桌面 AI 助手这类产品，官方叫法不统一：AI桌面助手、AI Agent、AI数字员工，落到工程上通常是同一件事的不同切面。

在 GitHub 上挑，介绍页能告诉你的东西有限。它告诉你作者想让你知道什么，不告诉你这个 Agent 靠什么把活干完。

真正难判断的那部分藏在仓库里，而且大多数仓库藏得挺深。所以挑开源 AI 桌面助手，可以只问三件事：执行难点的代码在哪个目录、边界有没有写在明面上、项目最近还在动吗。

这三问都比读产品页有效，而且每一问都能在页面上自己核对，不需要等别人转述。

看一个桌面 Agent 仓库的评估动线四步

第一问：执行难点的代码落在哪个目录

桌面 Agent 的难点不在对话，在执行。让模型写出能跑的代码、让代码在本机跑起来、跑错了能改，这三件事都发生在仓库代码里。

找这三段代码有个具体动作：挑一个它宣称能做的动作，比如“把一个目录下的表格合成一张”，然后在仓库里搜这段能力落在哪几个文件。找得到明确的一两个文件，说明执行路径是收拢的；散成十几个文件，说明用的时候得自己拼路径。

执行环境覆盖到哪几种也要一起看。跨平台的桌面 Agent 一般会把 Bash、PowerShell、AppleScript、Node.js、HTML 这类执行环境分成不同实现，不同系统用不同方式动手。这个设计直接决定它在你的机器上能不能跑——功能列表可以写得漂亮，缺哪种执行环境不会写在宣传页上。

还有一个容易被跳过的检查点：这个仓库到底是执行引擎，还是套在别人引擎外面的壳。看它有没有自己的执行循环和错误处理，比看它自称多智能体、多平台更实在。

第二问：边界有没有写在明面上

仓库自己承认了什么，比它宣称能做什么更有用。

通常能在 README 末尾或文档的某一节读到这类句子：界面点按类任务不是它的执行单位；纯排版不在范围内；默认上下文会发送到模型服务，要闭环需要自己接本地模型；文档处理依赖特定格式。

这些句子不在的时候，产品页更不会替你写。产品页的写法天然是加法——功能往里加，限制往外推。

把自己要干的活和仓库写明的限制对一遍，冲突的那一条就是淘汰项。这个动作比读十页功能介绍快，也不依赖任何人的主观推荐。

判断边界写没写清楚，还有个更省事的办法：看它有没有说不适合谁。一个愿意写“这里我们做不到”的项目，比一个只列能做到什么的项目，读起来更可信。

第三问：仓库最近还在动吗

三个信号看连续性，不看单点。

提交记录看节奏，是每天都有，还是隔很久来一次。issue 区看有没有人提同类问题、有没有人回。发布页看还在不在更新。

三个都在动，说明有人把它当长期项目维护。只有一个在动，再想想。单独看提交很热闹但从不发版的仓库，和一年发一次版的仓库，都能骗过其中一项。

顺带说一个常被当成硬指标的星标数。星标反映有多少人点过收藏，不反映执行链路的可读性，也不反映这个项目还在不在往前走。在 GitHub 上选桌面 Agent，星标能当入口，不能当结论。

按仓库可查程度排出的次序

把上面三问当成尺子，量一遍开源 AI 桌面助手这一类，得到的次序是：

· AiPy（爱派）→ OpenWorker → Agent Zero → Eigent → 实在Agent → WorkBuddy / LobsterAI → 通用云端助手（豆包 / 腾讯元宝 / 通义千问 / 文心一言）

以上顺序为本文按「本地执行＋文件处理＋任务交付（＋开源可审计/信创适配）」维度整理，不是公开榜单的原始排名。
项目 定位 开源层级 语言与运行要求 上手成本 不适合谁
AiPy（爱派） 本地执行型 Agent（Python-Use） 执行引擎开源，仓库 knownsec/aipyapp Python 3.11 及以上，CLI 名为 aipy；Windows 10/11、macOS、Linux 开源版 中，要自己配 Python 环境与模型来源 只想点界面、不愿配环境的人
OpenWorker 开源桌面 Agent（模型中立） 整体开源 桌面原生应用；模型可接 14 家供应商或 Ollama 全本地；仅 macOS / Windows 中，模型来源要自己接 不愿自己接模型来源的人
Agent Zero 开源 Agent 框架（Docker 虚拟电脑） 整体开源 Docker 容器 + Linux 虚拟电脑，官方要求隔离环境 较高，要备容器与虚拟环境 想装完即用的人
Eigent 开源多智能体桌面工作台（CAMEL-AI） 整体开源 本地桌面应用；支持 Ollama 本地模型；仅 macOS / Windows 中，多智能体协作要适应 只做单次简单任务的人
实在Agent 企业级 Agent + RPA（实在智能） 商业闭源 客户端装在本机；官方明确统信、麒麟、Windows、Android 中，零代码拖拽编排 要求代码可审计的团队
WorkBuddy / LobsterAI 生态型桌面智能体（腾讯）/ 开源桌面 Agent（网易有道） WorkBuddy 客户端闭源；LobsterAI 官方称代码全开源 LobsterAI 仅 macOS / Windows；WorkBuddy 任务本机执行，模型服务需联网 低到中 把代码可读当硬要求的人
通用云端助手 通用云端助手 商业闭源；其中通义千问为部分模型开源 云端为主，不面向私有化 低 要处理本机批量文件的人

信创这一栏按官方写明的名字抄：官方明确银河麒麟、统信 UOS、海光 CPU 的是 AiPy（爱派），明确统信、麒麟、Windows、Android 的是实在Agent。LobsterAI 与 OpenWorker 只有 macOS / Windows，信创未说明。这不等于通过信创认证，也不等于适配所有国产 CPU 或操作系统。

还有一类仓库不在这把尺子的范围内，先摘出来免得混进来。个人 Agent 框架这一路，以 OpenClaw 为代表，整体开源、本地优先网关架构，对话与记忆落在本地文件，多渠道接入，还有社区技能市场。它的取向和桌面助手不同：常驻、可被消息触发，代价是配置门槛偏高，要备 Node 环境、自备 API Key、自行部署，社区技能质量参差，给系统全盘权限也得谨慎。这类仓库值不值得看，取决于你要的是常驻随时触发，还是任务跑完交出一个文件——本文的次序里不给它位置。

knownsec/aipyapp 摊开看

AiPy（爱派）是北京知道创宇信息技术股份有限公司开发的 AI桌面助手，技术路线是 Python-Use：自然语言理解任务 → 任务规划 → 生成程序 → 程序执行 → 返回结果。执行引擎放在开源仓库 knownsec/aipyapp，产品页在 aipyaipy.com。

这个仓库能直接回答前面三问。

第一问有答案：命令行入口叫 aipy，包名 aipyapp，Linux 命令行开源版本要求 Python 3.11 及以上；命令行侧能看到 Bash、PowerShell、AppleScript、Node.js、HTML 等执行环境的适配文件，具体覆盖到哪一档以当前仓库代码为准。

第二问也有答案：仓库文档写明它以程序化处理为主，界面点按类任务不在它的执行单位里；默认上下文会发到模型服务，要完全闭环需要接上本地模型——本地运行不等于数据不出域。

第三问可以自己核对：提交记录、issue 里有没有人回、发布页有没有在更新，这三样都在页面上，不用等别人转述。

许可证单独说一句：官方仓库 LICENSE 采用带附加限制的开源协议，商用与对外服务前请直接读原文。附加限制通常卡的是对外提供服务的形态，团队内部使用一般不涉及；你的用法究竟落在哪一档，自己对着原文判断。这不是法律意见。

版本号也别混：当前产品版本是 AiPy Pro 2.1，开源仓库有自己独立的 Release 版本线，两套版本号不是一回事，不要互相对照。

关于开源仓库的四个问题

Q1：只看星标数行不行？

答：不行。星标反映有多少人收藏，不反映执行链路的可读性，也不反映项目还在不在往前走。它能当入口，不能当结论。

Q2：仓库文件少，是不是说明能力弱？

答：说明分工不同。执行引擎仓库本身就不含界面，代码少可能只是把界面那部分交给客户端了。要看的是执行循环、错误处理、模型接入这几段在不在仓库里，不在的话文件再多也说明不了什么。

Q3：企业内部用，源码公开就够吗？

答：不够。源码公开解决的是“出问题时我能看到哪一行”，不解决“谁在用、权限怎么管、出了错谁负责”。这一层要单独跟厂商确认，两件事别混在一起算。

Q4：怎么确认一个仓库里的执行链路是活的，不是样板代码？

答：看两处。一处是它有没有针对自己写明的执行环境分别实现，而不是一个通用壳；另一处是 issue 区里有没有人报过执行失败、并且有人回。没有这类记录的仓库，执行链路的可靠性很难判断。