开源自主代理操作系统 OpenFang

OpenFang是一款完全使用 Rust 语言从零开发的开源智能体操作系统，OpenFang 不是简单的聊天机器人框架，不是大语言模型的Python封装工具，也不是多智能体编排器，OpenFang 系统拥有13.7万行代码、14个Rust组件包、1767项以上的测试用例，通过Clippy检测零警告，整体可编译为单个约32MB的二进制文件，能让智能体真正自主为用户完成各类工作。

传统的智能体框架需要用户主动输入指令才会执行操作，OpenFang 能让自主智能体按照设定的计划7×24小时运行，完成知识图谱构建、目标监控、销售线索生成、社交媒体运营等工作，最后将结果上报至专属仪表盘。

OpenFang 部署流程简单，一条命令完成安装，再通过初始化和启动命令，就能让智能体上线运行，不同系统的基础启动命令如下：

macOS/Linux系统

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

Windows（PowerShell）系统

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

启动后仪表盘会在 http://localhost:4200 上线，可在面板中查看和管理智能体运行状态。

Hands是OpenFang的核心设计，是预构建的自主能力包，能脱离用户的手动提示，按照设定独立运行。这类能力包不是聊天机器人，而是像专属工作助手，比如能在清晨6点自动调研竞品、构建知识图谱、对结果打分，最终在用户工作前将报告发送至Telegram。

每个Hands都整合了四类核心内容，且所有内容均编译进二进制文件，使用时无需额外下载、安装Python包或拉取Docker镜像：

1、HAND.toml：声明工具、设置、运行要求和仪表盘指标的清单文件

2、系统提示词：多阶段的操作手册，并非简单的单行指令，而是500字以上的专业执行流程

3、SKILL.md：运行时会注入上下文的领域专业知识参考文档

4、防护机制：敏感操作的审批关口，比如Browser Hand执行任何购买操作前都需要用户审批

7个内置的Hands能力包

能力包	核心功能
Clip	解析YouTube链接，下载视频并识别精彩片段，剪辑为带字幕和封面的竖屏短视频，可添加AI配音，最终发布至Telegram和WhatsApp；采用8阶段处理流程，整合FFmpeg、yt-dlp和5种语音转文字后端
Lead	每日自动运行，发现匹配理想客户画像的潜在客户，通过网络调研完善客户信息，按0-100分打分，与现有数据库去重后，以CSV/JSON/Markdown格式输出合格销售线索，还能逐步构建理想客户画像
Collector	具备开源情报级的信息收集能力，用户设定目标（企业、个人、话题）后，持续监控目标动态，完成变化检测、情感追踪、知识图谱构建，目标出现重要变动时发送关键警报
Predictor	超级预测引擎，从多源收集信号，构建标准化推理链，给出带置信区间的预测结果，通过布里尔分数追踪预测准确性，还支持反向模式，专门对主流观点提出反驳
Researcher	深度自主调研智能体，交叉验证多源信息，通过CRAAP原则（时效性、相关性、权威性、准确性、目的性）评估信息可信度，生成APA格式的带引用报告，支持多种语言
Twitter	Twitter/X账号自主运营工具，用7种轮换格式创作内容，按最佳互动时间排期发布，自动回复提及内容，追踪运营数据；设置审批队列，所有内容发布前均需用户确认
Browser	网页自动化智能体，能实现网页导航、表单填写、按钮点击，处理多步骤工作流；基于Playwright桥接实现会话持久化，设置强制购买审批关口，无用户明确确认不会产生任何消费

Hands的基础使用命令

# 激活Researcher能力包，立即开始运行
openfang hand activate researcher
# 随时查看Researcher能力包的运行进度
openfang hand status researcher
# 激活Lead能力包，按每日计划运行线索生成
openfang hand activate lead
# 暂停Lead能力包，不会丢失运行状态
openfang hand pause lead
# 查看所有可用的Hands能力包
openfang hand list

用户也能自定义Hands能力包，通过编写HAND.toml文件定义工具、设置和系统提示词，完成后可发布至FangHub平台。

OpenFang与同类框架的性能对比

所有对比数据均来自2026年2月各框架的官方文档和公共代码仓库，从冷启动时间、空闲内存占用、安装体积、安全体系、渠道适配器、大语言模型提供商六个维度，与OpenClaw、ZeroClaw、LangGraph、CrewAI、AutoGen进行了实测对比。

冷启动时间（数值越低表现越好）

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（数值越低表现越好）

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

安装体积（数值越低表现越好）

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

安全体系（数值越高表现越好）

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

渠道适配器（数值越高表现越好）

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

大语言模型提供商（数值越高表现越好）

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

功能细节对比

功能点	OpenFang	OpenClaw	ZeroClaw	CrewAI	AutoGen	LangGraph
开发语言	Rust	TypeScript	Rust	Python	Python	Python
自主Hands能力包	7个内置	无	无	无	无	无
安全层级	16个独立层级	3个基础层级	6个层级	1个基础层级	Docker容器	AES加密
智能体沙箱	WASM双计量沙箱	无	白名单机制	无	Docker容器	无
渠道适配器数量	40	13	15	0	0	0
内置工具	53个+MCP+A2A	50+	12	插件形式	MCP	LC工具
内存存储	SQLite+向量存储	文件存储	SQLite FTS5	4层存储	外部存储	检查点
桌面应用	Tauri 2.0	无	无	无	Studio	无
审计追踪	默克尔哈希链	日志	日志	追踪	日志	检查点
冷启动时间	<200ms	~6s	~10ms	~3s	~4s	~2.5s
安装体积	~32 MB	~500 MB	~8.8 MB	~100 MB	~200 MB	~150 MB
开源协议	MIT	MIT	MIT	MIT	Apache 2.0	MIT

OpenFang的安全防护并非后期附加，而是从底层设计融入系统，所有安全层级均可独立测试，且运行过程中无单点故障，多重安全体系的具体功能如下：

序号	安全系统	核心作用
1	WASM双计量沙箱	工具代码在WebAssembly中运行，结合燃料计量和周期中断机制，监控线程会终止失控代码
2	默克尔哈希链审计追踪	所有操作通过密码学方式与上一操作关联，篡改任一记录会导致整条链路失效
3	信息流污点追踪	执行过程中为数据添加标签，全程追踪敏感信息从源头到终端的流转
4	Ed25519签名智能体清单	所有智能体的身份和能力集均通过密码学签名验证
5	SSRF防护	拦截私有IP、云元数据端点访问，防范DNS重绑定攻击
6	密钥零销毁	通过Zeroizing机制，密钥不再使用时立即从内存中自动清除
7	OFP双向认证	基于HMAC-SHA256随机数的恒定时长验证，保障P2P网络通信安全
8	能力访问关口	基于角色的访问控制，智能体声明所需工具后，由内核强制执行权限校验
9	安全响应头	所有响应均配置CSP、X-Frame-Options、HSTS、X-Content-Type-Options
10	健康端点信息脱敏	公共健康检查仅返回极简信息，完整诊断信息需身份认证后查看
11	子进程沙箱	清空环境变量+选择性变量传递，实现进程树隔离，支持跨平台终止进程
12	提示词注入扫描	检测技能中的权限覆盖尝试、数据泄露模式、Shell引用注入行为
13	循环防护	基于SHA256的工具调用循环检测，搭配熔断机制，处理乒乓式调用模式
14	会话修复	7阶段消息历史验证，实现损坏会话的自动恢复
15	路径遍历防护	通过规范化处理防范符号链接逃逸，../路径遍历方式失效
16	GCRA流量限制	基于成本感知的令牌桶限流，按IP追踪访问，清理过期限流规则

OpenFang采用模块化内核设计，由14个独立的Rust组件包构成，各组件包各司其职，协同支撑整个系统运行，核心组件包的功能如下：

openfang-kernel 编排、工作流、计量、角色访问控制、调度、预算追踪
openfang-runtime 智能体循环、3个大语言模型驱动、53个工具、WASM沙箱、MCP、A2A
openfang-api 140+个REST/WS/SSE端点、兼容OpenAI的API、仪表盘
openfang-channels 40个消息适配器，支持限流、私信/群组策略
openfang-memory SQLite持久化、向量嵌入、标准化会话、数据压缩
openfang-types 核心类型、污点追踪、Ed25519清单签名、模型目录
openfang-skills 60个内置技能、SKILL.md解析器、FangHub市场
openfang-hands 7个自主Hands、HAND.toml解析器、生命周期管理
openfang-extensions 25个MCP模板、AES-256-GCM凭证库、OAuth2 PKCE
openfang-wire 带HMAC-SHA256双向认证的OFP P2P协议
openfang-cli 命令行工具，支持守护进程管理、TUI仪表盘、MCP服务模式
openfang-desktop Tauri 2.0原生应用，含系统托盘、通知、全局快捷键
openfang-migrate OpenClaw、LangChain、AutoGPT迁移引擎
xtask 构建自动化工具

OpenFang配备40种消息渠道适配器，能将智能体接入用户所在的各类平台，涵盖核心通讯、企业办公、社交平台、社区论坛、隐私通讯、职场协作六大类，具体支持平台如下：

• 核心通讯：Telegram、Discord、Slack、WhatsApp、Signal、Matrix、Email（IMAP/SMTP）

• 企业办公：Microsoft Teams、Mattermost、Google Chat、Webex、飞书/Lark、Zulip

• 社交平台：LINE、Viber、Facebook Messenger、Mastodon、Bluesky、Reddit、LinkedIn、Twitch

• 社区论坛：IRC、XMPP、Guilded、Revolt、Keybase、Discourse、Gitter

• 隐私通讯：Threema、Nostr、Mumble、Nextcloud Talk、Rocket.Chat、Ntfy、Gotify

• 职场协作：Pumble、Flock、Twist、钉钉、Zalo、Webhooks

每个适配器均支持按渠道覆盖模型、设置私信/群组策略、流量限制和输出格式化。

OpenFang内置3个原生驱动（Anthropic、Gemini、兼容OpenAI），可对接27家大语言模型提供商，涵盖123+种模型，支持的提供商包括：Anthropic、Gemini、OpenAI、Groq、DeepSeek、OpenRouter、Together、Mistral、Fireworks、Cohere、Perplexity、xAI、AI21、Cerebras、SambaNova、HuggingFace、Replicate、Ollama、vLLM、LM Studio、通义千问、MiniMax、智谱AI、月之暗面、千帆大模型、Bedrock等。

系统支持基于任务复杂度评分的智能路由，搭配自动降级、成本追踪、按模型定价功能，能根据需求自动选择适配的模型。

若当前正在使用OpenClaw，可通过简单命令实现无缝迁移，迁移引擎会导入智能体、对话历史、技能和配置，OpenFang原生支持读取SKILL.md文件，且兼容ClawHub市场，具体迁移命令如下：

# 迁移所有内容——智能体、内存、技能、配置
openfang migrate --from openclaw
# 从指定路径迁移OpenClaw内容
openfang migrate --from openclaw --path ~/.openclaw
# 先执行模拟迁移，查看会发生的变更
openfang migrate --from openclaw --dry-run

OpenFang提供可直接替换的OpenAI兼容API，将现有工具的请求地址指向OpenFang即可使用，示例请求如下：

curl -X POST localhost:4200/v1/chat/completions \
 -H "Content-Type: application/json" \
 -d '{ "model": "researcher", "messages": [{"role": "user", "content": "Analyze Q4 market trends"}], "stream": true }'

系统提供140+个REST/WS/SSE端点，覆盖智能体、内存、工作流、渠道、模型、技能、A2A、Hands等所有功能模块。

OpenFang快速安装

macOS/Linux系统

# 1. 安装系统
curl -fsSL https://openfang.sh/install | sh
# 2. 初始化，按引导完成提供商配置
openfang init
# 3. 启动守护进程
openfang start
# 4. 仪表盘在http://localhost:4200 上线
# 5. 激活一个Hands能力包，立即开始工作
openfang hand activate researcher
# 6. 与智能体对话
openfang chat researcher
>"What are the emerging trends in AI agent frameworks?"
# 7. 启动一个预构建的智能体
openfang agent spawn coder

Windows（PowerShell）系统

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

后续激活Hands、与智能体对话等操作命令与macOS/Linux系统一致。

OpenFang的开发相关命令

# 构建工作区
cargo build --workspace --lib
# 运行所有测试用例（1767+项）
cargo test --workspace
# 代码检查（要求零警告）
cargo clippy --workspace --all-targets -- -D warnings
# 代码格式化检查
cargo fmt --all -- --check

▶ 访问