Octop 1.0 版正式发布:每个人都能拥有专属AI协作团队

首页 AI资讯 AI技术研报 AI监管政策 AI产品测评 AI商业项目 arena全球大模型排行榜 AI产品热榜 AI 源力市场 AI新闻日报

Octop 1.0 版正式发布:每个人都能拥有专属AI协作团队
AI技术研报 2026-09-21 10:29
+6709 阅读
导读:经过 Octop 团队与社区开发者一段时间的共同推进,在一次次测试、打磨与优化之后,我们正式推出 Octop 1.0 GA版本(General Availability,正式发布版),并同步上线腾讯云轻量应用服务器(Lighthouse)与云服务器(CVM)官方应用镜像——购买即用的自托管 AI 助手,现在触手可及。


从第一个可运行的原型,到今天可以放心放进生产环境的 1.0,Octop 走过了一段不短的旅程。


Octop 1.0 版正式发布:每个人都能拥有专属AI协作团队


这一版本不仅意味着核心能力趋于稳定,更代表着我们已经为真实世界里「一人公司、家庭、小团队」的轻协同办公场景,准备好了一套开箱即用、可自托管的 AI 助手。


从一个想法,到生产可用的 1.0


Octop 的定位一直很明确:自托管的多用户、多智能体 AI 助手。一个 Python 包、一个控制台、一条 CLI 命令就能跑起来,不依赖外部消息队列,除 LLM 提供商之外几乎没有强制依赖。


在 1.0 之前,我们已经在连接器、多用户体系、网关与定时任务等方向上做了大量积累。而 1.0 的目标,是把这些能力真正串成一条「能放心给真实用户用」的生产链路——更稳的检索、更广的触达、更细的权限、更硬的安全边界,再加上可扩展的插件机制与统一的官网文档。


下面的几大新特性,是 1.0 里我们最想让你知道的。


完善的知识库方案:从「能连」到「能管」


知识,是团队最值钱、也最零散的资产。在 1.0 之前,Octop 已经通过连接器(Connectors)体系接入了腾讯文档、IMA 等主流知识来源;而在 1.0,我们把知识库真正做成了一套可维护、可分发的内部能力


全新上线的 RAG 知识库


1.0 引入了基于 RAG(检索增强生成)的方案,团队可以把公共资料、私有经验、规范文档统一沉淀到 Octop 知识库中:


Octop 1.0 版正式发布:每个人都能拥有专属AI协作团队


  • 公共 / 私有分级:既可以建设全员共享的公共知识库,也能为个人或小组维护私有资料。
  • 统一检索:对话与智能体在回答时自动检索相关片段,来源可追溯,回答更可信。
  • 持续沉淀:经验不再散落在聊天记录里,而是结构化地进入知识库,越用越聪明。


基于卡帕西LLM Wiki的知识库专家


碎片文件一直是知识管理的老大难:零散的笔记、截图、会议纪要,既不够成「文档」,又舍不得丢。为此,1.0 同步上线了一个基于卡帕西(Andrej Karpathy)LLM Wiki 思路的知识库专家——它擅长把那些零散、非结构化的小文件自动整理、归纳、串联成可查询的知识网络,让「随手存」也能变成「随时用」。


简单说:连接器负责「接进来」,RAG 知识库负责「管起来」,LLM Wiki 专家负责「理清楚」。三者配合,组成了 1.0 相对完整的团队级知识底座。


多端体验:让 Octop 触达每一个角落


好用的能力,必须出现在用户真正在用的地方。1.0 在触达面上做了一次大升级——从「只有网页」走向「桌面 + fnOS(NAS)」的全场景覆盖


桌面客户端


1.0 全新上线了三端桌面客户端:


  • macOS / Windows / Linux 原生桌面应用,启动即达,支持后台常驻与系统通知。
  • 与网页端共享同一套会话与智能体状态,切换设备无缝衔接。


Octop 1.0 版正式发布:每个人都能拥有专属AI协作团队


飞牛 NAS(fnOS)应用


针对家庭与小型团队常用的飞牛 NAS(系统为 fnOS),1.0 同步上线了 fnOS 应用,并且提供两种交付形态,用户可按习惯选择:


  • native 版:在 fnOS 应用中心直接安装的原生应用,数据留在本地,体验贴近系统原生。
  • docker 版:基于飞牛 Docker 部署的应用版本,同样来自 fnOS 应用体系,只是以容器方式运行,便于与现有 Docker 栈统一管理。


二者都是 fnOS 上的 Octop 应用,只是形态不同——都能把 Octop 变成家里的「常驻 AI 中枢」。


更细的权限边界:ACL 与用量管控


多用户体系在更早的版本就已经存在,而 1.0 把它真正做「细」了——面向一人公司、家庭、小团队这类轻协同场景,管理员现在可以放心地把 Octop 开放给更多人。


页面与功能级 ACL


1.0 完善了 ACL(访问控制列表)逻辑:


  • 管理员可以精确管控每个用户能访问哪些页面、使用哪些功能
  • 角色与权限解耦,按需分配,避免「要么全开、要么不开」的尴尬。


Token 与访问逻辑限制


除了「能看什么」,1.0 还能管「能用多少」:


  • 限制用户 Token 使用:为不同成员设置额度上限,控制成本。
  • 限制访问逻辑:对外部调用、敏感操作设边界,防止误用与滥用。


这让 Octop 既能开放给家庭成员、外部协作者,又不会因为一个人「跑飞」而影响全局——非常适合小团队把 AI 能力「共享但不失控」。


安全防护升级:专家沙箱隔离


能力越强,边界越重要。1.0 在专家(Expert)运行环境上新增了沙箱运行限制,这是安全层面的一次关键加固。


  • 专家运行在受限沙箱中,默认无法越界访问宿主文件系统、网络等敏感资源
  • 即便专家被「诱导越狱」,也被限制在沙箱边界内,避免对宿主环境造成实质性影响。
  • 安全模型从「可信内部」升级为「默认不信任」,更符合生产部署的安全预期。


插件机制完善:新增前端渲染支持


可扩展,一直是 Octop 的核心设计取向。在 1.0 之前,插件已经能覆盖智能体处理的关键扩展点:


  • Hook:干预 Agent 的处理生命周期(如消息进入、工具调用前后等环节注入逻辑);
  • 工具(Tool):为智能体注册新的可调能力;
  • Skill:以标准化的技能包沉淀可复用的工作流。


而在 1.0,插件机制进一步完善——新增前端渲染支持:插件不再只活跃在后端,还可以向 控制台 注入自定义 UI(如配置面板、结果展示卡片、专属交互组件),让插件能力在前端有完整的呈现与操作入口。


Octop 1.0 版正式发布:每个人都能拥有专属AI协作团队


后端逻辑 + 前端界面一体的插件,真正成了「装得上、用得顺」的扩展方式。


官网 octop.cloud 与文档中心正式上线


伴随 1.0 发布,Octop 官方网站 (https://octop.cloud/) 正式上线。这里是用户了解 Octop、获取客户端与查阅资料的统一入口:


Octop 1.0 版正式发布:每个人都能拥有专属AI协作团队


  • 客户端下载:Mac / Windows / Linux 桌面客户端、fnOS 应用等,都可以在官网集中查看与下载。
  • 使用手册:从快速上手到部署、权限、知识库的完整文档,统一在官网文档中心维护,告别「文档散落各处」。
  • 版本与动态:发布说明、更新日志集中呈现,方便你随时跟进 1.0 及后续版本。


另外,我们在腾讯云同步上线了官方应用镜像——轻量应用服务器(Lighthouse) 与 云服务器(CVM) 均可在镜像市场一键选用,购买后即带可用的 Octop 环境,省去自行部署的环节。


从「尝鲜」到「生产」:1.0 意味着什么


1.0 不只是一个版本号,它代表我们对自己、也对用户的一个承诺:


Octop 1.0 版正式发布:每个人都能拥有专属AI协作团队


  • 稳定:核心链路经过充分测试,可以正式进入生产环境。
  • 完整:知识库、多端、权限、安全、插件五大能力闭环,再辅以官网与文档中心,足以支撑真实办公场景。
  • 自托管优先:单包部署、数据自主、无强制外部依赖的基调始终未变,官网与文档让获取与学习更轻松。


我们也同步完善了 API 文档、国际化(中 / 英双语)、服务器时区处理等「看不见但很重要」的细节,让 1.0 在真实部署中更省心。


快速上手


不管你偏爱哪种方式,都能很快把 Octop 跑起来:


Octop 1.0 版正式发布:每个人都能拥有专属AI协作团队


  • 命令行:一条 octop run 即可在本地拉起完整服务,适合开发者与自有服务器。
  • 腾讯云:在轻量应用服务器(Lighthouse)/ 云服务器(CVM)镜像市场一键选用官方镜像,购买即带可用环境。
  • 桌面客户端:提供 Windows / macOS / Linux 原生安装包,开箱即用,零命令行门槛。
  • fnOS:在飞牛 NAS 应用中心安装 native 或 docker 版应用,把 AI 中枢搬进家里。


详细的安装、部署与配置步骤,请见官网文档中心。


从 1.0 再出发


Octop 1.0 的每一步,都离不开团队同学的打磨,更离不开社区开发者与早期用户的反馈、测试与贡献。是你们让「自托管的 AI 协作平台」从概念变成了今天可以落地的产品。


接下来,我们会围绕 知识库检索质量、客户端体验、插件与前端生态、更多连接器与专家 持续迭代,并持续完善官网与文档中心。如果你愿意一起把 Octop 做得更好,我们的 GitHub 项目地址:[github.com/TencentCloud/Octop](https://github.com/TencentCloud/Octop),欢迎参与社区、提交 Issue 与 PR。


Octop 1.0,现在就可以部署。 一条命令 octop run,把属于你自己的 AI 协作中枢跑起来。


文章来自于"腾讯云服务器",作者 "腾讯云煮鸡"。

1
AI代理

【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务,如比较价格、添加购物车、回复各种社交媒体等。

项目地址:https://github.com/browser-use/browser-use


2
AI工作流

【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!

项目地址:https://github.com/coze-dev/coze-studio


【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。

项目地址:https://github.com/n8n-io/n8n

在线使用:https://n8n.io/(付费


【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。

项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file



【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。

项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file

在线使用:https://vectorvein.ai/付费

3
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md

4
知识库

【开源免费】FASTGPT是基于LLM的知识库开源项目,提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信,飞书的AI项目都基于该项目二次开发。

项目地址:https://github.com/labring/FastGPT

5
RAG

【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。

项目地址:https://github.com/microsoft/graphrag

【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。

项目地址:https://github.com/langgenius/dify


【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。

项目地址:https://github.com/infiniflow/ragflow/tree/main


【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目

项目地址:https://github.com/phidatahq/phidata


【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。

项目地址:https://github.com/TaskingAI/TaskingAI

添加客服微信openai178,进AITNT官方交流群