OpenMuse

OpenMuse是什么

OpenMuse 是 CopilotKit 开源的个人 AI 助理项目。它不只在框里回答问题，而是为智能体配备一套专属工作环境，包括可持续运行的 Chromium 浏览器、可选的 Linux 容器和文件系统。借助这套“Agent 电脑”，AI 可以浏览网页、运行命令、管理文件、解析 PDF，并把邮件、表单、日历、网页监控和财务分析等多步骤任务持续执行下去。用户能够查看任务计划与进度，在关键写入动作前进行确认，也能随时接管浏览器或终端。

OpenMuse 个人 AI 助理与任务工作区

普通助手的输出通常是一段建议，复制、粘贴、打开网页和提交表单仍要由用户完成。OpenMuse 更接近执行型助理：例如接到“处理邮件里的表单”任务后，它可以检索邮件、读取附件中的 PDF、发现缺失信息时向用户追问、生成填好的复本并准备回复草稿。最终写入或发送仍由用户确认，自动化负责繁琐步骤，人保留决定权。

它还把长任务放在服务端运行。用户关闭前端页面后，任务引擎仍可继续工作，并支持暂停、恢复、取消和失败重试。每个任务呈现执行计划、进度与审批节点，成果通过内联卡片回到对话界面。个人助理也可以保存称呼、语气、头像偏好和核心记忆，让不同任务之间保持连续的使用体验。

OpenMuse 依托 CopilotKit 的无头架构与 AG-UI 流，让前端持续接收任务状态和结果。它通过 Google OAuth 连接 Gmail 与 Calendar，能够管理邮件线程、草稿和日程；通过 Goals 与 Track 能力持续关注网页变化、补货或价格阈值；导入交易账单 CSV 后，还可以汇总消费类别并提供储蓄规划建议。项目采用 MIT 协议，官方 GitHub 仓库是源码、说明和部署步骤的主要入口。

OpenMuse的主要功能

1. 专属Agent电脑：持续运行的 Chromium 浏览器负责网页操作，可选 Linux Docker 容器负责命令行任务，文件系统保存输入与产物。三者组合让智能体具备实际执行环境，而不只生成操作说明。
2. 透明任务管理：任务会显示计划、进度和关键审批节点。用户可以暂停、恢复、取消或在失败后重试，并在前端关闭时让服务端继续工作，适合需要多个步骤或较长等待时间的事项。
3. 人工随时接管：浏览器或终端操作可以被用户查看，遇到判断困难或网页变化时，可通过 Take control 介入当前会话，亲自处理关键步骤后再交还给 Agent。
4. 邮件与PDF处理：系统能检索邮件、读取附件中的 PDF，发现表单字段缺失时主动询问用户，并生成填写后的复本和回复草稿。把“读取、核对、补充、生成”串成一条流程。
5. Gmail与日历连接：通过 Google OAuth 授权管理邮件线程、草稿与日历。原文强调，涉及创建、修改、删除或其他数据写入的动作需要人工确认。
6. 网页目标追踪：用户可设定目标与里程碑，让助理定期查看公开网页，捕捉内容变化、商品补货或价格低于阈值等信息，并过滤重复告警。
7. 个人财务分析：导入交易账单 CSV 后，系统可以进行消费分类汇总，并据此提供储蓄目标规划建议，使分散的账单记录变得更便于查看。
8. 个性化长期记忆：用户可设置助理称呼、交流语气、头像偏好和核心记忆点，这些设置会跨任务保留，使助理不必每次从零了解使用习惯。
9. 多端与模型适配：项目基于 React Native 覆盖 Web、iOS 和 Android，并通过 AG-UI 实现前后端解耦，底层模型与执行框架可按配置选择。

这些能力的共同重点是“能执行，也能被监督”。浏览器和容器扩大了可完成任务的范围，计划、审批与接管机制则限制自动化边界。对于真正会修改邮件、日历或文件的个人 Agent，透明过程与人工确认不是附加装饰，而是让用户愿意交付任务的前提。

如何使用OpenMuse

OpenMuse 当前更适合熟悉命令行、环境变量与本地服务的开发者。建议先跑通最小的网页端体验，再逐步开启模型、Google 服务、浏览器工作线程、Linux 容器和移动端，避免一次配置过多模块导致问题难以定位。

1. 获取源码：执行 git clone https://github.com/CopilotKit/OpenMuse.git openmuse，再进入 openmuse 目录。开始前先阅读仓库 README，确认本地环境符合项目要求。
2. 安装依赖：在项目根目录执行 pnpm install –frozen-lockfile，按照锁文件安装依赖，减少不同依赖版本带来的运行差异。
3. 初始化配置：执行 cp .env.example .env 复制环境变量模板，后续将 CopilotKit 项目密钥、模型配置和需要使用的服务凭据填入该文件。
4. 登录并关联项目：依次运行 npx copilotkit@latest login 与 npx copilotkit@latest project select，完成身份认证并选择或新建 Intelligence 项目。
5. 填写核心密钥：把获取到的 CPK_INTELLIGENCE_API_KEY 写入 .env，用于支撑对话持久化等功能。密钥不应提交到公开代码仓库。
6. 启动后端：运行 pnpm dev，再访问 localhost:8787/api/health 检查服务是否正常。先完成健康检查，再排查前端问题会更清晰。
7. 启动Web界面：新开终端运行 pnpm dev:web，在 localhost:8081 打开交互界面。可以先尝试原文给出的 “Complete the permission slip” 示例，观察 PDF 处理流程。
8. 按需接入模型：在 .env 中设置 AGENT_BACKEND=model 与 MODEL=provider/model-id，并填写所选模型服务的 API 密钥。
9. 配置Google服务：需要邮件和日历能力时，在 Google 开发者后台创建 OAuth 客户端、开启 Gmail 与 Calendar API，将 Client ID 与 Secret 写入 .env，然后在 Apps 页面绑定账号。
10. 开启浏览器工作线程：执行 pnpm –dir apps/worker exec playwright install chromium 安装浏览器，再用 pnpm dev:browser 启动服务。
11. 开启可选Linux容器：执行 docker build -t openmuse-computer:local apps/computer 构建镜像，并以 COMPUTER_ENABLED=true pnpm dev 启动后端。
12. 按需编译移动端：iOS 可使用 pnpm –dir apps/mobile ios，Android 可使用 pnpm –dir apps/mobile android，并提前准备对应开发环境。

OpenMuse 本地部署与 Agent 任务执行流程

基础体验并不要求立即开启所有增强模块。先完成源码安装、环境配置、后端和 Web 前端启动，就能验证对话与任务界面；随后再按需求连接模型、Google 服务、浏览器和容器。每增加一项能力都应重新确认权限范围，尤其是邮件、日历和本地文件写入，并保留人工审批步骤。

OpenMuse的使用场景

1. 邮件与附件处理：检索指定邮件、读取 PDF 附件、发现缺失字段后向用户提问，生成填好的复本与回复草稿。用户在写入或发送前进行确认，适合重复但需要核对的事务。
2. 网页研究与资料整理：Agent 在持久浏览器里访问页面，检索和整理信息，最终把摘要、截图或结果以内联卡片展示。需要进一步组织跨工具流程时，可对照 ArkClaw智能体 的定位了解不同智能体方案。
3. 价格和库存追踪：设置网页目标、价格阈值或补货条件，让服务端任务定期巡视并过滤重复告警。这类工作需要持续观察，前端关闭后继续运行的能力尤其重要。
4. 日程管理：从邮件中提取活动信息，创建或调整 Calendar 。所有写入动作保留人工确认，可避免自动化在日期、时间或参会对象判断错误时直接落地。
5. 个人账单分析：导入交易 CSV，汇总消费类别并获得储蓄规划建议。账单属于敏感材料，自部署时仍需妥善管理文件、密钥和访问权限。
6. PDF表单处理：自动读取表单、判断缺少哪些信息、向用户追问并生成待复核文件。流程中不确定内容回到人手里确认，减少智能体自行猜测。
7. 长期目标管理：把一个目标拆成多个里程碑，结合 Track 模块关注公开网页变化。用户可以通过进度与审批节点了解执行情况，而不是只等待一个不可解释的结果。
8. Agent应用研发参考：开发者可研究 AG-UI 流、服务端任务管理、人工接管和多端架构。需要配合研发工具时，可参考 Code0 与 Trae智能体，但应以 OpenMuse 源码为实现依据。

OpenMuse 最适合步骤多、耗时长、需要浏览器或命令行执行，并且能够在关键节点由人复核的任务。只需一句回答的知识问答没有必要启用完整 Agent 电脑；一旦错误操作难以撤回，也不应取消审批与接管机制。

OpenMuse与OpenClaw对比

原文将 OpenMuse 与 OpenClaw 作为两种开源个人 Agent 路线进行比较。OpenMuse 更接近带有可视化工作区的完整个人助理应用，强调浏览器、终端、内联结果与实时接管；OpenClaw 更偏向统一型执行引擎，重视在多种消息软件中分发能力。

1. 交互入口：OpenMuse 提供 Web、iOS 和 Android 应用，用完整界面呈现任务计划、进度、浏览器画面与结果卡片；OpenClaw 主要依托第三方工具作为入口。
2. 工作空间：OpenMuse 组合持久 Chromium、可选 Linux 容器和文件系统，强调操作过程可见；OpenClaw 也可执行 Shell、读写文件和控制网页，但整体定位更接近从消息入口派发任务。
3. 人工介入：OpenMuse 支持在浏览器或终端会话中实时 Take control，写入操作需要确认；OpenClaw 在原文对比中更偏向发出任务后等待结果。
4. 生态取向：OpenMuse 深度覆盖邮件、日历、PDF、监控和财务等个人场景；OpenClaw 依靠消息渠道和社区技能扩展，覆盖面更广。
5. 选择标准：如果任务需要经常查看过程、在中间接管并审核结果，OpenMuse 的完整工作区更合适；如果更看重多渠道触达和技能生态，可进一步评估 OpenClaw 一类方案。

两者并不是简单替代关系。OpenMuse 用更完整的专属界面换取透明度和实时控制，OpenClaw 的路线则更强调用户无需离开熟悉的消息工具。评估时可把 天工超级智能体 等站内智能体条目一起纳入清单，重点比较任务入口、执行环境、接管方式和扩展机制。

OpenMuse：产品价格与版本

OpenMuse 采用 MIT 协议开源，原文没有给出固定订阅价格、企业套餐或托管服务报价。源码可以从 GitHub 获取并自行搭建，但完整体验还涉及模型服务、CopilotKit 项目、浏览器工作线程、容器与运行环境，因此实际成本由所选配置决定。

1. 开源代码：官方仓库提供项目源码与部署说明。使用和二次开发前，应查看仓库当前许可文件与说明，确认具体条款。
2. 模型调用成本：接入 OpenAI、Anthropic 或 Google 等模型时，需要按照对应服务商规则配置密钥并承担调用成本，模型选择也会影响任务效果。
3. 基础设施成本：持续浏览器、服务端任务引擎与可选 Linux 容器需要计算、存储和网络资源。长时间追踪任务还应考虑稳定运行与监控投入。
4. 第三方服务成本：CopilotKit Intelligence 以及其他接入服务的可用范围与费用，应以各自当前官方说明为准，不能从开源仓库本身推断统一价格。
5. 维护成本：浏览器自动化会受到网页结构变化影响，邮件、日历和密钥权限也需要持续管理。自部署给予更多控制，同时意味着使用者承担相应维护责任。

OpenMuse的常见问题解答

OpenMuse与普通助手有什么区别？

普通助手主要给出文字建议，OpenMuse 则提供持久浏览器、可选 Linux 容器和文件系统，让 Agent 能浏览网页、运行命令、处理文件，并把多步骤任务持续执行到待用户确认的结果。

OpenMuse操作邮件和日历是否需要人工确认？

需要。原文说明，涉及数据写入的操作必须经过人工确认。用户还可以查看任务进度、唤醒浏览器或终端，并使用 Take control 接管当前会话。

OpenMuse必须一次部署所有模块吗？

不必。可以先启动后端与 Web 前端验证基础流程，再按需要配置模型、Google OAuth、浏览器工作线程、Linux 容器和移动端，逐项增加能力更便于排查问题。

OpenMuse官网网址

官网：https://github.com/CopilotKit/OpenMuse

OpenI AI时代点评

OpenMuse 展示了一条清晰的个人 Agent 路线：让 AI 拥有可持续工作的浏览器、容器与文件系统，同时把计划、进度、审批和接管能力放进同一界面。它的优势不是回答得更像人，而是能把邮件、PDF、日历、监控和账单分析等多步骤任务做下去，并在信息缺失时回来询问，在写入前等待确认。门槛也很明确：使用者需要部署多个服务、管理模型与 OAuth 凭据，并维护浏览器自动化流程。对开发者和愿意投入工程资源的团队而言，它是一份值得研究的开源参考；想了解完整架构与安装步骤，可访问 https://github.com/CopilotKit/OpenMuse 阅读官方仓库说明。