Article

AI Agent 工具推薦:12 款免費開源 AI Agent 實測整理,先借力再做自己的

・📖 約 14 分鐘閱讀(5,582 字) (更新於 2026-11-08) ・ AI Agent 與地端模型

12 款免費開源 AI Agent 工具推薦與自製指南

AI Agent 工具推薦實測結論:2026 年 11 月我重新查過 12 款免費開源 AI Agent,OpenClaw、Hermes Agent、Pi 都還每天更新,新手可以先挑一款跑起來;Khoj 和 Open-LLM-VTuber 更新放慢,Pi 和 CowAgent 改過名或搬家。我建議先用現成工具做每天會做的事,記下不順手的地方,再決定要不要自己做。

AI Agent 是能自己規劃步驟、呼叫工具、把事情做完的 AI,你給它目標,它會自己查資料、讀檔、執行,再回報結果。它和一般聊天機器人最大的差別,在於它會動手做事。想先把概念弄懂,可以看我寫的 AI Agent 是什麼。

我最常收到的私訊是:「我想做一個自己的 AI Agent,但我不是工程師,要從哪裡開始?」

如果讓我重新來過,我會先找現成的開源工具來用,晚一點再自己寫程式。我能自己做 AI Agent 累積上千小時還沒把系統搞成一團亂,很大一部分是因為一開始先用 OpenClaw 認真跑了兩個月,它讓我第一次看清一個完整的 Agent 長什麼樣子。

我在使用過程中邊改邊記,哪些地方不順手、哪些需求根本沒被滿足,通通寫下來。等摸熟了,再決定要繼續調整現成工具,還是自己從頭做。

這篇我把 12 款免費開源 AI Agent 工具依用途分成四類,2026 年 11 月 8 日又逐一回頭查了 GitHub 上的授權、星數和最近更新,過時的地方都改了。


12 款開源 AI Agent 工具推薦對照表

從這 12 款免費開源 Agent 開始:一張圖看懂有哪些工具、各自做什麼

下表的星數和更新狀態,是我在 2026 年 11 月 8 日查 GitHub 的結果,星數取級距,之後會再變動。

工具名稱類型定位特色授權GitHub 星數維護狀態
OpenClaw跨平台 Agent 網關本機長時間運行,連 Telegram、Discord,技能分資料夾管理MIT約 39 萬每天更新
Hermes Agent自主 Agent 框架Nous Research 推出,終端機介面,主打會跟著你成長的記憶MIT約 26 萬每天更新
Pi輕量 Agent 工具組統一的模型介面、Agent 迴圈與寫程式用的 CLI,程式精簡MIT約 12 萬每天更新,2026-05 搬家
Khoj私有知識庫助理讀 Obsidian、Notion 筆記,可接地端模型或雲端 APIAGPL-3.0約 3.8 萬放慢,最後推送 2026-08
OpenHuman桌面助理與 Agent 引擎Rust 寫成,有桌面 App 也能當程式庫用,內建記憶GPL-3.0約 4.2 萬每天更新,仍是早期測試版
OpenWorker本機數位員工吳恩達與 Rohit Prasad 推出,產出交付檔案,重要動作先問你MIT約 1.8 萬每天更新,2026-07 開源,仍是公開測試版
Open-LLM-VTuberLive2D 虛擬人 Agent串好語言模型、語音辨識與語音合成,可當透明背景桌寵MIT 為主,另附條款約 1.4 萬放慢,最後推送 2026-05
EchoBot動態形象語音助手網頁 Live2D 陪聊,複雜任務交給背景的 Agent 層MIT約 600小眾,最後推送 2026-08
CowAgent多通訊平台 Agent支援微信、飛書、釘釘,原名 chatgpt-on-wechatMIT約 4.7 萬每天更新,已改名
Paperclip多 Agent 團隊管理用組織圖管理 Agent,可設預算、看成本MIT約 11 萬每天更新
OpenVikingAgent 記憶檔案系統火山引擎開源,L0 摘要、L1 概覽、L2 全文分層讀取AGPL-3.0約 4.1 萬每天更新
DeerFlow長任務多 Agent 框架字節跳動開源,用沙盒、記憶、子 Agent 處理數小時的任務MIT約 8.5 萬每天更新

授權這欄要留意一下。MIT 拿去改、拿去商用都比較寬鬆;Khoj 和 OpenViking 是 AGPL-3.0、OpenHuman 是 GPL-3.0,如果你打算改了之後做成服務給別人用,要先讀清楚條款,有疑慮就問專業的人。


4 大應用場景,各自適合誰

1. 全能框架與網關,先看懂 Agent 的完整骨架

如果你想看清一個 Agent 由哪些部分組成(接收訊息、挑工具、把結果送回通訊軟體),先看這組。

  • OpenClaw 能串 Telegram 與 Discord,每項能力放成獨立的技能資料夾,社群非常活躍。我覺得唯一的缺點是功能多到很多你暫時用不到。
  • Hermes Agent 是 Nous Research 推出的框架,介面在終端機裡,官方的定位是「會跟著你成長的 Agent」。
  • Pi 以精簡為核心,作者 Mario Zechner 在 2026 年 5 月把專案搬到 Earendil,網址從 badlogic/pi-mono 改成 earendil-works/pi,npm 套件也換到 @earendil-works 底下。OpenClaw 的介面元件就是用 Pi 的套件,想研究 Agent 最小要有哪些東西,它的程式碼很好讀。

2. 個人助理與知識庫,讓 AI 讀懂你的筆記

如果你不需要什麼都接,只想要一個讀得懂自己筆記和日常任務的助理,看這組。

  • Khoj 能讀 Obsidian 與 Notion 筆記,可以自己架、接地端模型或雲端 API。要提醒的是,它最後一次推送停在 2026 年 8 月,2.0 版還在 beta,新手可以用,但別期待很快有新功能。
  • OpenHuman 一開始以本機桌面助理出名,現在官方把它定位成桌面 App 加 Rust 程式庫,強調省記憶體、內建記憶、可接 Ollama、LM Studio 等地端模型。官方自己寫著仍是早期測試版,會有不穩的地方。
  • OpenWorker 是吳恩達和 Rohit Prasad 在 2026 年 7 月開源的本機數位員工,目標是直接交出整理好的文件、訊息回覆、分類好的收件匣這類成品。遇到傳訊息、改行事曆、跑指令這種有後果的動作,它會先回來問你同意。官方目前標示還在公開測試版。

3. 二次元與動態形象,讓 Agent 有臉有聲音

如果你希望 AI 助理有互動陪伴感、能即時講話,看這組。

  • Open-LLM-VTuber 把語言模型、語音辨識與語音合成串在一起,支援透明背景置頂的桌寵模式與換皮套。正式版停在 2025 年 8 月的 v1.2.1,最後推送是 2026 年 5 月,想玩可以,想長期依賴要有心理準備。
  • EchoBot 是二次元助手加 Agent 的組合,網頁端用 Live2D 陪你聊天,複雜任務交給背景的 Agent 層去做,也能接 QQ 和 Telegram。星數只有幾百,是小團隊作品,比較適合拿來參考做法。

4. 團隊協作與記憶架構,管理很多個 Agent

當你的需求變成多個 Agent 分工、或要接進團隊的通訊軟體,看這組。

  • CowAgent 原名 chatgpt-on-wechat,支援微信、飛書與釘釘,能把 Agent 接進團隊每天用的通訊工具。舊網址會自動轉到新名字,但網路上很多教學還是用舊名。
  • Paperclip 用組織圖的方式管理多個 AI 員工,可以設預算、監控花費,比較不怕程式跑進迴圈把額度燒光。
  • OpenViking 是火山引擎(字節跳動旗下)開源的 Agent 記憶系統,先給一句話摘要、再給概覽、最後才打開全文,讓 Agent 不用把所有歷史都塞進提示詞。
  • DeerFlow 是字節跳動開源的長任務 Agent 框架,靠沙盒、記憶、技能和子 Agent 分工,處理從幾分鐘到幾小時的任務。

我最近實際怎麼用 AI Agent

工具挑好之後,真正拉開差距的是用的頻率。我在 2026 年 10 月 30 日的貼文算過,最近九天交辦給 AI Agent 的事超過 750 件,一天開 20 個左右的對話,常常六到十個同時在跑。

我每天的用法大概是這幾種。

  • **改我自己做的 AI Agent。**用起來卡卡的、想到新功能,就開票丟給它,它自己分組開發、測試、上線。那幾天剛好一天做完 28 項修改,隔天又上線 29 項,我只負責看結果、做決定。
  • **讓地端機器別閒著。**我有一台 128GB 的 GB10,看到新模型就讓 Agent 下載下來跟舊的比。有一晚它生了 22 首歌,跟舊的音樂模型比誰好;看到網路大神分享的 1439 張動作線稿圖,我也讓 Agent 把它接進生圖工作流,現在要什麼動作它會自己去翻參考圖。
  • **有想法就丟給它討論。**設備怎麼買比較划算、某個 MCP 到底收不收費、平台政策改了對我有什麼影響,一天常常十幾件,查資料和找 bug 都讓它自己去做。

另一個我很依賴的做法,是讓地端和雲端的 AI 一起用。我自己做的 Agent 用地端模型處理機密資料和不想外流的 Know-how,再開一個 MCP,把不敏感的資料和做好的工具開放給 Claude、Codex 接進來,連 ChatGPT 都能接,只要支援 MCP 的都行。這樣不用一直去改別人的工具,專心累積自己的知識庫,外面最強的模型又能直接拿來用。想知道 MCP 怎麼接,可以看 MCP 與 Claude Code 入門。

這些用法都是從只會問問題,一點一點練出來的。上面 12 款工具裡,OpenClaw、Hermes Agent、OpenWorker 都能做到其中一部分,同樣的交辦方式換到別的 Agent 工具上,大多也用得上。


自製 Agent 的 3 個實踐步驟

看完這 12 款工具,別只收藏起來,可以照這三步開始。

  1. 盤點真實需求 想想每天最花時間、最重複的那件事,例如每天手動整理各平台訊息、在一堆筆記裡找資料。
  2. 挑一個工具裝起來 從這 12 款裡挑最貼近那件事、而且還在維護的。表裡標「放慢」的可以玩,但別當主力。找不到合的,就把需求丟給 AI 幫你找相關開源專案。
  3. 天天用,記下卡手的地方 先不用急著改原始碼,把任務都丟給它試,記下哪些環節卡、哪些需求沒被滿足。

等你累積夠多真實的卡點,不管是照 一人開發者外掛模組化設計實戰 的方式擴充,還是參考 自製專屬 AI Agent 的 700 小時實戰經驗 從頭做自己的,你都會清楚自己要什麼。


從開源借力,開始做出你自己的 Agent

我做自己的 AI Agent,是為了解決自己生活和工作裡的特定麻煩。通用軟體要照顧所有人,裡面有很多我用不到的功能,我需要的東西它又剛好沒有。

先花時間摸這些開源工具,搞懂 Agent 是怎麼組起來的,之後不管你要繼續用現成的,還是做一套照自己習慣運作的系統,都會走得比較穩。

常見問題 FAQ

AI Agent 工具推薦哪一款給新手先用?

我會建議先從 OpenClaw 或 Hermes Agent 這類社群大、每天都有更新的專案開始,資料多、問題也比較容易找到人解答。想看最精簡的 Agent 長什麼樣,可以讀 Pi 的程式碼。先挑一款用在自己每天會做的事上,比一次裝很多款更有收穫。

開源 AI Agent 要怎麼判斷還有沒有在維護?

我自己會看三件事,GitHub 最後一次推送的日期、最新版本的發布時間,以及專案有沒有改名搬家。像這篇裡的 Pi 在 2026 年 5 月從 badlogic/pi-mono 搬到 earendil-works/pi,CowAgent 原本叫 chatgpt-on-wechat,舊網址雖然會轉過去,但教學文和套件名稱可能還是舊的。

全能框架型 Agent(如 OpenClaw)和個人知識庫型(如 Khoj)有什麼區別?

全能框架型主打連通訊軟體、跑技能和長時間在背景工作,能接 Telegram、Discord 處理各種自動化;個人知識庫型專注讀你的筆記和文件,適合想做私人資料問答的人。兩種可以並用,先看你最常卡在哪一種事。

自製 AI Agent 最容易踩到的坑是什麼?

我踩過最大的坑是想做一個萬能 Agent,把所有功能都塞進同一個主程式。功能一多,提示詞會互相干擾,出錯也很難找原因、很難退版。我後來改成保持一個小小的主幹,其他功能一律用外掛模組加上去,維護起來輕鬆很多。

反向連結(引用本文的文章)

相關文章