Octop · 开源自托管的多人多智能体 AI 助手
工具越用越多，能力却没攒下来
你用 AI 的方式大概是这样的：写周报开一个窗口，查内部文档开另一个，写脚本再换一个。每个窗口都从零开始，上周交代过的事它不记得；你想让它进群替大家答一句，它进不去；团队里三个人各自养着一套提示词，谁也不知道谁用得更好。更麻烦的是，业务资料要喂给 AI，就得先上传到某个外部平台。工具换得越勤，沉淀下来的东西越少。
一个进程，装下一队各管一摊的助手
Octop 把这些散落的对话收进一个你自己部署的工作台：一个进程同时跑网页控制台、命令行、IM 渠道和定时任务，多个智能体各管一摊，共享同一套知识库和记忆。
每个专家有自己的工作区、模型配置、渠道和定时任务；你在网页里切换，它也能出现在飞书、钉钉、企业微信、QQ、Telegram 的群里。会话、工作区、凭据都留在自己的机器上。
边界也说清楚：
- 它做：多专家与团队协作、网页控制台、命令行、IM 渠道接入、知识库 RAG、定时任务、浏览器自动化与远程桌面
- 它不做：不自带模型额度，需要填自己的模型 Key（控制台内置阿里云百炼预设，用百炼 Key 可直接跑）；访问地址是 HTTP 加公网 IP，安装为桌面应用、Passkey 登录、语音输入、连接器剪贴板导入这四项在浏览器里用不了
通过阿里云计算巢部署，1 分半左右开箱可用，不用自己装运行时、数据库、向量模型缓存，也不用去各个开放平台配回调地址——那几步是最容易把人卡住的地方。
它解决了什么问题
| 你原来怎么干 | 代价 | 用它之后 |
|---|---|---|
| 三四个 AI 网站各开一个窗口 | 上下文互不相通，换个窗口就得重新交代一遍 | 一个控制台里按任务切专家，记忆跟着工作区走 |
| 把需求全塞进一个万能提示词 | 谁都不专，答案时好时坏 | 每个专家一套提示词、一套工具、一套渠道 |
| 想让 AI 进内部群答问题 | 公共 AI 工具进不了群 | 飞书、钉钉、企业微信、QQ、Telegram 直接接入 |
| 团队文档散在各人电脑里 | 想让 AI 引用，得先上传到外部平台 | 知识库 RAG 部署在自己实例里，资料不出机器 |
| 自己拼一套多智能体系统 | 运行时、数据库、向量缓存、回调地址一个个踩坑 | 单进程启动，环境已经装好 |
回到那个每天有人问「周报模板在哪」的群：现在群里 @ 一下，答话的是你配的那个行政助手，它翻的是你上传的团队文档。写代码的那个专家在另一个会话里，记得上周改过哪几个文件。你自己只处理真正需要判断的事。
而更深一层的变化是：AI 从「你要主动打开的一个网站」，变成了「团队里一个一直在线的成员」。它记得你的项目、读得到你的文档、出现在你本来就在的群里——你不再围着工具转，工具开始围着你的工作转。而且这一切跑在自己机器上，人换了、工具换了，记忆和知识还在。
核心能力
不是一个助手，是一队分工明确的专家
这一段接手的正是开头那个「什么都塞进一个对话框」的麻烦。
- 多专家并行 —— 写周报、查文档、写代码各一个专家，上下文互不污染
- AgentTeams（Beta） —— 一个协调者把多步任务拆给多个专家，不用你手动转述
- 人格模板 —— 16 种 MBTI 性格模板，让不同专家的表达风格区分开
在你已经在的地方应答
AI 要真的被用起来，得出现在你本来就待着的地方。
- IM 渠道接入 —— 飞书、钉钉、企业微信、QQ、微信、Telegram、Discord，群里直接 @ 它
- 网页、命令行、IDE 都能调 —— 网页日常用、命令行批量做、通过 ACP 在编辑器里调同一个智能体
- 定时任务 —— 用自然语言配 cron，让它每天按点跑活
记忆和知识，留在自己机器上
这是自托管真正的价值：资料不搬家。
- 知识库 RAG —— 上传团队文档，回答时引用你自己的资料，不用先交给外部平台
- 分层记忆 —— 带全文检索的回忆，智能体的记忆跟着工作区走
- 数据在本机 —— 会话、工作区、凭据都在实例的
/opt/octop/data里，备份和迁移都由你掌握
谁最该用
| 用户类型 | 典型场景 | 用它拿到什么 |
|---|---|---|
| 小团队负责人、技术负责人 | 团队里各种重复提问、材料产出 | 一个常驻助手接管问答和例行产出 |
| 内部工具与运维团队 | 想给同事搭一个私有 AI 入口 | 多用户、多专家，管理界面对齐现有分工 |
| 需要私有知识库的团队 | 文档不能出内网 | 知识库和会话都落在自己实例里 |
| 多口之家、兴趣小组 | 共用一套 AI 助手 | 一个管理员账号，按人分配专家 |
技术支持
- 官方仓库：https://github.com/TencentCloud/Octop
- 官方文档：https://github.com/TencentCloud/Octop/tree/main/docs
- 问题反馈：GitHub Issues
🚀 立即体验
→ 一键部署 Octop
部署完成后，用管理员账号和实例输出里的初始密码登录，先去模型服务里填好自己的 Key，再创建第一个专家。
