OpenClacky – 为长时运行压缩成本的开源桌面 AI 智能体

OpenClacky 是一款于 2026 年 3 月开源发布的本地 AI 智能体，主要用于在个人电脑上长时间挂机执行编程、分析与采集类任务，支持精简工具集、上下文自动压缩与按任务路由模型，适用于行情监测、资料整理与定时抓取推送等场景。

OpenClacky 的核心能力

OpenClacky 的卖点不是「更聪明」，而是「开一整天也不心疼」。做法是把工具数量压到十六个、把历史对话在空闲时压成摘要、再按任务难度挑模型——三件事都指向同一件事：让持续运行的单位成本降下来。

十六个核心工具的长尾策略

工具只留十六个高频项，长尾能力交给技能按需加载。这么做省下的不是功能，而是上下文：每个工具的定义都要占 token，工具越多，还没开始干活就先付了一笔固定开销。

空闲时压缩历史对话

长时间挂着意味着对话会一直变长。它在空闲期把历史内容压成摘要，避免下一轮把几十轮原文重复传一遍。对按量计费的模型，这一步直接决定挂一天与挂一小时的费用差距。

按任务难度选模型

复杂任务走强模型，简单任务走便宜模型，路由由系统判断。用户仍可自带密钥接入指定供应商，也能接平台侧的模型服务，成本与效果之间自己定平衡点。

内置浏览器与定时任务

智能体可自动唤起浏览器抓取页面、搜索情报并整理输出，首次使用需按引导配置 Chrome 或 Edge 的远程调试连接，再配合定时任务在后台按点执行，例如每天早上把某个平台的动态汇总好。结果可推送到指定渠道，不必回来看窗口。

消息推送到常用工具

支持接入飞书、企业微信、微信、Discord 与 Telegram，任务完成后结果直接落到工作群里。这一步把「智能体跑完了没人知道」的问题解决掉，也让长跑任务的结果进入日常沟通流。

把经验封成 Skill 分发

行业经验可以封装成技能包，支持分发、更新与售卖；系统另有两个自进化钩子，在执行过程中把高频操作沉淀成可复用技能。对做垂直场景的人来说，这是把方法论产品化的路径。打包的粒度不止一种：站内的 MiniMax Office Skills 按办公场景切分，这里按行业经验切分。

文本、图片等媒体一并处理

除了写代码与处理表格，它还能通过图像生成与媒体类 Skill 调用模型服务，完成图片生成等媒体内容创作，具体能力取决于所配置的模型与 Skill。对做内容分发的场景，省掉的是在几个工具之间来回导文件的环节。

OpenClacky 与同类桌面智能体的对比

下表从成本控制、内置浏览器及能力分发等维度，对三款本地任务执行工具逐项对照。

• 表格内数据来源：OpenClacky 与 Octop 取自各自官网与文档，Claude Code 取自 Anthropic 官方文档；模型接入按公开说明填写，成本不写单价，长跑账单取决于对话长度、缓存命中与模型档位。
• 产品对比简述：成本控制上 OpenClacky 把上下文压缩与模型路由做进产品，Claude Code 与 Octop 的账单随对话长度上涨；内置浏览器与消息推送仅 OpenClacky 与 Octop 具备，Claude Code 需经 Hooks/MCP 扩展；能力分发上 OpenClacky 可封装技能对外复用。

如果更关心「能自己跑很久」这件事的上限，站内的 Prime Agent（Prime Intellect 开源的自我改进型长周期 Agent）可以从另一个方向对照着读。

OpenClacky 的应用场景与适用人群

有需要每天重复运行、又不便全程守着的任务时适用；偶尔一问一答的用法，现成聊天工具更省事：

• 定时情报收集：每天早上自动搜一遍指定平台，整理成摘要推到群里。
• 行情与数据监测：后台按周期抓取数据，达到预设条件时提醒。
• 内容批处理：把资料整理、PPT 草稿、图片处理串成一条流水线。

适用人群：适合把 AI 当长期助手用、希望一台电脑常开着的个人与小微团队，也适合手里有垂直场景方法论、想把经验做成技能包分发的人；只在需要时打开聊天窗口问一两句的用户，这类常驻型工具并不划算。站内另一款终端型智能体可作延伸阅读：Pi。

OpenClacky 的使用方法

同一套能从三个入口用起：桌面客户端装完双击就能用，命令行在终端里直接起 agent，或者起一个浏览器界面多会话并行。三条路能力一致，差别在装法和日常使用姿势。

桌面客户端：双击安装包，装完就能下指令

1. 从 OpenClacky 官网 或仓库发布页取对应系统的安装包：macOS 是 .dmg，Windows 是 .exe，后者要求 Windows 10 2004 及以上或 Windows 11。
2. 双击安装，环境、依赖与技能由安装器自动配好，不用自己配运行时。
3. 启动后在对话框直接输入任务，例如生成代码、抓取网页数据或做一份演示草稿；在设置里只开当前任务要用的工具与技能。

命令行：一条脚本装完，在终端里起 agent

1. macOS 或 Ubuntu 执行官方一行安装脚本，Windows 用对应的 PowerShell 脚本；也可以 gem install openclacky（需 Ruby ≥ 3.1.0）。
2. 进到项目目录运行 openclacky，直接在当前目录起交互式 agent。
3. 重复任务把指令写成脚本调用，不必每次重述上下文。

浏览器界面：起服务后开 localhost:7070

1. 运行 openclacky server，默认监听 http://localhost:7070；换端口加 --port 8080，要让局域网访问加 --host 0.0.0.0，且必须配合访问口令。
2. 也可以用 Docker：按官方参数启动容器：docker run -d --name openclacky -p 7070:7070 -v openclacky-data:/root/.clacky ghcr.io/clacky-ai/openclacky:latest，起来后打开同一个地址（macOS/Windows 下该方式的浏览器自动化受网络模式限制）。
3. 打开后是多会话聊天界面，代码、文案、调研可以并行开几个会话；对外暴露时用 CLACKY_ACCESS_KEY 加访问口令。

三点需留意：常驻运行意味着机器要一直开着，笔记本合盖休眠会打断定时任务；上下文压缩会丢细节，需要精确续接的长任务应把关键结论落到本地文件而不是依赖对话记忆；技能包来自第三方时先看内容再装，能执行命令的技能风险最高。媒体生成类任务对模型服务与网络更敏感，走云端模型时本地显存通常不是瓶颈。

OpenClacky 的项目地址

• 产品官网：https://www.openclacky.com/
• 项目仓库：https://github.com/clacky-ai/openclacky

OpenClacky 的价格方案

客户端免费且开源，协议为 MIT，安装包与源码同仓发布，不设订阅档位。真正的支出在模型调用：按任务难度路由模型、把历史上下文压缩、提升缓存命中率，三套机制合起来压低的是同一笔费用。

官方 README 实测口径的缓存命中率接近 100％，该指标随统计周期变化，决定的是重复请求的边际成本，不等于等比例省下全部 Token 费用。若走自带密钥模式，账单直接结算给模型供应商，与 OpenClacky 无关，客户端本身不抽成；技能市场按创作者分成机制运营，与客户端使用费用分开。

OpenClacky 的常见问题