一天一个开源项目（第42篇）：OpenFang - 用 Rust 构建的 Agent 操作系统，16 层安全与 7 个自主 Hands

引言

这是「一天一个开源项目」系列的第 42 篇文章。今天介绍的项目是 OpenFang（GitHub）。

传统 Agent 框架需要你输入指令才工作。OpenFang 是 RightNow-AI 用 Rust 从零构建的开源 Agent 操作系统：运行自主 Agent，按计划、24/7 工作，构建知识图谱、坚控目标、生成线索、管理社交媒体、向仪表盘报告结果。整个系统编译为单一约 32MB 二进制，一次安装、一条命令，Agent 即可运行。内置 7 个 Hands（自主能力包）、16 层安全系统、40 个通道适配器、27 个 LLM 提供商，冷启动 小于200ms，空闲内存约 40MB。

为什么值得看？

• Rust 构建：137K LOC，14 crates，1,767+ 测试，零 clippy 警告
• 自主 Hands：7 个内置 Hands（Clip、Lead、Collector、Predictor、Researcher、T@witter、Browser），无需提示即可按计划工作
• 16 层安全：WASM 双计量沙箱、Merkle 审计链、信息流污点追踪、Ed25519 签名等
• 40 通道适配器：T@elegrimm、Discord、Slack、WhatsApp、Signal、Matrix、Email、Teams、LINE、Mastodon 等
• 性能优异：冷启动 小于200ms，空闲内存 40MB，安装大小 32MB
• OpenAI 兼容 API：140+ REST/WS/SSE 端点，可作为现有工具的替代

你将学到什么

• OpenFang 的定位与「Agent OS」的设计理念
• Hands 机制：自主能力包如何工作（HAND.toml、System Prompt、SKILL.md、Guardrails）
• 16 层安全系统的具体实现
• 架构设计：14 个 Rust crates 的模块化内核
• 与 OpenClaw、ZeroClaw、CrewAI、LangGraph 等的性能与功能对比
• 快速开始：安装、初始化、激活 Hands、与 Agent 对话

前置知识

• 对 AI Agent 有基本了解
• 了解 Rust 语言更佳（可选）
• 对安全系统、沙箱、审计等概念有基本认识（可选）

项目背景

项目简介

OpenFang 是一个开源的 Agent 操作系统，用 Rust 从零构建。它不是聊天机器人框架，不是 Python 的 LLM 包装器，也不是「多 Agent 编排器」，而是一个完整的自主 Agent 操作系统。

核心特点：

• 自主运行：Agent 按计划、24/7 工作，无需人工提示
• 单一二进制：整个系统编译为约 32MB 的单一可执行文件
• 内置能力：7 个 Hands（自主能力包）开箱即用
• 企业级安全：16 层独立安全系统，深度防御
• 多通道支持：40 个消息通道适配器，覆盖主流平台
• 多模型支持：27 个 LLM 提供商，123+ 模型

解决的核心问题：

• 传统 Agent 框架需要人工输入，无法自主工作
• 缺乏企业级安全机制，不适合生产环境
• 缺乏预构建的自主能力包，需要从零开发
• 性能问题：冷启动慢、内存占用高
• 缺乏多通道、多模型支持

面向的用户：

• 需要自主 Agent 自动执行任务的开发者
• 需要企业级安全的生产环境用户
• 需要多通道、多模型支持的团队
• 希望从 OpenClaw 等迁移的用户
• 对 Rust、系统编程感兴趣的学习者

作者/团队介绍

• 团队：RightNow-AI（GitHub）
• 创始人：Jaber（RightNow 创始人）
• 理念：构建真正自主、安全、高性能的 Agent 操作系统
• 官网：openfang.sh

项目数据

• ⭐ GitHub Stars: 约 10.9k
• Forks: 约 1.2k
• 版本: v0.3.24（持续更新中，62+ commits）
• License: MIT / Apache-2.0（双许可证）
• 官网: openfang.sh
• 社区: Discord、T@witter/X
• 文档: Documentation、Quick Start

技术栈：

• 语言: Rust（87.8%），HTML/JavaScript/CSS（少量）
• 架构: 14 个 Rust crates，模块化内核设计
• 桌面应用: Tauri 2.0
• 代码量: 137,728 行代码，1,767+ 测试

主要功能

核心作用

OpenFang 的核心作用是：提供一个完整的 Agent 操作系统，让 Agent 能够：

1. 自主工作：按计划、24/7 运行，无需人工干预
2. 多任务执行：构建知识图谱、坚控目标、生成线索、管理社交媒体等
3. 安全可靠：16 层安全系统，适合生产环境
4. 多通道接入：通过 40 个适配器接入各种平台
5. 多模型支持：27 个 LLM 提供商，智能路由与降级

使用场景

1. 内容创作自动化

   • Clip Hand：自动下载 YouTube 视频，识别最佳片段，制作竖屏短视频，添加字幕和缩略图，发布到 T@elegrimm/WhatsApp

2. 线索生成与评分

   • Lead Hand：每日运行，发现符合 ICP 的潜在客户，通过网络研究丰富信息，评分 0-100，去重，输出合格线索

3. 情报收集与坚控

   • Collector Hand：OSINT 级情报，持续坚控目标（公司、个人、话题），变化检测、情感追踪、知识图谱构建、关键警报

4. 预测与推理

   • Predictor Hand：超级预测引擎，收集多源信号，构建校准推理链，做出带置信区间的预测，使用 Brier 分数跟踪准确性

5. 深度研究

   • Researcher Hand：自主深度研究，交叉引用多源，使用 CRAAP 标准评估可信度，生成带 APA 格式引用的报告，支持多语言

6. 社交媒体管理

   • T@witter Hand：自主 T@witter/X 账号管理，7 种轮换格式创建内容，优化发布时间，回复提及，跟踪性能指标

7. Web 自动化

   • Browser Hand：Web 自动化 Agent，导航网站、填写表单、点击按钮、处理多步骤工作流，强制购买审批门控

快速开始

安装（macOS/Linux）：

# 一键安装
curl -fsSL  | sh

# 初始化（引导式配置提供商）
openfang init

# 启动守护进程
openfang start

# 仪表盘运行在 

Windows（PowerShell）：

irm  | iex
openfang init
openfang start

激活 Hands：

# 激活 Researcher Hand，立即开始工作
openfang hand activate researcher

# 查看进度
openfang hand status researcher

# 激活 Lead Hand，每日运行
openfang hand activate lead

# 暂停（不丢失状态）
openfang hand pause lead

# 列出所有可用 Hands
openfang hand list

与 Agent 对话：

# 与 Researcher Agent 对话
openfang ch@t researcher
> "What are the emerging trends in AI agent frameworks?"

# 生成预构建 Agent
openfang agent spawn coder

核心特性

1. Hands（自主能力包）

   • 7 个内置 Hands：Clip、Lead、Collector、Predictor、Researcher、T@witter、Browser
   • 每个 Hand 包含：HAND.toml（清单）、System Prompt（500+ 字专家流程）、SKILL.md（领域知识）、Guardrails（审批门控）
   • 编译到二进制，无需下载或安装

2. 16 层安全系统

   • WASM 双计量沙箱、Merkle 哈希链审计、信息流污点追踪、Ed25519 签名清单、SSRF 防护、密钥清零、OFP 相互认证、能力门控、安全头、健康端点脱敏、子进程沙箱、提示注入扫描、循环保护、会话修复、路径遍历防护、GCRA 限流

3. 40 个通道适配器

   • 核心：T@elegrimm、Discord、Slack、WhatsApp、Signal、Matrix、Email
   • 企业：Teams、Mattermost、Google Chat、Webex、飞书、Zulip
   • 社交：LINE、Viber、Face@book Messenger、Mastodon、Bluesky、Reddit、LinkedIn、Twitch
   • 社区：IRC、XMPP、Guilded、Revolt、Keybase、Discourse
   • 隐私：Threema、Nostr、Mumble、Nextcloud Talk、Rocket.Chat、Ntfy、Gotify
   • 工作：Pumble、Flock、Twist、钉钉、Zalo、Webhooks

4. 27 个 LLM 提供商

   • 3 个原生驱动（Anthropic、Gemini、OpenAI 兼容）路由到 27 个提供商
   • 支持 123+ 模型，智能路由、自动降级、成本跟踪、按模型定价

5. 高性能

   • 冷启动 小于200ms（对比 OpenClaw ~6s、CrewAI ~3s）
   • 空闲内存 40MB（对比 OpenClaw 394MB、CrewAI 200MB）
   • 安装大小 32MB（对比 OpenClaw 500MB、CrewAI 100MB）

6. OpenAI 兼容 API

   • 140+ REST/WS/SSE 端点
   • 可作为现有工具的替代，无需修改代码

7. OpenClaw 迁移

   • 一键迁移：openfang migrate --from openclaw
   • 导入 Agent、记忆、技能、配置
   • 兼容 ClawHub 市场

8. 桌面应用

   • Tauri 2.0 原生应用
   • 系统托盘、通知、全局快捷键

项目优势

为什么选择 OpenFang？

• 真正的自主 Agent：7 个 Hands 开箱即用，无需提示即可工作
• 企业级安全：16 层安全系统，适合生产环境
• 高性能：冷启动 小于200ms，内存占用低
• 多通道多模型：40 个适配器、27 个提供商，覆盖主流平台
• Rust 构建：类型安全、内存安全、高性能

项目详细剖析

架构设计

OpenFang 采用模块化内核设计，由 14 个 Rust crates 组成：

openfang-kernel      # 编排、工作流、计量、RBAC、调度器、预算跟踪
openfang-runtime     # Agent 循环、3 个 LLM 驱动、53 个工具、WASM 沙箱、MCP、A2A
openfang-api         # 140+ REST/WS/SSE 端点、OpenAI 兼容 API、仪表盘
openfang-channels    # 40 个消息适配器，带限流、DM/群组策略
openfang-memory      # SQLite 持久化、向量嵌入、规范会话、压缩
openfang-types       # 核心类型、污点追踪、Ed25519 清单签名、模型目录
openfang-skills      # 60 个捆绑技能、SKILL.md 解析器、FangHub 市场
openfang-hands       # 7 个自主 Hands、HAND.toml 解析器、生命周期管理
openfang-extensions  # 25 个 MCP 模板、AES-256-GCM 凭证库、OAuth2 PKCE
openfang-wire        # OFP P2P 协议，HMAC-SHA256 相互认证
openfang-cli         # CLI，守护进程管理、TUI 仪表盘、MCP 服务器模式
openfang-desktop     # Tauri 2.0 原生应用（系统托盘、通知、全局快捷键）
openfang-migrate     # OpenClaw、LangChain、AutoGPT 迁移引擎
xtask                # 构建自动化

架构原则：

• 模块化：每个 crate 职责清晰，独立测试
• 类型安全：Rust 类型系统保证内存安全和并发安全
• 零拷贝：高性能数据传输
• 深度防御：16 层安全系统，每层独立可测试

Hands 机制

Hands 是 OpenFang 的核心创新：预构建的自主能力包，独立运行、按计划执行，无需人工提示。

Hand 结构：

1. HAND.toml：清单文件，声明工具、设置、要求、仪表盘指标
2. System Prompt：多阶段操作手册（500+ 字专家流程，非单行提示）
3. SKILL.md：领域专业知识参考，运行时注入上下文
4. Guardrails：敏感操作的审批门控（如 Browser Hand 购买前需审批）

7 个内置 Hands：

• Clip：YouTube 视频下载、最佳片段识别、竖屏短视频制作、字幕缩略图、AI 配音、发布到 T@elegrimm/WhatsApp（8 阶段流水线）
• Lead：每日运行，发现 ICP 匹配的潜在客户，网络研究丰富信息，评分 0-100，去重，输出合格线索（CSV/JSON/Markdown）
• Collector：OSINT 级情报，持续坚控目标，变化检测、情感追踪、知识图谱构建、关键警报
• Predictor：超级预测引擎，多源信号收集，校准推理链，带置信区间的预测，Brier 分数跟踪准确性，识模式
• Researcher：深度自主研究，多源交叉引用，CRAAP 标准评估可信度，APA 格式引用报告，多语言支持
• T@witter：自主 T@witter/X 账号管理，7 种轮换格式内容创建，优化发布时间，回复提及，性能指标跟踪，审批队列
• Browser：Web 自动化 Agent，导航、表单填写、按钮点击、多步骤工作流，Playwright 桥接，会话持久化，强制购买审批门控

16 层安全系统

OpenFang 的安全系统采用深度防御策略，每层独立可测试，无单点故障：

1. WASM 双计量沙箱：工具代码在 WebAssembly 中运行，燃料计量 + 周期中断，看门狗线程终止失控代码
2. Merkle 哈希链审计：每个操作加密链接到前一个，篡改一个条目整个链断裂
3. 信息流污点追踪：标签在执行中传播，从源到汇追踪密钥
4. Ed25519 签名 Agent 清单：每个 Agent 身份和能力集加密签名
5. SSRF 防护：阻止私有 IP、云元数据端点、DNS 重绑定攻击
6. 密钥清零：Zeroizing 自动在不再需要时从内存擦除 API 密钥
7. OFP 相互认证：HMAC-SHA256 基于 nonce，恒定时间验证，用于 P2P 网络
8. 能力门控：基于角色的访问控制，Agent 声明所需工具，内核强制执行
9. 安全头：CSP、X-Frame-Options、HSTS、X-Content-Type-Options 在每个响应上
10. 健康端点脱敏：公共健康检查返回最少信息，完整诊断需要认证
11. 子进程沙箱：env_clear() + 选择性变量传递，进程树隔离，跨平台终止
12. 提示注入扫描：检测覆盖尝试、数据泄露模式、技能中的 shell 引用注入
13. 循环保护：SHA256 基于工具调用循环检测，带熔断器，处理乒乓模式
14. 会话修复：7 阶段消息历史验证，自动从损坏中恢复
15. 路径遍历防护：规范化与符号链接转义防护，../ 无效
16. GCRA 限流：成本感知令牌桶限流，每 IP 跟踪，过期清理

通道适配器与 LLM 提供商

40 个通道适配器：每个适配器支持每通道模型覆盖、DM/群组策略、限流、输出格式化。

27 个 LLM 提供商：3 个原生驱动（Anthropic、Gemini、OpenAI 兼容）路由到 27 个提供商，支持 123+ 模型，智能路由、自动降级、成本跟踪、按模型定价。

性能基准

根据官方文档（2026年2月）：

• 冷启动时间：OpenFang 小于200ms（OpenClaw ~6s、CrewAI ~3s、LangGraph ~2.5s）
• 空闲内存：OpenFang 40MB（OpenClaw 394MB、CrewAI 200MB、LangGraph 180MB）
• 安装大小：OpenFang 32MB（OpenClaw 500MB、CrewAI 100MB、LangGraph 150MB）

迁移支持

从 OpenClaw 迁移：

# 迁移所有内容（Agent、记忆、技能、配置）
openfang migrate --from openclaw

# 从特定路径迁移
openfang migrate --from openclaw --path ~/.openclaw

# 先干运行查看变更
openfang migrate --from openclaw --dry-run

迁移引擎导入 Agent、对话历史、技能、配置。OpenFang 原生支持 SKILL.md，兼容 ClawHub 市场。

稳定性说明

OpenFang v0.1.0 是首次公开发布。架构稳定，测试套件全面，安全模型完善。但：

• 破坏性变更：在 v1.0 前，小版本间可能出现
• Hands 成熟度：Browser 和 Researcher 最成熟，其他在完善中
• 边缘情况：存在边缘情况，如发现请提交 Issue
• 生产部署：在 v1.0 前，生产部署建议固定到特定 commit

目标：2026 年中达到稳定的 v1.0。

项目地址与资源

官方资源

• GitHub: github.com/RightNow-AI…
• 官网: openfang.sh
• 文档: Documentation、Quick Start
• 社区: Discord、T@witter/X
• Issues: GitHub Issues
• 安装脚本: openfang.sh/install

相关资源

• OpenClaw: 可迁移自 OpenClaw
• LangChain / AutoGPT: 迁移引擎支持
• Rust: Rust 语言与生态系统
• Tauri: Tauri 2.0 桌面应用框架

适用人群

• 需要自主 Agent：希望 Agent 按计划、24/7 自动工作的开发者
• 生产环境用户：需要企业级安全的生产环境部署
• 多通道需求：需要接入多种消息平台的团队
• 性能敏感：需要低延迟、低内存占用的应用
• Rust 开发者：想学习 Rust 在 Agent 系统中的应用
• 从 OpenClaw 迁移：希望迁移到更现代、更安全的系统

学习价值：

• Rust 在系统编程中的应用
• Agent 操作系统的架构设计
• 深度防御安全系统实现
• WASM 沙箱与计量机制
• 多通道、多模型的路由与降级
• 自主 Agent 的工作流程设计

欢迎来我中的个人主页找到更多有用的知识和有趣的产品