AI Agent 操作系统：OpenFang 项目概览

近期个人助手类 Agent 层出不穷，除了 OpenClaw，还有 NanoBot 等一众"大虾"，阿里也刚推出了 Copaw。今天无意间看到 OpenFang 这个项目，于是用 AI 快速调研了一把。

1. 背景

1.1. 项目基本信息

• 项目名称: OpenFang
• 定位: 生产级 Agent 操作系统（Agent Operating System）
• 开发公司: RightNow AI
• 创始人: Jaber Jaber（RightNow AI 创始人）
• 开源时间: 2026 年 2 月
• GitHub 仓库: https://github.com/RightNow-AI/openfang
• 官方网站: https://openfang.sh / https://openfang.cc
• 当前版本: v0.2.7（截至 2026 年 3 月）
• GitHub Stars: 8,600+
• 许可证: MIT + Apache-2.0 双许可证

1.2. 项目规模

• 代码规模: 137,728 行 Rust 代码
• 模块化: 14 个 Crate（Rust 模块化组织单位）
• 测试覆盖: 1,767+ 自动化测试用例
• 代码质量: 零 Clippy 警告（Rust 社区高质量标准）
• 二进制大小: ~32MB（单文件，零外部依赖）

1.3. 创始团队理念

创始人 Jaber 表示：

“我尝试过的每个 Agent 框架基本上都是聊天机器人的包装器。你输入内容，它回应，你再输入。这不是自主性，这是对话。我想要的 Agent 是能够按计划唤醒、完成工作并在无需我守候的情况下报告结果。”

这体现了 OpenFang 的核心设计理念：从被动响应到主动执行的范式转变。

2. 核心概念：Hands

2.1. 核心创新

Hands 是 OpenFang 的核心创新——预构建的自主能力包，能够独立运行、按计划执行，无需用户持续提示。每个 Hand 包含：

2.2. 七大内置 Hands

2.3. 技术特性

2.3.1. 运行时性能

• 冷启动时间: < 200ms（对比 OpenClaw 的 ~6s）
• 空闲内存占用: ~40MB（对比 OpenClaw 的 394MB）
• 安装包大小: ~32MB（单二进制文件）
• 最低内存要求: ≥ 64MB（推荐 256MB）

2.3.2. 平台支持

• 操作系统: Linux / macOS / Windows / 树莓派 / VPS
• 架构: x86_64 或 ARM64

2.3.3. 渠道适配器（40 个）

支持目前所有 Agent 框架中最广泛的通讯渠道：

2.3.4. LLM 提供商支持（27 个，123+ 模型）

• 原生驱动: Anthropic, Google Gemini, OpenAI-compatible API
• 支持列表: Anthropic, Gemini, OpenAI, Groq, DeepSeek, OpenRouter, Together, Mistral, Fireworks, Cohere, Perplexity, xAI, AI21, Cerebras, SambaNova, HuggingFace, Replicate, Ollama, vLLM, LM Studio, Qwen, MiniMax, Zhipu, Moonshot, Qianfan, Bedrock 等

2.3.5. 安全系统（16 层纵深防御）

3. 技术架构

3.1. 为什么选择 Rust？

对比 Python 框架（AutoGen, CrewAI, LangGraph）的解释执行开销和 GIL 并发限制，Rust 在 24/7 不间断运行的 Agent 系统中具有显著优势。

3.2. 核心 Crate 说明

3.3. 系统架构

┌─────────────────────────────────────────────────────────────┐
│                     OpenFang Agent OS                        │
├─────────────────────────────────────────────────────────────┤
│  用户界面层: Desktop(Tauri) / CLI / Web Dashboard           │
├─────────────────────────────────────────────────────────────┤
│  API 层: 140+ REST/WS/SSE 端点, OpenAI 兼容 API             │
├─────────────────────────────────────────────────────────────┤
│  内核层: Workflow Engine / Scheduler / Metering / RBAC      │
├─────────────────────────────────────────────────────────────┤
│  运行时层: Agent Loop / LLM Drivers / Tools / WASM Sandbox  │
│            MCP Client/Server / A2A Protocol                 │
├─────────────────────────────────────────────────────────────┤
│  能力层: 7 Hands (Clip/Lead/Collector/Predictor/            │
│          Researcher/Twitter/Browser)                        │
├─────────────────────────────────────────────────────────────┤
│  记忆层: SQLite / Vector Embedding / Canonical Sessions     │
├─────────────────────────────────────────────────────────────┤
│  渠道层: 40 Channel Adapters (Telegram/Discord/飞书/钉钉...) │
├─────────────────────────────────────────────────────────────┤
│  网络层: OFP P2P Protocol / HMAC-SHA256 双向认证            │
└─────────────────────────────────────────────────────────────┘

关键设计模式：

模块化内核设计

• 14 个独立 Crate，通过 Cargo workspace 管理
• 清晰的依赖关系，避免循环依赖
• 每个 Crate 可独立测试和发布

异步优先

• 基于 Tokio 的异步运行时
• 所有 I/O 操作非阻塞
• 支持高并发 Agent 执行

安全内建

• 16 层安全系统独立运行
• 无单点故障
• 每个组件可独立测试

配置驱动

• TOML 配置文件（openfang.toml）
• Hands 通过 HAND.toml 声明
• 环境变量覆盖支持

4. 与 OpenClaw 的详细对比

4.1. 核心差异概览

4.2. 架构哲学对比

OpenClaw

• 设计目标: 个人 AI 助手，强调多渠道兼容和隐私可控
• 交互模式: 用户触发 → Agent 响应（被动式）
• 扩展方式: 通过 Skills 和插件扩展功能
• 部署方式: 单 Gateway 架构，支持自托管

OpenFang

• 设计目标: Agent 操作系统，强调生产级可靠性和自主运行
• 交互模式: 按计划自主唤醒 → 执行任务 → 报告结果（主动式）
• 扩展方式: 通过 Hands 预构建能力包，激活即用
• 部署方式: 单二进制文件，内核级调度

4.3. 性能对比

4.4. 迁移支持

OpenFang 提供一键迁移命令：

# 迁移所有内容：代理、记忆、技能、配置
openfang migrate --from openclaw

# 从特定路径迁移
openfang migrate --from openclaw --path ~/.openclaw

# 先试运行查看变更
openfang migrate --from openclaw --dry-run

5. 总结

OpenFang 的愿景是好的。我一直认为，个人助手类智能体就是下一代操作系统。OpenFang 给自己的定位也是 The Agent Operating System。从被动响应到主动执行，这个转变符合人们对"真正智能助手"的期待。

Hands 的设计算是在 Skills 上又包了一层。官方提供了 7 个内置 Hand，看起来覆盖了视频处理、线索挖掘、情报监控等常见场景。但实际效果还得跑起来才知道——能不能稳定跑 7×24，遇到异常情况怎么处理，这些文档里不会写得太细。

Rust 的执行效率确实高，40MB 内存对比 OpenClaw 的 394MB，差距摆在那儿。但生态这块不如 Python 也是事实。出了问题能不能快速找到解决方案，第三方库够不够丰富，这些都会影响长期使用的体验。

说到底，打铁还需自身硬。OpenFang 目前才 v0.2.7，在一众"龙虾"的包围中生存下来，获得用户认可，最终还是要靠产品实力。

参考链接：

• GitHub：https://github.com/RightNow-AI/openfang
• 官网：https://openfang.sh
• 中文官网：https://openfang.cc