AIAI 工具图鉴
← 返回全部文章
·约 12 分钟PPT

OpenOPC

下载 PPT下载视频

配套媒体

本页对应的 PPT 与演示视频

OpenOPC-recommend.mp4
PPT
OpenOPC-recommend.pptx浏览器不能直接打开 PPT，下载后用 PowerPoint / WPS / Keynote 查看
下载没反应？点这里复制直链

侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。

PPT../../OpenOPC-recommend.pptx
视频../../OpenOPC-recommend.mp4
本文目录
  1. 🚀 什么是 OpenOPC？
  2. ✨ 三大自循环机制一览
  3. 🏗️ Self-Built（自建）
  4. ⚙️ Self-Run（自运行）
  5. 🌱 Self-Grown（自成长）
  6. 🛠️ 快速上手：5 分钟搭起你的 AI 公司
  7. 安装（推荐 uv）
  8. 启动 Company Mode
  9. 📊 与竞品对比
  10. 💡 适用场景（真实 UI 截图）
  11. 场景 1：CEO 自动调度员工 + 启动公司模式
  12. 场景 2：Kanban 看版实时追踪 11 个角色工作项
  13. 场景 3：组织架构图（Corporate 11 Roles）
  14. 场景 4：人才市场（212 个招聘模板）
  15. 场景 5：像素艺术办公室（像玩游戏一样看 AI 干活）
  16. 用户群体总结
  17. 💰 开源协议 + 安装
  18. 🎯 总结

📌 核心价值：港大开源的"AI 原生公司"协调运行时，把复杂任务变成可观测的多角色协作流程

它不只是 Agent 启动器，而是把"组织架构 + 工作项状态机 + 依赖 DAG + 自成长 Playbook"打包成一个完整公司运行时。

封面图

🚀 什么是 OpenOPC？

OpenOPC（HKUDS/OpenOPC，⭐ 137）是一个开源的"AI 原生公司"协调运行时，由香港大学 Data Intelligence Lab 推出。它的核心愿景是让一个人也能撑起一家公司——

"Self-Built, Self-Run, Self-Grown"——自建、自运行、自成长

把"复杂的多步骤任务"转化为"完整的 AI 公司协作流程"。每个员工（Agent）有明确的角色、汇报关系、工作项和依赖图，整个组织在执行任务的过程中自动积累经验并形成可继承的 Playbook。

核心定位：不是"单 Agent 聊天工具"，而是"虚拟公司 + 真实组织架构"的协调运行时

GitHub stars GitHub forks License

✨ 三大自循环机制一览

OpenOPC 三大自循环机制详解

🏗️ Self-Built（自建）

  • 自动起草组织架构图
  • 复用已有员工，或从 212 个人才模板中招聘
  • 支持 9 大行业（AI 研发 / 软件开发 / 金融投资 / 销售增长 / 内容媒体 / 行业助理 / 会计财务 / 品牌电商 / 教育培训）

⚙️ Self-Run（自运行）

  • 工作项状态机（Kanban）+ 依赖 DAG 调度
  • 独立项自动并行 / 依赖项自动等待
  • 动态处理阻塞 + 按需升级到人类判断

🌱 Self-Grown（自成长）

  • 执行轨迹归因到具体角色
  • 提炼为高信号经验
  • 形成共享 Playbook，新员工可继承

🛠️ 快速上手：5 分钟搭起你的 AI 公司

安装（推荐 uv）

Windows PowerShell：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
cd C:\path\to\OpenOPC
uv python install 3.12
uv venv --python 3.12
.\.venv\Scripts\Activate.ps1
uv pip install -e .
uv run python -m playwright install chromium

启动 Company Mode

# 初始化配置
uv run opc init

# 配置 LLM API（在 .opc/config/llm_config.yaml 中）
# llm:
#   api_key: "sk-or-v1-..."
#   default_model: "openai/gpt-5.4"

# 启动浏览器 UI（默认 http://localhost:8765）
uv run opc ui

# 或直接用 Company Mode 启动任务
uv run opc chat -p demo --mode company --company-profile corporate "规划、实施、评审并文档化此功能"

注意：第一次启动会自动初始化 .opc/ 目录（包含 memory、projects、ui_state.db 等），所有运行时状态都可放在仓库外（通过 OPC_HOME 环境变量）

📊 与竞品对比

OpenOPC vs 竞品核心能力对比

关键差异：

  • vs OPC-Agents：OpenOPC 走"完整公司架构"路线（三贤者并行投票 vs 11+ 角色组织）
  • vs LobeChat 等单 Agent 框架：OpenOPC 支持 Company Mode（多角色协作）
  • vs 传统多 Agent 框架：OpenOPC 提供可视化办公室 + 状态机 + 自成长三大独特能力

💡 适用场景（真实 UI 截图）

场景 1：CEO 自动调度员工 + 启动公司模式

CEO 自动调度员工 + 启动公司模式

功能说明：在 Chat 界面输入一个复杂任务（如"Build a complete, production-ready simultaneous interpretation app"），CEO 角色会自动评估现有员工并起草本次任务的组织架构。你可以从 212 个人才模板中"招聘"新的 CTO / CMO / COO 等角色加入本次公司。

输入要求：一段自然语言需求（如产品需求文档）

输出效果：完整的虚拟公司组织架构 + 每个角色的执行 Agent 选择（OpenOPC Native / Codex / Claude Code / Cursor / OpenCode）

适用场景：

  • 启动新业务时一键搭建虚拟团队
  • 不同任务复用不同组织模板（如游戏开发 vs 投资研究 vs 品牌电商）

场景 2：Kanban 看版实时追踪 11 个角色工作项

Kanban 看版实时追踪 11 个角色工作项

功能说明：所有任务以工作项形式进入 Kanban 看版，状态包括 To Do / In Progress / In Review / Done。每个工作项有 Owner（当前负责角色）、Runtime（执行 Agent）、Kanban 列位置（流程位置）、Runnability（是否可执行）。

输入要求：CEO 接受任务后自动拆解

输出效果：可视化看板上 11 个角色同步推进，每个工作项的依赖关系清晰可见

适用场景：

  • 复杂多步骤任务的进度追踪
  • 跨角色协作的责任明确化
  • 用户随时介入或调整优先级

场景 3：组织架构图（Corporate 11 Roles）

组织架构图（Corporate 11 Roles）

功能说明：OpenOPC 内置的 Corporate 企业架构模板，自带 11 个标准角色（CEO / CTO / CMO / COO + 8 个细分执行岗）。可通过 Canvas / Table 两种视图查看，支持 Auto-layout 自动排版。

输入要求：选择 --company-profile corporate 即用默认架构

输出效果：11 个角色 + 16 个员工 + 6 个 runtime teams + 8 个任务的完整组织

适用场景：

  • 标准化业务场景（软件开发 / 内容生产 / 投资研究）
  • 新用户快速启动，无需理解角色设计

场景 4：人才市场（212 个招聘模板）

人才市场（212 个招聘模板）

功能说明：OpenOPC 从开源的 agency-agents 项目导入 212 个职位模板，覆盖学术 / 数据 / 设计 / 工程 / 金融 / 游戏开发 / 通用 / 管理 / 营销 / 影视 / 产品 / 项目管理 / 研究 / 销售 / 空间计算 / 战略 / 支持 / 测试等 18 大类。

输入要求：用 opc talent import /path/to/agency-agents 导入

输出效果：可一键"Hire"任意模板作为公司新员工

适用场景：

  • 启动特殊垂直业务（医疗、法律、会计）
  • 复用社区验证过的人才设计

场景 5：像素艺术办公室（像玩游戏一样看 AI 干活）

像素艺术办公室（像玩游戏一样看 AI 干活）

功能说明：受 pixel-agents-hq/pixel-agents 启发，OpenOPC 用 Phaser + React 实现了一个像素艺术办公室动画——每个 Agent 显示为一个小角色，实时显示其状态、任务和活跃工具。你甚至可以手动移动员工座位、分配工位、点击角色查看详情。

输入要求：切换到 "Office" 标签页

输出效果：沉浸式可视化协作，像玩模拟经营游戏一样管理 AI 团队

适用场景：

  • 演示汇报（视觉冲击力强）
  • 多任务并行时的全局视角

用户群体总结

  • ✅ 独立创业者：一个人撑起一家公司，省去招聘成本
  • ✅ 小团队 leader：把跨角色协作流程自动化
  • ✅ AI Agent 开发者：研究"组织级"多 Agent 协调的工程范式
  • ✅ 企业 CTO：探索"AI 原生组织"的未来形态
  • ❌ 不适合：只想聊天 / 写代码 / 跑简单工作流的用户（用 Cursor / Claude Code 即可）

💰 开源协议 + 安装

许可证：MIT License（商用友好）

技术栈：

  • Python >=3.10（推荐 3.12）
  • Node.js >=18（构建前端时）
  • 依赖：uv 管理 + aiohttp 后端 + React/Phaser 前端 + LiteLLM 调用 LLM + Playwright 浏览器

安装命令（已在上方"快速上手"列出）

💡 立即体验：所有运行时状态在 .opc/ 目录下，可通过 OPC_HOME 环境变量放到仓库外——这意味着你的虚拟公司可以跨项目、跨机器迁移

🎯 总结

OpenOPC 给"AI Agent 协作"领域带来了一次范式升级——从"Agent 池"升级到"虚拟公司"。它解决了传统多 Agent 框架的三大痛点：

  1. 缺乏组织抽象：传统框架是松散的 Agent 列表，OpenOPC 用"角色 + 汇报关系 + 依赖 DAG"组织化
  2. 缺乏可视化：传统框架是黑盒命令行，OpenOPC 提供 Kanban + Office 动画 + 执行进度面板
  3. 缺乏成长性：传统框架每次任务都从零开始，OpenOPC 让员工积累经验 + 跨员工继承 Playbook

特别适合想**真正落地"AI 原生公司"**的创业者、研究者、企业 CTO。如果你已经在用 LobeChat / Claude Code / Cursor，OpenOPC 可以让你的协作从"一个人工指挥多个工具"升级为"一个人管理一整家公司"。

推荐指数： ⭐⭐⭐⭐⭐（满分 5 星）

适合人群：独立创业者 + 小团队 leader + AI Agent 研究者 + 企业 CTO

立即体验： HKUDS/OpenOPC

GitHub 仓库： HKUDS/OpenOPC

数据截至 2026-07-05，最新信息请以 GitHub 仓库为准。