注重本地控制的最佳开源 AI 智能体

莉娜来了。当我寻找可以自己管理的智能体时，我不会从排行榜开始。我从一个更普通的问题开始：如果它涉及一个项目、文档或终端，我可以看到安装的内容，选择它的运行位置，并在更新出错时恢复吗？这是开源AI 智能体背后的有用承诺，但并不是每个模型、工具调用、日志或连接器都保留在本地的承诺。

这是一个购买决策候选清单，适用于需要本地控制、可见代码或自托管AI 智能体的开发人员和小型团队。我于 2026 年 9 月 21 日检查了公开代码仓库、许可证、安装路径、版本、最近提交、问题跟踪器、模型/工具配置和安全说明。与“最佳本地 AI 智能体”指南不同，本指南侧重于代码、许可和操作责任。

最佳开源 AI 智能体一览

不存在最好的开源AI 智能体。 Open Interpreter 是针对选定工作区和操作系统权限的直接本地桌面选择。 AnythingLLM 适合具有桌面或 Docker 部署的持久知识工作区。 Agent Zero 是一个用于浏览器、文档和项目任务的 Docker 工作台。 OpenHands、SWE-agent 和 Aider 面向开发人员：代码仓库、终端、差异、测试和模型配置，而不是办公自动化。

我仅包含发布可运行智能体表面和项目级开源许可证的代码仓库。这很重要。 开源人工智能定义 将系统、代码和模型组件视为单独的问题。公开代码仓库是有用的证据，但它不会自动使其托管层、企业附加组件、模型权重、插件或每个依赖项开源。这是信息整理，不是法律建议；采购或重新分配决定仍然需要准确的当前许可证文本和适当的建议。

开源智能体如何符合此列表的资格

需要可运行的智能体，而不仅仅是 SDK

我遗漏了需要团队构建实际智能体体验的模型权重版本、API 包装器和编排库。候选人需要有记录的 CLI、桌面客户端或 Web 界面；模型支持；动作面；以及人们可以检查的结果。

这就是 Aider 和 SWE-agent 符合资格的原因：他们接受代码仓库任务并留下差异或轨迹以供审查。 Agent Zero 自称是一个框架，但它的 Docker 镜像和 Web UI 是直接的智能体体验。 Dify 和当前的 Open WebUI 版本被排除在外：它们的可见代码仓库具有当前的许可证限制，称它们为“开源”会模糊源可用边界。

检查代码仓库活动、许可证和可重复设置

对于每个决赛入围者，我寻找可重复的安装路径、当前版本或提交、问题活动和代码仓库许可证。 Open Interpreter 和 Aider 发布 Apache-2.0 许可证； AnythingLLM、OpenHands、Agent Zero 和 SWE-agent 发布 MIT 许可证。这是一个快照：二进制文件、图像、扩展、模型服务器和商业服务可以带有单独的术语。

可重现的设置意味着固定的版本或映像、数据目录或卷、模型端点和回滚计划。在重要工作之前，记录提交、镜像、模型标识符和许可证、工具配置、测试任务、日志和回滚命令。

在一个决策矩阵中比较入围名单

该表并非速度排名。我找到了当前的安装材料、代码仓库活动和问题活动，但仍会测试确切的版本。宽松的应用程序许可证不会解决模型的商业使用条款。

按部署模式划分的最佳开源 AI 智能体

对于本地桌面

当工作需要本地文件、shell 命令或应用程序时，Open Interpreter 是最明确的选择。它的优点也是令人不舒服的部分：它使用操作系统权限进行操作。从只读清单、临时文件夹和文件输出开始。 AnythingLLM 对于检索、写作和持续的文档工作空间来说更加平静。 “本地”仍然需要模型、嵌入、浏览器工具、遥测和连接器的地图。

对于自托管团队服务

AnythingLLM 和 Agent Zero 可以启动小型自托管服务，但都不会消除运行服务的工作。添加身份验证和 TLS、限制网络绑定、备份持久卷以及控制谁可以添加工具或更改模型。 Agent Zero的Docker边界可以限制其工作环境；主桥或宽安装故意改变它。不要将未经审核的智能体 Web UI 暴露到 Internet，因为源是可用的。

OpenHands 可以适应由开发人员主导的共享环境，其中包含沙盒、源代码控制的项目。决定它接收哪些目录、浏览器是否有凭据、允许哪些出站访问以及如何恢复停止的运行。自托管 AI 智能体是您操作的服务，而不是您完成安装的软件。

用于开发人员主导的定制

选择 SWE-agent 进行问题和补丁加测试； Aider 用于具有差异审查的快速终端循环； OpenHands 用于更完整的工作区和沙箱。它们提供了可运行的表面，同时留出了更改提示、模型、工具和运行时规则的空间。

自定义工具通常需要机密、软件包安装和出站访问。询问他们运行什么命令、读取哪些凭据、在何处写入以及是否已固定。 NIST 生成人工智能配置文件 是一个有用的风险管理提示，而不是一个认证：文档背景、保障措施、评估和剩余所有者。

计算实际拥有成本

开源改变了软件的操作者；它并不能使智能体变得无成本。成本表现为 RAM、VRAM、存储、模型下载、图像、API 使用、备份、监控、支持时间和人工审核。除非每个模型、嵌入服务、工具、更新路径和连接器都已分阶段和检查，否则请勿声明离线操作。

使用简短的试点：一项可重复的任务、允许的模型、项目文件夹、运行预算以及记录干预和恢复时间的所有者。统计首次安装、升级、回滚和失败的工具调用。问：我们能否在不让一个人成为无薪待命团队的情况下保持这一安全工作？

安全、维护和治理权衡

开源不是一个安全判决。可见代码可以帮助团队检查、修补和固定其堆栈；该团队仍然拥有凭据等机密信息、暴露的端口、依赖项、模型来源和事件响应。联合发布的人工智能系统安全开发指南也提出了同样的观点：安全部署是一项持续的责任，而不是一个复选框。

缩小能力范围。给出一个代码仓库，而不是主目录；一个非生产令牌，而不是共享管理员凭证；以及外部或破坏性行动之前的审查门。保留模型、配置、工具、输入、操作、输出、审阅者和恢复结果。保护日志：它们可以包含敏感的提示和路径。

选择您的团队可以操作的智能体

对于本地桌面任务，我会从 Open Interpreter 或 AnythingLLM 以及有界的、可逆的作业开始。对于包含 Docker 的通用工作台，零号特工值得配备一个窄安装的小型飞行员。对于代码仓库，选择 Aider 进行交互式循环，选择 SWE-agent 进行问题型尝试，或选择 OpenHands 进行更结构化的运行时。这些选择都不需要检查模型路由、许可证、差异、日志和恢复路径。

EvoX 属于不同的比较：它是本地优先的桌面智能体产品，而不是此候选列表中的公共开源代码仓库候选产品。重要的是工具是否可以在您的团队理解的控制下完成工作，以及您是否可以停止、审查或更改它。

常见问题解答

开源 AI 智能体可以在基于 ARM 的计算机上运行吗？

通常，但请检查图像、桌面二进制文件、模型运行时和加速路径。 Agent Zero 通过 Docker 记录了 macOS、Linux 和 Windows 上的 ARM64 支持；其余的可以取决于所选的容器、推理服务器或模型。在目标机器上测试完整堆栈。

可以在没有模型权重的情况下备份智能体配置吗？

通常。备份项目配置、提示、工具定义、批准的设置、持久数据量和模型/版本清单。排除凭据等机密信息或单独保护它们。只有在他们自己的许可证允许的情况下才能镜像模型权重；验证恢复的模型和工具。

多个用户可以在一次安装中保留单独的配置文件吗？

仅当当前文档明确提供帐户、角色控制和隔离存储时才依赖它。共享浏览器配置文件或容器卷不是用户管理。单独的操作系统帐户、持久卷和凭据是更安全的默认设置。

离线安装可以镜像依赖关系吗？

是的，但这是一项供应链任务。镜像批准的映像、包、模型文件和依赖项；保留校验和、版本、许可证和说明。在禁用网络的情况下演练安装。 “安装后离线”比“首次安装后离线”范围更窄。

开源智能体是否发布辅助功能文档？

不足以一致地假设它。我没有找到每个决赛入围者的可比较的当前陈述。使用屏幕阅读器、仅键盘工作流程、对比度设置、权限对话框、运行历史记录和恢复控件来测试 UI。默认情况下，公开代码仓库不会使已发布的智能体可供访问。

往期文章：

1. 如果本地执行是您考虑开源智能体的主要原因，DeepSeek V4 Flash 作为 Mac 上的本地智能体 展示了模型可用性、运行时支持、硬件、工具使用和验证如何影响本地设置是否真正有效。
2. 为了将本地桌面智能体与更广泛的“AI 同事”主张区分开来，AI 同事与桌面智能体 比较了不同智能体工作界面的计算机访问、文件、连接的工具、记忆和用户控制。
3. 在将自托管智能体暴露给真实文件、凭据或网络访问之前，OpenClaw AI 智能体安全 解释了为什么即使代码可见，权限、凭据等机密信息、网络边界和更安全的默认设置也很重要。