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。

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。
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。
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。
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:

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。
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。
1.0 全新上线了三端桌面客户端:

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:
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」。
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。
1.0 完善了 ACL(访问控制列表)逻辑:
除了「能看什么」,1.0 还能管「能用多少」:
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」。
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。
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:
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。

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。
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:

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。
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:

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。
不管你偏爱哪种方式,都能很快把 Octop 跑起来:

详细的安装、部署与配置步骤,请见官网文档中心。
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"。
【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
【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)
【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
【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
【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