腾讯 Octop 是什么：WorkBuddy 对比、Agent Loop 与本地部署
内容提要
腾讯 Octop 是开源自托管 AI 助手平台，支持多用户与多 Agent，可接入云端或本地模型，并通过消息通道发起任务。文章对比其与 WorkBuddy 的差异，并沿源码分析 Agent Loop、工具调用、会话状态与权限边界，指出其基于 Deep Agents、LangChain、LangGraph 构建，本地部署需自备模型与运行环境。
延伸解读
自托管不等于数据全本地
Octop 支持自托管，但数据流取决于模型和工具配置。接入云端模型时，请求会发送到模型供应商；使用联网工具或连接器时，数据也会与相应服务交换。即使数据目录在本机，也不能直接推出所有处理都在本地完成。用户需逐项检查模型和工具的数据流，才能判断是否符合隐私要求。
与 WorkBuddy 的核心差异在控制权
Octop 和 WorkBuddy 都能处理文件、生成产物，但定位不同。WorkBuddy 是开箱即用的 AI 工作台，内置模型并支持自定义 API 和 Ollama；Octop 是自托管平台，需自行配置模型、维护实例，但可修改应用、Harness 和 backend 代码。如果只需本地模型或 MCP 接入，WorkBuddy 已提供；若想控制执行链和会话保存方式，可评估 Octop。
Agent Loop 的结束不等于任务正确
Octop 的 Agent Loop 由 LangGraph 状态图驱动，模型节点与工具节点循环执行，直到模型不再返回工具调用。但循环结束只表示执行图终止，不验证笔记事实是否正确，也不证明任务满足要求。质量判断仍需检查来源、工具输出和最终产物。长期任务还需设置配额和人工验收，避免无限循环或成本失控。
本地部署需注意 backend 隔离边界
Octop 在 POSIX 系统上未显式配置 backend 时，默认使用以根目录为起点的 local_shell。提示词要求操作留在工作区，但提示词不能替代操作系统隔离。给整个服务套 Docker 容器也不会自动变成每用户独立容器。实际隔离能力取决于 backend 配置，如 Docker 或 OpenSandbox，以及宿主机权限。部署时应根据安全需求明确选择 backend。
Q&A
腾讯 Octop 是什么？它主要能做什么？
腾讯 Octop 是开源、自托管、支持多用户和多 Agent 的 AI 助手平台。它提供 Web 控制台、桌面客户端和 CLI，可配置模型、创建专家、接入工具、管理会话与定时任务。模型需另外接入，支持云端 API 或 Ollama 等本地模型服务。可用于个人资料整理、网页操作与开发辅助、家庭或小团队共用等场景。
Octop 和 WorkBuddy 有什么区别？
Octop 是自托管 AI 助手平台，用户自己运行实例、管理服务与数据，模型自行配置，可修改应用、Harness 与 backend 代码，源码采用 MIT 许可证。WorkBuddy 是腾讯的 AI 工作台，安装客户端使用账号及产品功能，有内置模型也支持自定义 API 和 Ollama，扩展通过开放平台，有免费体验与付费订阅。Octop 更强调实例与代码控制权，WorkBuddy 更偏向现成办公流程。
Octop 的 Agent Loop 是怎么工作的？
Agent Loop 是“判断下一步、执行动作、读取结果、继续判断”的循环，由 LangGraph 状态图组织，核心是 model 节点与 tools 节点。模型读取消息和工具定义，若有待执行的 tool_calls，则进入 tools 节点执行工具，将 ToolMessage 加回消息状态，再返回 model 决定下一步；若没有工具调用，本轮结束。
Octop 本地部署需要准备什么？
需要准备运行环境、模型和存储。接云端 API 时，本机主要运行 Octop、数据库和工具；接 Ollama 时还要承担模型推理。官方快速开始只给出“现代多核 CPU、数 GB 内存”和足够磁盘空间的宽泛要求，没有统一最低配置表。安装可选桌面端、CLI（使用 uv 准备 Python 3.12 隔离环境）或 Docker。默认数据位于 ~/.octop/。
Octop 的权限和人工确认机制是怎样的？
Harness 的 ToolGuardMiddleware 在工具执行前扫描参数，按规则阻断、记录警告或通过 interrupt 等待人工决定，该版本默认启用 guard 且模式为 block。HITL 需配置具体工具和规则。ask_user_question 是模型向用户提问以替代工具执行。对话模式也有执行端限制：Ask 主要开放读取类工具，Plan 允许在约定计划路径写文件，Craft 模式才进入更完整执行能力。
Octop 的会话状态和长期记忆是如何保存的？
Checkpoint 通过 thread_id 保存 LangGraph 执行状态，Harness 优先使用显式配置的 checkpointer，否则可复用 octop-memory 的 Memory 实例，再回退到工作区里的 AsyncSqliteSaver。长期记忆由 MemoryRuntime 接入，MemoryMiddleware 在新用户消息到来时触发召回，并在发送给模型的消息副本中重放该快照。上下文过长时，摘要 middleware 会缩减历史并保存旧内容到 backend。
