OpenDAN-Personal-AI-OS
OpenDAN-Personal-AI-OS 是一个开源的个人人工智能操作系统,旨在将多种 AI 功能整合到一个统一平台中,让用户轻松创建和管理个性化的 AI 助手。它解决了当前 AI 工具分散、难以协同的问题,通过模块化设计支持多个 AI 代理(如日程助理、知识管家、英语老师、命令行助手等)协同工作,并能连接 Telegram、邮件等常用服务,甚至控制智能家居设备。
OpenDAN 特别适合对 AI 感兴趣的技术爱好者、开发者以及希望在本地私有环境中使用 AI 的用户。它支持在 PC、Mac、树莓派、NAS 等多种设备上通过 Docker 快速部署,并允许用户切换本地运行的开源大模型(如 LLaMa),保障数据隐私。当前版本已实现基础框架、私有知识库构建、多智能体协作流程(如自动生成有声童话书)等功能,未来还将推出应用商店式的一键安装体验。项目仍处于早期阶段,欢迎社区参与共建。
使用场景
一位自由开发者兼内容创作者小李,日常需要同时处理编程任务、整理技术文档、学习英语,并为孩子制作睡前故事音频。
没有 OpenDAN-Personal-AI-OS 时
- 需在多个平台间切换:用 ChatGPT 查命令、Notion 整理知识、Anki 背单词、Audacity 制作音频,操作繁琐且数据分散。
- 本地技术文档无法被 AI 直接调用,每次查资料都要手动翻找文件夹或邮件。
- 编写 Bash 命令时经常忘记参数,反复查阅手册或 Stack Overflow,效率低下。
- 为孩子创作个性化童话需手动写脚本、生成语音、配图,流程复杂耗时。
- 所有 AI 工具依赖云端服务,隐私敏感内容不敢上传,且无法离线使用。
使用 OpenDAN-Personal-AI-OS 后
- 在统一界面中调用 Jarvis(日程助理)、Mia(知识管家)、Tracy(英语老师)和 ai_bash(命令助手),无需跳转多个应用。
- 通过内置文件爬虫自动构建本地知识库,Mia 可直接引用 ~/Documents 中的技术笔记回答问题。
- 输入自然语言如“找出包含 OpenDAN 的 PDF”,ai_bash 自动生成并执行 find + grep 命令。
- 启动 story_maker 工作流,Tracy 编写英文童话,Mia 补充角色设定,系统自动合成带语音的音频故事。
- 所有模型和数据运行在本地 Docker 环境,支持 Raspberry Pi 部署,保障隐私且可离线使用。
OpenDAN-Personal-AI-OS 将碎片化的 AI 能力整合为可协同的个人智能操作系统,真正实现“一个入口,掌控全部”。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
OpenDAN:你的个人 AI 操作系统(AIOS)
OpenDAN 是一个开源的个人 AI 操作系统(Personal AI OS),将各种 AI 模块整合到一个统一平台,供你个人使用。
项目介绍
OpenDAN(Open and Do Anything Now with AI)正在通过其个人 AI 操作系统(AIOS)重塑 AI 领域。该系统专为无缝集成多样化的 AI 模块而设计,确保卓越的互操作性(interoperability)。OpenDAN 赋予用户构建强大的 AI 智能体(Agent)的能力——无论是管家、助手、私人导师还是数字伴侣——同时始终保持对系统的掌控权。这些智能体可以协同工作以应对复杂挑战,与现有服务集成,并控制智能(IoT)设备。
通过 OpenDAN,我们将 AI 交到你手中,让生活更简单、更智能。
本项目仍处于非常早期的阶段,未来可能会有重大变更。
更新日志
经过三个多月的开发,由新贡献者 waterflier 主导开发的 OpenDAN MVP(最小可行产品)首个版本(0.5.1)的代码已合并至 Master 分支。该版本实现了 OpenDAN PoC(概念验证)版本中提出的许多构想,并完成了操作系统的基本框架,特别是定义了在 AIOS 上的应用形态。目前,0.5.1 版本以“一体化”(all-in-one)模式运行。对于 0.5.2 版本,我们将基于已部分完成的 CYFS Owner Online Device (OOD) OS 框架代码,推进 OpenDAN OS 内核的正式实现。

OpenDAN 0.5.1(MVP)主要新特性:
- 基于 Docker 的快速安装与部署,使 OpenDAN 通过 Docker 兼容广泛的硬件环境(PC/Mac/树莓派/NAS)。
- AI 智能体的大语言模型(LLM)可切换,现已支持本地运行开源模型(如 LLaMa)。
- 引入更多内置 AI 智能体:
- 个人助理 Jarvis:管理你的日程和通讯记录的顾问型助手,ChatGPT 的替代方案。
- 信息助理 Mia:管理你的个人数据并将其整理成知识库。
- 私人英语教师 Tracy:你的专属英语老师。
- ai_bash(面向开发者):无需再记忆复杂的命令行参数!例如直接输入“在 ~/Documents 中查找包含 OpenDAN 的文件”即可使用 Bash。
- 通过 Telegram / 邮件连接 AI 智能体或工作流(Workflow)。
- 基于现有文件或邮件爬虫构建本地私有知识库,使 AI 智能体可访问个人数据。
- 支持文本文件和常见图像格式。
- 支持其他常见格式。
- 实现工作流(Workflow):多个智能体协作解决更复杂的问题。
- 内置工作流 story_maker,集成 AIGC 工具生成音频童话书。
- 提供分布式 AI 计算核心,用于复杂任务调度。
- 支持手动下载并安装新的智能体/工作流。
- OpenDAN 商店(Store):智能体/工作流/模型一站式安装(推迟至 0.5.2 版本)。
开发者请点击此处了解 OpenDAN 系统开发的最新进展。
介绍视频 —— 什么是 OpenDAN?
点击下方图片观看演示:
订阅更新
https://twitter.com/openDAN_AI
安装
目前有两种方式安装 OpenDAN 内测版:
- 通过 Docker 安装 —— 这也是我们当前推荐的方式。
- 通过源码安装 —— 此方法可能遇到传统的 Python 依赖问题,需要你具备一定的排错能力。但如果你想对 OpenDAN 进行二次开发,则必须使用此方法。
安装前准备
- Docker 环境
本文不介绍如何安装 Docker,请在你的终端执行以下命令:
docker -version
若能看到 Docker 版本号(> 20.0),说明你已成功安装 Docker。
如不清楚如何安装 Docker,可参考此处。
- OpenAI API Token
如果没有 API Token,可在此申请。
新用户申请 API Token 可能存在一定门槛。你可以向身边的朋友借用临时 Token,或加入我们的内测体验群。我们也会不定期发放一些免费体验用的 API Token(这些 Token 有最大消费额度和有效期限制)。
安装
执行以下命令即可拉取 OpenDAN 的 Docker 镜像:
docker pull paios/aios:latest
运行 OpenDAN
首次运行 OpenDAN 需要初始化。初始化过程中你需要输入一些信息,因此启动 Docker 时请务必带上 -it 参数。
OpenDAN 是你的个人 AIOS,运行过程中会生成一些重要的个人数据(如与智能体的聊天记录、日程数据等)。这些数据将存储在你的本地磁盘上。因此,我们建议将本地目录挂载到 Docker 容器中,以确保数据持久化。
docker run -v /your/local/myai/:/root/myai --name aios -it paios/aios:latest
上述命令中,我们还为 Docker 实例指定了名称 aios,便于后续操作。你也可以使用自己喜欢的名称。
首次创建 Docker 实例后,后续只需执行:
docker start -ai aios
如果你计划以后台服务模式运行(无交互界面),则无需 -ai 参数:
docker start aios
你好,Jarvis!
配置完成后,你将进入一个 AIOS Shell,其界面类似于 Linux Bash。该界面的含义是:
当前用户 “username” 正在与名为 “Jarvis” 的智能体/工作流进行通信,当前话题为默认状态。
向你的私人 AI 助手 Jarvis 打个招呼吧!
如果一切正常,稍等片刻你就会收到 Jarvis 的回复。此时,OpenDAN 系统已成功运行。

OpenDAN 的核心概念与特性
- AI Agent(AI 智能体):由大语言模型驱动,拥有自身的记忆。AI 智能体通过自然语言交互完成任务。
- AI Workflow(AI 工作流):将不同的 AI 智能体组织成一个 AI 智能体群组,以完成复杂任务。

- AI Environment(AI 环境):在获得授权后,支持 AI 智能体访问文件系统、物联网(IoT)设备、网络服务、智能合约以及当今互联网上的所有资源。
- AI Marketplace(AI 应用市场):提供一键安装和使用各类 AI 应用的解决方案,帮助用户轻松获取和管理 AI 应用。
- AI Model Solution(AI 模型解决方案):为模型搜索、下载和访问控制提供统一入口,方便用户查找并使用符合自身需求的模型。
- 硬件专属优化:针对特定硬件进行优化,使大多数开源 AI 应用能够流畅地在本地运行。
- 严格的隐私保护与管理:严格管理个人数据,涵盖家庭相册、聊天记录、社交媒体记录等,并为 AI 应用提供统一的访问控制接口。
- 个人知识库:
- 集成式 AIGC(生成式人工智能)工作流:提供 AIGC 智能体/工作流,允许用户利用个人数据训练自己的语音模型、LoRA 模型、知识模型等。基于这些私有模型数据,整合最先进的 AIGC 算法,帮助用户轻松释放创造力,打造更酷、更具个性化的数字内容。
- 开发框架:提供用于定制特定用途 AI 助手的开发框架,使开发者能够轻松为客户创建独特的 AI 应用/服务。
深入理解 OpenDAN
从源代码构建 OpenDAN
- 安装最新版本的 Python(>= 3.11)和 pip
- 克隆源代码
git clone https://github.com/fiatrete/OpenDAN-Personal-AI-OS.git cd OpenDAN-Personal-AI-OS - 启用虚拟环境
virtualenv venv source ./venv/bin/activate - 安装依赖的 Python 库
等待安装完成。pip install -r ./src/requirements.txt - 通过 aios_shell 启动 OpenDAN
python ./src/srvice/aios_shell/aios_shell.py- 如果出现错误提示
No ffmpeg exe could be found,你需要从 https://www.ffmpeg.org/ 手动安装它。
- 如果出现错误提示
现在 OpenDAN 以开发模式运行,相关目录如下:
- AIOS_ROOT: ./rootfs (在 Docker 中为 /opt/aios)
- AIOS_MYAI: ~/myai (在 Docker 中为 /root/myai)
OpenDAN 使用指南
第一章:你好,Jarvis!
- 1.1 OpenDAN 的安装
- 1.2 OpenDAN 的初始配置
- 1.3 智能体介绍与 Jarvis 的使用
- 1.4 通过 Telegram 和电子邮件随时随地与 Jarvis 通信
- 1.5 在日常生活中使用 Jarvis
- 1.6 Mia 与知识库
- 1.7 其他内置智能体介绍
第二章:AIGC 工作流(即将推出)
使用工作流激活 AIGC 功能,让智能体团队(导演、艺术家、旁白)协作,根据你的指令为孩子创作独一无二的睡前故事!
- 2.1 使用工作流
story_maker - 2.2 启用你自己的 AIGC 计算节点
- 2.3 训练并使用你自己的 AIGC LoRA 模型
第三章:在 OpenDAN 上开发智能体/工作流(撰写中)
操作系统最关键的设计是什么?定义新型应用形态!
本文将系统性地介绍未来智能应用(Intelligence Applications)的样貌、如何开发与发布智能应用,以及如何将新一代智能应用与传统计算连接起来。
- 3.1 开发可在 OpenDAN 上运行的智能体
- 3.2 开发可在 OpenDAN 上运行的工作流
- 3.3 扩展智能体可访问的环境
- 3.4 发布你自己训练的各种模型
- 3.5 扩展更多通道以增强智能体/工作流的可访问性
- 3.6 在个人服务器上开发传统 dApp(去中心化应用)
第四章:OpenDAN 内核开发(撰写中)
本文将介绍 OpenDAN 架构的设计与实现

- 4.1 将你自己的 LLM(大语言模型)核心集成到 OpenDAN
- 4.2 知识库:支持更多文件类型,使智能体更好地理解你的知识图谱
- 4.3 AI 计算引擎:集成更多 AIGC 能力,并接入更强的算力
- 4.4 OpenDAN 的状态管理:文件系统与向量数据库
- 4.5 内核服务与权限隔离
- 4.6 智能网关
即将推出的路线图
- 发布 OpenDAN 的概念验证(PoC)
- 0.5.1 通过 Spider 实现个人数据嵌入知识库(KB),并供 AI 智能体访问
- 0.5.2 分离用户态与内核态,知识库支持场景格式和更多 Spider,支持个人 AIGC 模型训练
- 0.5.3 发布家庭环境,允许智能体访问并控制家中的 IoT 设备
- 0.5.x OpenDAN Alpha 正式版发布,同时推出 OpenDAN SDK 1.0
贡献指南
我们欢迎社区成员参与项目贡献,包括但不限于提交 Issue、改进文档、修复 Bug 或提供新功能。你可以通过以下方式参与贡献:
- 在 GitHub 仓库中提交 Issue
- 向仓库提交 Pull Request
- 参与讨论与开发
OpenDAN 利用 SourceDAO 智能合约激励社区。做出贡献的开发者将获得 OpenDAN DAO 代币形式的奖励。DAO 代币持有者可共同决定 OpenDAN 的发展方向。你可以通过阅读这篇文章了解 SourceDAO 的规则(https://github.com/fiatrete/OpenDAN-Personal-AI-OS/issues/25)。
OpenDAN 的 DAO 治理页面正在开发中。正式上线后,所有贡献者将根据规则获得 DAO 代币。
⭐Star 历史
许可证
当前许可证为 MIT,但未来将过渡至 SourceDAO。
版本历史
0.5.12024/04/230.0.42023/06/200.0.32023/06/16常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

