图展示了实际效果：在iPhone端，“Agent computer”面板显示已连接浏览器会话，用户可新建或接管已有任务；一份名为“社区参观许可单”的表单被自动填充，字段源自邮件附件中的PDF。尽管表单内容为虚构，但流程逻辑真实存在——抽取、填值、待审、留痕，环环相扣。

部署方面，OpenMuse提供清晰的本地开发路径：克隆仓库后安装依赖，配置环境变量，通过copilotkit login与project select获取密钥，分别启动API服务（pnpm dev）与Web前端（pnpm dev:web）。健康检查接口位于localhost:8787/api/health，前端默认访问localhost:8081。

官方推荐新手按三条主线试用：一是Documents工作流，输入“Complete the permission slip”观察PDF处理全流程；二是Goals → Track，创建网页监控任务并手动修改测试页验证告警；三是Browser Worker，让Agent在Hacker News检索内容或总结copilotkit.ai网站，途中可随时接管控制权。

值得注意的是，OpenMuse的出现恰逢Meta战略转向闭源商业化。10月12日，Meta发布Muse Wonder模型，扎克伯格称其在部分基准测试中优于Claude Opus 5.5与GPT-6 Astra，可用于解读租约、财务及健康信息等复杂场景。但该模型不再开源，转为分层订阅制：基础版每百万token低至0.2美元，高级版Muse Wonder Full最高月费200美元。此举标志着Meta从开源探索转向商业落地，而OpenMuse则代表社区对“用户主权型AI”的持续实践。

在AI助手日益同质化的当下，OpenMuse的价值不在于性能参数，而在于其架构哲学：将Agent视为一个可被用户随时接管的“数字员工”，而非仅输出答案的对话终端。它要求开发者重新思考“自动化”的边界——不是替代人类决策，而是延伸人类能力；不是追求全自动化，而是构建人机协同的可靠通道。

目前，OpenMuse仍处于早期阶段，尚未发布正式版本，也未集成大语言模型推理服务（依赖外部API），但其模块化设计与清晰的权限控制机制，为后续二次开发提供了良好基础。已有社区项目尝试接入本地LLM或扩展Linux工作区功能，显示出较强的生命力。

随着个人AI代理从概念走向普及，用户对数据主权、操作透明度与可控性的需求将持续上升。OpenMuse虽小，却为开源生态提供了一个关键样本：真正的智能助手，应是一台属于用户的电脑，而非一家公司的服务。