OpenFang

智能体操作系统

用 Rust 打造的开源智能体操作系统。13.7 万行代码，14 个 crate，1767+ 项测试，零 Clippy 警告。
单个二进制文件。经过实战检验。真正为你工作的智能体。

文档 • 快速入门 • Twitter / X

v0.5.10（2026年4月）

OpenFang 已经功能完备，但仍处于 1.0 之前的阶段。小版本之间可能会有不完善之处和破坏性变更。我们快速迭代、快速修复。在 v1.0 之前，请锁定特定提交以用于生产环境。在此处报告问题。

什么是 OpenFang？

OpenFang 是一个开源智能体操作系统。它既不是聊天机器人框架，也不是围绕大语言模型的 Python 封装，更不是“多智能体编排器”。而是一个从头开始用 Rust 构建的、面向自主智能体的完整操作系统。

传统的智能体框架需要你主动输入内容才能运行。而 OpenFang 则运行为你工作的自主智能体：按计划全天候工作，构建知识图谱、监控目标、生成潜在客户、管理社交媒体，并将结果汇报到你的仪表盘上。

整个系统编译成一个约 32MB 的单个二进制文件。只需一次安装、一条命令，你的智能体即可上线。

curl -fsSL https://openfang.sh/install | sh
openfang init
openfang start
# 仪表盘地址：http://localhost:4200

irm https://openfang.sh/install.ps1 | iex
openfang init
openfang start

Hands：真正能做事的智能体

"传统智能体等待你的输入。Hands 则会为你工作。

Hands 是 OpenFang 的核心创新。它们是预构建的自主能力包，能够独立运行、按计划执行任务，无需你手动触发。这不是聊天机器人，而是一个早上 6 点就起床、研究竞争对手、构建知识图谱、对结果进行评分，并在你还没喝上咖啡之前就把报告发到 Telegram 上的智能体。

每个 Hands 包含：

• HAND.toml：声明工具、设置、依赖项及仪表盘指标的清单。
• 系统提示词：多阶段的操作手册。并非一句简单的指令，而是长达 500 多字的专业流程。
• SKILL.md：领域专业知识参考，在运行时注入上下文。
• 护栏机制：针对敏感操作的审批关卡（例如，浏览器 Hands 在任何购买行为前都需要批准）。

所有内容都打包进二进制文件中。无需下载、无需 pip 安装、无需拉取 Docker 镜像。

内置的 7 种 Hands

# 启用 Researcher Hands，它会立即开始工作。
openfang hand activate researcher

# 随时查看其进度
openfang hand status researcher

# 按每日计划启动潜在客户开发
openfang hand activate lead

# 暂停但不丢失状态
openfang hand pause lead

# 查看所有可用的 Hands
openfang hand list

自定义你的 Hands。 定义一个包含工具、设置和系统提示词的 HAND.toml 文件，并将其发布到 FangHub。

OpenFang 与行业现状对比

基准测试：实测而非宣传

所有数据均来自官方文档和公开仓库，截至2026年2月。

冷启动时间（越低越好）

ZeroClaw   ██░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░   10 ms
OpenFang   ██████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░  180 ms    ★
LangGraph  █████████████████░░░░░░░░░░░░░░░░░░░░░░░░░  2.5 sec
CrewAI     ████████████████████░░░░░░░░░░░░░░░░░░░░░░  3.0 sec
AutoGen    ██████████████████████████░░░░░░░░░░░░░░░░░  4.0 sec
OpenClaw   █████████████████████████████████████████░░  5.98 sec

空闲内存占用（越低越好）

ZeroClaw   █░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░    5 MB
OpenFang   ████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░   40 MB    ★
LangGraph  ██████████████████░░░░░░░░░░░░░░░░░░░░░░░░░  180 MB
CrewAI     ████████████████████░░░░░░░░░░░░░░░░░░░░░░░  200 MB
AutoGen    █████████████████████████░░░░░░░░░░░░░░░░░░  250 MB
OpenClaw   ████████████████████████████████████████░░░░  394 MB

安装包大小（越低越好）

ZeroClaw   █░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░  8.8 MB
OpenFang   ███░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░   32 MB    ★
CrewAI     ████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░  100 MB
LangGraph  ████████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░  150 MB
AutoGen    ████████████████░░░░░░░░░░░░░░░░░░░░░░░░░░░  200 MB
OpenClaw   ████████████████████████████████████████░░░░  500 MB

安全系统（越高越好）

OpenFang   ████████████████████████████████████████████   16      ★
ZeroClaw   ███████████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░    6
OpenClaw   ████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░    3
AutoGen    █████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░    2
LangGraph  █████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░    2
CrewAI     ███░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░    1

通道适配器（越高越好）

OpenFang   ████████████████████████████████████████████   40      ★
ZeroClaw   ███████████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░   15
OpenClaw   █████████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░   13
CrewAI     ░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░    0
AutoGen    ░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░    0
LangGraph  ░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░    0

LLM 提供商支持（越高越好）

ZeroClaw   ████████████████████████████████████████████   28
OpenFang   ██████████████████████████████████████████░░   27      ★
LangGraph  ██████████████████████░░░░░░░░░░░░░░░░░░░░░   15
CrewAI     ██████████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░   10
OpenClaw   ██████████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░   10
AutoGen    ███████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░    8

功能逐项对比

16重安全系统：纵深防御

OpenFang 并非在事后才匆忙添加安全措施。每一层都可独立测试，且不存在单点故障。

架构

14 个 Rust crate。137,728 行代码。模块化内核设计。

openfang-kernel      编排、工作流、计量、RBAC、调度器、预算跟踪
openfang-runtime     代理循环、3 个 LLM 驱动、53 种工具、WASM 沙箱、MCP、A2A
openfang-api         140+ 个 REST/WS/SSE 端点、与 OpenAI 兼容的 API、仪表板
openfang-channels    40 个带限流的消息适配器、私信/群组策略
openfang-memory      SQLite 持久化、向量嵌入、规范会话、压缩
openfang-types       核心类型、污点追踪、Ed25519 清单签名、模型目录
openfang-skills      60 种捆绑技能、SKILL.md 解析器、FangHub 市场
openfang-hands       7 个自治 Hand、HAND.toml 解析器、生命周期管理
openfang-extensions  25 个 MCP 模板、AES-256-GCM 凭证保险库、OAuth2 PKCE
openfang-wire        OFP P2P 协议，带有 HMAC-SHA256 相互认证
openfang-cli         命令行工具，包含守护进程管理、TUI 仪表板、MCP 服务器模式
openfang-desktop     Tauri 2.0 原生应用（系统托盘、通知、全局快捷键）
openfang-migrate     OpenClaw、LangChain、AutoGPT 迁移引擎
xtask                构建自动化

40 个通道适配器

将你的代理连接到用户使用的每一个平台。

核心： Telegram、Discord、Slack、WhatsApp、Signal、Matrix、电子邮件（IMAP/SMTP）
企业级： Microsoft Teams、Mattermost、Google Chat、Webex、飞书/Lark、Zulip
社交类： LINE、Viber、Facebook Messenger、Mastodon、Bluesky、Reddit、LinkedIn、Twitch
社区类： IRC、XMPP、Guilded、Revolt、Keybase、Discourse、Gitter
隐私类： Threema、Nostr、Mumble、Nextcloud Talk、Rocket.Chat、Ntfy、Gotify
办公类： Pumble、Flock、Twist、钉钉、Zalo、Webhooks

每个适配器都支持按频道覆盖模型、私信/群组策略、限流和输出格式化。

WhatsApp Web 网关（二维码）

通过二维码将你的个人 WhatsApp 账号连接到 OpenFang，就像使用 WhatsApp Web 一样。无需 Meta Business 账号。

前提条件

• 已安装 Node.js >= 18（下载）
• 已安装并初始化 OpenFang

设置步骤

1. 安装网关依赖：

cd packages/whatsapp-gateway
npm install

2. 配置 config.toml：

[channels.whatsapp]
mode = "web"
default_agent = "assistant"

3. 设置网关 URL（任选其一）：

为保持持久性，添加到你的 shell 配置文件中：

# macOS / Linux
echo 'export WHATSAPP_WEB_GATEWAY_URL="http://127.0.0.1:3009"' >> ~/.zshrc
source ~/.zshrc

或者在启动网关时直接设置：

export WHATSAPP_WEB_GATEWAY_URL="http://127.0.0.1:3009"

4. 启动网关：

node packages/whatsapp-gateway/index.js

网关默认监听端口 3009。可通过 WHATSAPP_GATEWAY_PORT 覆盖。

5. 启动 OpenFang：

openfang start
# 仪表板地址：http://localhost:4200

6. 扫描二维码：

打开仪表板 → Channels → WhatsApp。会出现一个二维码。用手机扫描：

WhatsApp → 设置 → 已链接设备 → 链接新设备

扫描成功后，状态会变为 已连接，传入的消息将被路由到你配置的代理。

网关环境变量

网关 API 端点

替代方案：WhatsApp Cloud API

对于生产级工作负载，请使用带有 Meta Business 账号的 WhatsApp Cloud API。请参阅 Cloud API 配置文档。

27 家 LLM 提供商，123+ 模型

3 个原生驱动（Anthropic、Gemini、OpenAI 兼容）可路由至 27 家提供商：

Anthropic、Gemini、OpenAI、Groq、DeepSeek、OpenRouter、Together、Mistral、Fireworks、Cohere、Perplexity、xAI、AI21、Cerebras、SambaNova、HuggingFace、Replicate、Ollama、vLLM、LM Studio、Qwen、MiniMax、智谱、Moonshot、千帆、Bedrock 等。

智能路由结合任务复杂度评分、自动回退、成本跟踪以及按模型定价。

从 OpenClaw 迁移

已经在运行 OpenClaw？只需一条命令：

# 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

# 先进行试运行，查看将要更改的内容
openfang migrate --from openclaw --dry-run

迁移引擎会导入你的代理、对话历史、技能和配置。OpenFang 原生读取 SKILL.md，并且兼容 ClawHub 市场。

与 OpenAI 兼容的 API

即插即用的替代方案。将现有工具指向 OpenFang：

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
  }'

140+ 个 REST/WS/SSE 端点，涵盖代理、记忆、工作流、通道、模型、技能、A2A、Hands 等。

快速入门

# 1. 安装（macOS/Linux）
curl -fsSL https://openfang.sh/install | sh

# 2. 初始化。引导你完成提供商设置。
openfang init

# 3. 启动守护进程
openfang start

# 4. 仪表板已在 http://localhost:4200 上运行

# 5. 激活一个 Hand。它会开始为你工作。
openfang hand activate researcher

# 6. 与代理聊天
openfang chat researcher
> “AI 代理框架有哪些新兴趋势？”

# 7. 启动一个预构建的代理
openfang agent spawn coder

irm https://openfang.sh/install.ps1 | iex
openfang init
openfang start

开发

# 构建工作区
cargo build --workspace --lib

# 运行所有测试（1,767+ 个）
cargo test --workspace

# 静态代码检查（必须无警告）
cargo clippy --workspace --all-targets -- -D warnings

# 代码格式化
cargo fmt --all -- --check

稳定性说明

OpenFang v0.5.10 尚处于 1.0 之前的预发布阶段。其架构稳固、测试套件全面，安全模型也十分深入。尽管如此：

• 在 v1.0 发布之前，小版本之间仍可能出现破坏性变更。
• 各组件的成熟度不一，其中浏览器端和研究员端经过了最充分的实战检验。
• 仍存在边缘情况。若您发现任何问题，请提交 issue。
• 生产环境部署时，请在 v1.0 发布前锁定到特定 commit 版本。

我们快速迭代、迅速修复。目标是在 2026 年年中推出一个坚如磐石的 v1.0 版本。

安全

如需报告安全漏洞，请发送邮件至 jaber@rightnowai.co。我们将认真对待每一份报告，并在 48 小时内回复。

许可证

MIT 许可证。您可以按任意方式使用。

链接

• 官网与文档
• 快速入门指南
• GitHub
• Discord
• Twitter / X

由 RightNow 构建

OpenFang 由 Jaber 构建并维护，他是 RightNow 的创始人。

官网 • Twitter / X •

采用 Rust 构建，配备 16 层安全防护，真正为您服务的智能代理。

OpenFang 快速上手指南

OpenFang 是一个用 Rust 编写的开源智能体操作系统（Agent OS）。它不是聊天机器人框架，也不是简单的 LLM 包装器，而是一个能够独立运行、全天候工作的自主智能体系统。整个系统编译为单个约 32MB 的二进制文件，无需复杂的依赖环境。

环境准备

• 操作系统：支持 Linux、macOS 和 Windows。
• 前置依赖：无特殊依赖。OpenFang 设计为“单二进制”交付，不需要预先安装 Python、Docker 或 Node.js。
• 网络要求：需要能够访问 openfang.sh 下载脚本以及后续智能体所需的外部 API（如 LLM 提供商）。
  • 注：目前官方未提供特定的中国镜像源，如遇下载超时，请检查网络环境或使用代理。

安装步骤

OpenFang 提供了一键安装脚本，自动下载最新版本的二进制文件并配置环境变量。

Linux / macOS

在终端执行以下命令：

curl -fsSL https://openfang.sh/install | sh

Windows (PowerShell)

以管理员身份打开 PowerShell，执行以下命令：

irm https://openfang.sh/install.ps1 | iex

注意：当前版本为 v0.5.10 (Pre-1.0)，功能已完整但可能存在破坏性更新。生产环境建议锁定特定 commit 版本。

基本使用

安装完成后，只需三个命令即可启动你的第一个自主智能体系统。

1. 初始化项目

在当前目录创建 OpenFang 配置文件：

openfang init

2. 启动服务

运行主程序，系统将加载内置的智能体模块（Hands）并启动本地仪表盘：

openfang start

启动成功后，访问 http://localhost:4200 查看实时仪表盘。

3. 激活智能体 (Hands)

OpenFang 的核心是"Hands"——预建的自主能力包。你可以随时通过命令行激活它们，它们将按计划自动工作，无需持续提示。

示例：激活深度研究智能体 (Researcher)

# 激活 Researcher Hand，它将立即开始工作
openfang hand activate researcher

# 随时查看其运行状态
openfang hand status researcher

示例：激活潜在客户挖掘智能体 (Lead)

# 激活 Lead Hand（默认按每日计划运行）
openfang hand activate lead

# 暂停智能体（保留当前状态）
openfang hand pause lead

# 列出所有可用的 Hands
openfang hand list

内置智能体概览

系统预装了 7 种强大的自主智能体：

所有操作均受到 OpenFang 内置的 16 层安全系统保护（包括 WASM 沙箱、审计链、防注入等），确保自主运行的安全性。