总阅读量:次

⭐⭐⭐ Spring Boot 项目实战 ⭐⭐⭐ Spring Cloud 项目实战
《Dubbo 实现原理与源码解析 —— 精品合集》 《Netty 实现原理与源码解析 —— 精品合集》
《Spring 实现原理与源码解析 —— 精品合集》 《MyBatis 实现原理与源码解析 —— 精品合集》
《Spring MVC 实现原理与源码解析 —— 精品合集》 《数据库实体设计合集》
《Spring Boot 实现原理与源码解析 —— 精品合集》 《Java 面试题 + Java 学习指南》

摘要: 原创出处 http://www.iocoder.cn/Fight/Star-18k-kaiyuan-AI-yunxingzainindiannaoshangdeAI-jisuanji-zhushou-openwork/ 「芋道源码」欢迎转载，保留摘要，谢谢！

🙂🙂🙂关注微信公众号：【芋道源码】有福利：

  1. RocketMQ / MyCAT / Sharding-JDBC 所有源码分析文章列表
  2. RocketMQ / MyCAT / Sharding-JDBC 中文注释源码 GitHub 地址
  3. 您对于源码的疑问每条留言都将得到认真回复。甚至不知道如何读源码也可以请教噢。
  4. 新的源码解析文章实时收到通知。每周更新一篇左右。
  5. 认真的源码交流微信群。

桌面 AI 工具最大的两个槽点：要充值、传文件

聊一个真实场景。

你打开电脑，桌面上躺着一堆 PDF、合同、季度报表、几十个 Notion 导出的 markdown。你想做的事很朴素：让 AI 帮你按内容把这些文件分类、生成一个目录索引、把几个会议纪要合并成一份周报。

掏出 ChatGPT / Claude Desktop，结果是：

  • 要充 API Key 或会员——动辄一年一千多块；想用最强模型还得另外加；
  • 文件要传给第三方——合同、客户资料、内部技术文档传出去，一旦合规审计找上门解释半天；
  • 离线场景直接废了——飞机上、出差弱网、内网机器，全部用不了。

这正是 Accomplish（原名 Openwork、官网 openwork.me 已 301 重定向到 accomplish.ai）想堵住的两个口子。这个项目最近从 1.8k 一路涨到 10.7k Star，靠的是两个朴素到不能再朴素的承诺——「没有 Accomplish 自己的订阅、自备 API Key 或接本地 Ollama」+「文件 / 工作流跑在本机」。

仓库地址：https://github.com/accomplish-ai/accomplish（原 accomplish-ai/openwork 已迁移）

Accomplish 是什么：原 Openwork，把这两个槽点全堵了

按官方 README 的说法，Accomplish 是一款本地运行的桌面 AI Agent——不是聊天框、不是侧边栏，是一个能读你文件、写文档、整理目录、跑工作流的 Agent 系统。

Accomplish 主界面预览

它的核心定位 README 写得很直接：

“The Open Source AI Agent for Your Desktop” — 一个开源的桌面 AI Agent。

模型这块走的是”自带钥匙 / 自己跑”路线——不卖 Accomplish 自己的订阅：

  • 🔑 BYOK（Bring Your Own Key）——填你自己的 OpenAI / Anthropic / Google / DeepSeek / Moonshot / Z.AI 等 API Key 即可；
  • 🏠 本地模型路线——接 Ollama / LM Studio 让模型完全跑在本机，API Key 都不用；
  • ☁️ 企业云——Amazon Bedrock / Azure Foundry / OpenRouter / LiteLLM 也覆盖。

它和 Claude / ChatGPT 桌面版有一个本质区别：它会真动你的文件。读、写、移动、重命名、生成新文件——执行前都会把要做的事列出来给你看，点确认才会动手，不是后台偷偷干。

它真正能干啥：5 类研发场景，由近及远

光说”AI 桌面助手”太空——直接给 5 个研发能立刻用上的场景，按「最常上手 → 最进阶」排序。

场景 1（最常用）：项目脚手架自动搭

让它直接帮你建一个新项目的目录骨架：「按 Spring Boot 多模块项目结构，建一个新 microservice，含 controller/service/dao 三层 + 配置文件 + 单测目录」。

它会列出要创建的文件树 + 每个文件的初始内容——确认后一次性生成。对赶项目的研发——比 IDEA 模板灵活、比手敲快——5 分钟从 0 到一个能编译过的脚手架。

场景 2：把 README / 设计文档变成 onboarding wiki

把 yudao-cloud 这种多模块项目里散落的 README.md / DESIGN.md 整体读一遍：「按模块归类、抽核心架构图、生成一份 onboarding 文档给新人」。

读、写、生成全在本地完成——代码不出本机——对内部项目特别合适。新人入职第一天直接读这份 wiki 就能上手——比研发自己写省一周时间。

场景 3：批量整理项目文件 / 客户资料

把一个项目目录扔给它：「按文件内容自动分类，建 docs/specs/contracts 三级目录，把 50 个 PDF / Word 移过去」。

它会先列出每个文件的归类计划给你过一遍——「合同_2026Q1.pdf → contracts/2026/Q1/」、「需求文档_v3.docx → docs/specs/v3/」——确认后才真改名移动。比手动拖拽爽 10 倍。

场景 4：从 Slack / 微信导出抽决策记录

把日报群 / 需求群导出的 txt 或 markdown 喂进去：「按时间窗口分段，提取每天关键决策和待办」。

对线下会议群特别管用——很多决策是群聊里随口拍板的、事后找不到——Accomplish 帮你把它们抠出来——做 Sprint 复盘 / 故障复盘特别省事。

场景 5（最进阶）：自动生成周报 / 季度复盘

把 7 个会议纪要 + Jira 周报 + Git 提交日志全丢进一个文件夹：「读完这些资料、按业务线（订单 / 用户 / 风控）合并成一份周报」。

它读完每篇纪要、抽关键信息、按业务线归类——最后产出的是一个可以直接发出去的 docx——不是聊天框里几段你还得复制粘贴的文字。研发主管 / TL 用这个，每周省一小时。

横向对比：和 Claude Desktop / ChatGPT App 差在哪

维度 Accomplish Claude Desktop ChatGPT App
数据流向 文件 / 工作流走本机（接云模型时 prompt 仍走对应厂商） 全部上云 全部上云
订阅 / API Key 不收 Accomplish 自己的订阅——BYOK 或接 Ollama / LM Studio 本地 要订阅 要订阅
能动文件 能（读+写+改） 不能 仅 ChatGPT Pro 部分能
执行透明度 每步要批准 仅聊天 仅聊天
能接其他模型 ✅ 15 家任选 ❌ 只能 Claude ❌ 只能 OpenAI
离线可用 ✅ 本地模型时可 ❌ ❌
致命短板 必须安装桌面端、没有网页版 上云、改不了文件 上云、不开放

它的真正定位：不是和 ChatGPT 抢聊天体验，是抢「桌面端帮我办事」这个新场景。一个跑在你机器上、能读你文件能写你文档、不上云的 Agent。

模型支持：BYOK + Ollama / LM Studio 本地，覆盖 15 家主流

Accomplish 不绑定任何模型——走 BYOK + 本地两条路。README 列了完整 15 家可接入清单：

类别 支持的厂商
国际主流 Anthropic / OpenAI / Google / xAI
国内主流 DeepSeek / Moonshot / Z.AI / MiniMax
本地部署 Ollama / LM Studio
企业云 Amazon Bedrock / Azure Foundry
聚合网关 OpenRouter / LiteLLM
隐私优先 Venice.ai

切换在设置里点一下就行——和 yudao-cloud 的 AI 模块思路一样：模型当成插件，业务方按场景选最合适的。

安装与上手

直接去官网下：https://www.accomplish.ai/

平台 状态
macOS Apple Silicon / Intel ✅ 最新 0.4.14
Linux (ARM64 / x64) ✅ 最新 0.4.14
Windows 11 ✅ 已正式发布、官网直接下载

安装包是 MIT 协议，下完直接装。第一次启动会引导你选模型——两种最快路径：① 完全离线——本机已经跑着 Ollama 的话，选 Ollama 一键接入；② 拿一个免费 API Key——比如 Google AI Studio / Groq 等有免费额度的家、填进去就跑。

配置是动态切换的：今天用 Claude、明天换 DeepSeek，不用重装。

使用边界：用之前要清楚的几件事

按踩到概率从高到低排：

边界 1（最常见）：还是要自己拿模型钥匙

Accomplish 不卖订阅、也不”内置一个能用的模型”——你得自己解决”AI 从哪来”：

  • ① 拿一个 API Key（OpenAI / Anthropic / DeepSeek / Moonshot 等）；
  • ② 或者本机跑 Ollama / LM Studio。

修法：先确定自己的路线——有 API 余额 → 接云端（能力强但 prompt 走对方）；追求纯本地 → 跑 Ollama + 一个本地小模型（能力受限于你的硬件）；两个都行 → 配双路、按任务复杂度切。

边界 2（常见）：每步要批准 = 牺牲一点速度

「执行前列出操作」是安全特性，不是 bug——但如果你想批量改 1000 个文件名、不想每步都点确认，会觉得慢。

修法：README 提到的「Custom Skill」机制——可以把高频流程封装成一个 Skill，整体批准一次，不再每步问。

边界 3（高级场景）：不是「无所不能」的 Agent

它擅长桌面端的文件 / 文档 / 工作流自动化——也支持基础的浏览器任务（research / 表单填写）和工具集成（Notion / Google Drive / Dropbox）——但不是写代码 Agent（那是 Claude Code / Codex 的事）、也不是重型浏览器自动化（要批量爬数据 / 做反爬还是看 bb-browser 这类专门工具）。别拿它的短板和别人的长板比。

最后说一句

桌面 AI 这条路，过去几年大家都在重复同一个公式——「云端模型 + 桌面壳子 + 订阅制」。Accomplish 给出了另一个公式：本地模型 + 直连文件系统 + MIT 开源 + 0 订阅。

它没有 ChatGPT 那种”什么都能聊”的全能感，专注的是「桌面端帮你办事」这一件事——读你文件、写你文档、跑你工作流，全在本机。

改名、不锁模型、不收订阅、Star 从 1.8k 飙到 10.7k——这条”BYOK / 接 Ollama 都行”的路看起来正在被认可。

如果你正好在找一个「桌面端跑、不绑订阅、能用自己的 Key 或纯本地、还能真改文件」的 AI Agent，Accomplish 值得花 10 分钟下下来试试。

仓库：https://github.com/accomplish-ai/accomplish

官网：https://www.accomplish.ai/

文章目录
  1. 1. 桌面 AI 工具最大的两个槽点：要充值、传文件
  2. 2. Accomplish 是什么：原 Openwork，把这两个槽点全堵了
  3. 3. 它真正能干啥：5 类研发场景，由近及远
    1. 3.0.1. 场景 1（最常用）：项目脚手架自动搭
    2. 3.0.2. 场景 2：把 README / 设计文档变成 onboarding wiki
    3. 3.0.3. 场景 3：批量整理项目文件 / 客户资料
    4. 3.0.4. 场景 4：从 Slack / 微信导出抽决策记录
    5. 3.0.5. 场景 5（最进阶）：自动生成周报 / 季度复盘
  • 4. 横向对比：和 Claude Desktop / ChatGPT App 差在哪
  • 5. 模型支持：BYOK + Ollama / LM Studio 本地，覆盖 15 家主流
  • 6. 安装与上手
  • 7. 使用边界：用之前要清楚的几件事
    1. 7.0.1. 边界 1（最常见）：还是要自己拿模型钥匙
    2. 7.0.2. 边界 2（常见）：每步要批准 = 牺牲一点速度
    3. 7.0.3. 边界 3（高级场景）：不是「无所不能」的 Agent
  • 8. 最后说一句