深耕数码、AI兴趣领域
12
18
腾讯开源！让团队每个人都有AI助手！极空间部署Octop
2026-10-09 09:53:22
0点赞
3收藏
1评论
团队里用 AI 的场景越来越多了：写方案、整理会议纪要、查资料、排查服务器问题，几乎每个人每天都在跟 AI 打交道。
但用着用着问题来了，想给团队中的所有人都配上一个专属的agent，除了云上方案之外，就是在每个人的电脑上都装一个agent，但这又会导致电脑无法关机，一旦关机，你就失去了和你的agent对话的权利。
那能不能将Agent部署在团队的服务器上呢？同时团队里的其它人也都能进行使用？全团队每人一个账号，AI 记得住每个人的工作习惯，成员之间还能互相协作。
Workbuddy大家都很熟知了，这是一款腾讯出品的办公Agent，用户可以将其部署自己的电脑上，那针对团队使用呢，腾讯云CodeBuddy团队最近又开源了个Octop项目，其中一大特点就是原生自带用户管理系统，部署在NAS上这不就是个7*24小时的Agent了么？
Octop 是什么？
Octop是腾讯云CodeBuddy团队2026年9月开源的自托管AI助手平台，MIT协议。开源才三个星期，GitHub上Star 已经破6.9k，Issue区几百条讨论，更新非常勤，我部署时用的还是两天前刚发的v1.0.2b6。
项目在 GitHub 的地址是 github.com/TencentCloud/Octop，官网octop.cloud，文档、更新日志、下载入口都齐。官方的介绍是「懂你、帮你、陪你成长的智能伙伴」，定位就是给个人和团队用的自托管 AI 助手。
它最大的特点是「一个进程就是一个完整的 AI 助手平台」：Web 控制台、多用户管理、专家 Agent、长期记忆、定时任务、IM 通道全都内置，数据统一存放在自己的设备上。
对团队来说，它有几个直击痛点的点：每个成员有独立账号，专家、记忆、对话完全隔离；内置 AgentTeams 多智能体协作，可以把一个需求拆给多个 AI 专家分工干活；微信、飞书、钉钉这些国内 IM 直接接入；危险命令默认人工审批。该有的都有，后面挨个实测。
极空间部署 Octop
Octop 的安装方式很丰富：
官方安装脚本、PyPI 包、桌面客户端都有。
但说实话我觉得这类工具，还是安装在一个能7*24小时运行的设备上比较好。咱们普通玩家手上有什么能够7*24小时运行的设备呢？
NAS
我想大部分NAS用户的设备都不会关机吧，那作为一台7*24小时运行的设备，而且底层还是Linux，拿来跑这些服务可以说再合适不过了。并且这类服务基本上都是调用云端API来运行，所以也不会要求部署的机器有非常强的性能，目前主流NAS的性能已经是完全够用了。
咱们这边使用极空间的Z4 Pro+性能版来部署，官方仓库中就带了完整的Dockerfile和compose文件。
先在系统设置里打开 SSH 开关，用 SSH 工具连上 NAS，
第一步，创建目录并下载官方源码包：
sudo mkdir -p /tmp/zfsv3/sata11/你的账号/data/docker/octop #记得替换成自己的路径
cd /tmp/zfsv3/sata11/你的账号/data/docker/octop #记得替换成自己的路径
curl -sL -o source.zip https://codeload.github.com/TencentCloud/Octop/zip/refs/tags/v1.0.2b6
unzip -q source.zip && mv Octop-1.0.2b6 source && rm source.zip
第二步，写 docker-compose.yml 和 .env：
services:
octop:
image: octop:latest
container_name: octop
restart: unless-stopped
build:
context: ./source
dockerfile: docker/Dockerfile
args:
PIP_INDEX_URL: https://mirrors.cloud.tencent.com/pypi/simple
PIP_TRUSTED_HOST: mirrors.cloud.tencent.com
NPM_REGISTRY: https://mirrors.cloud.tencent.com/npm/
APT_MIRROR: mirrors.cloud.tencent.com
ports:
- "8088:8088"
environment:
- TZ=Asia/Shanghai
- HOME=/data
- OCTOP_BIND_HOST=0.0.0.0
- OCTOP_PORT=8088
- OCTOP_DEFAULT_PASSWORD=${OCTOP_DEFAULT_PASSWORD}
- OCTOP_ADMIN_USERNAME=admin
volumes:
- ./data:/data/.octop
# .env 首次启动初始化管理员密码（至少 8 位，含字母和数字）
OCTOP_DEFAULT_PASSWORD=**********
OCTOP_ADMIN_USERNAME=admin #用户名以及密码记得自己修改
第三步，构建并启动：
bash
sudo docker compose up -d --build
这里有两个小坑提前说一下。一是国内 NAS 直连Docker Hub一般不通，构建需要的node:20-slim、python:3.12-slim这几个基础镜像，可以先走国内镜像源拉下来再改回原名，一次就够：
sudo docker pull docker.m.daocloud.io/library/node:20-slim
sudo docker tag docker.m.daocloud.io/library/node:20-slim node:20-slim
sudo docker pull docker.m.daocloud.io/library/python:3.12-slim
sudo docker tag docker.m.daocloud.io/library/python:3.12-slim python:3.12-slim
二是构建过程会编译前端和安装 Python 依赖，N355 上大概十来分钟，看到「healthy」就算大功告成，镜像成品 2GB 出头。
部署完成之后，直接输入nas ip+:8088就能进入登录界面。账号默认是 admin，密码就是 .env 里设置的那个，当然，登录之后记得马上改掉。
使用体验
第一次登录进来，第一件事是配模型。
Octop 不自带大模型，需要在「管理-模型」里填一个 API Key。这点对国内团队反而友好，腾讯云、Kimi、MiniMax、DeepSeek、阿里云、火山引擎这些都是预置好的，选一个填上 Key 就能用，连base_url都帮你写好了。我用的是MiniMax，站点选中国，模型一栏还能自由开关。
然后是建专家。专家是 Octop 里的核心概念，可以理解成「有身份、有技能、有记忆的 AI 员工」，每个专家都有独立的工作区、提示词和工具权限。
系统内置了 17 个专家模板，本地化浓度相当高：有教 AI 编程工具的实战导师、看家护院的安全合规卫士，还有专注 Word/Excel/PPT 的办公自动化助手「小办」和精通 Linux 运维的「运维工程师 Ops」。我按团队常见的分工建了三个：小通打杂、小办写文档、运维工程师管机器。
对话体验是最能看出功力的地方。我随手跟小通打了个招呼，让它记住我的名字，它一边回答一边调用了 5 次工具，把我的信息写进了记忆档案，聊天界面里能清楚看到「编辑了1个文件」的工具卡片。AI 不只是嘴上说说，是真的在干活。
过了一会我再问「我叫什么名字」，它直接答对，还补了一句「已经写进档案了」。这种记忆是真实的文件级记忆，容器重启也不会丢。对团队更有用的是，每个成员的专家记忆互相隔离，谁的工作上下文都不会串。
接下来是这次体验的重点：
AgentTeams 多智能体协作。
我把小办和运维工程师拉进一个叫「NAS 运维小分队」的团队，然后只丢了一句话：「请团队盘点一下这台机器的资源情况」。
主持人先没有急着动手，而是把这句话改写成了一份结构化的任务书，目标、范围、交付格式写得清清楚楚，连「建议用 lscpu、free -h、df -h 取数」「不要写文件、直接结构化输出」这种细节都安排好了，然后派给运维工程师。等数据采集完，再转交小办整理，最后主持人汇总收口。
最终产出的《本机资源简报》里，CPU 拓扑、负载、内存占用、磁盘空间全是这台 NAS 的真实数据，还标注了数据来源命令。整个过程中我只需要开头那一句话。这种「一句话需求、多专家分工交付」的体验，单个聊天机器人真给不了。
多用户是Octop区别于大多数单机 AI 工具的地方。
管理员可以给每个同事开账号，成员之间的专家、记忆、对话完全隔离，还能按角色控制权限。登录方式也照顾得很全：飞书、企业微信、钉钉扫码登录，通用 OIDC 和 LDAP 也都支持，接企业现有的账号体系不费劲。
对团队日常使用影响最大的其实是IM通道。
Octop一共支持 10 个通道，微信、QQ、企业微信、飞书、钉钉都在列，甚至还有腾讯元宝和华为小艺。配置好之后，同事在钉钉群里发消息就能直接使唤 NAS 上的 AI 专家，连网页都不用开。
定时任务我也建了个真的。「每日晨间机器巡检」，调度方式直接给 Cron 表达式，任务指令用自然语言写：报告 CPU 负载、内存占用、磁盘剩余空间，有异常给建议。还可以指定结果发到哪个会话、走哪个模型，支持每次执行新开会话。到点它会自动干活并把结果推送过来，相当于一个不知疲倦的值班员。
安全同样也是非常重要的一点。
AI 能执行 Shell 命令、能读写文件，放在公司环境里听着就慌。
Octop 的做法是「工具审批」：
可以指定哪些工具在执行前必须人工确认。我实测了一下，开启审批后再让它 rm -rf，命令会被当场拦下，弹出「需要确认这次操作」的卡片，完整命令、参数一目了然，批准才执行，也可以直接拒绝让 AI 换方案。放在团队环境里，这就是最后一道闸门。
当然这里也有个小槽点：
安全防护页的「启用工具人工审批」开关，我点了之后弹窗确认完，API 一查居然没保存上，反复点了几次才生效。安全相关的交互还是得稳一点，希望后续版本修一下。
最后算笔账。团队最关心的成本问题，Octop 内置了完整的 Token 统计：按天、按专家、按模型都能查，缓存命中率直接展示，还能导出 Excel。我这两轮团队协作加日常对话花了 20 多万 tokens，其中缓存命中 78%，实际成本远比看上去低。
文档问答（知识库）也内置了，上传团队文档建立索引之后，对话中可以直接检索引用，还能在同实例成员之间共享语料。团队 wiki、产品手册、规章制度丢进去，新同事的问题直接问 AI 就行。不过需要先在知识库设置里启用，并配一个向量模型。
写在最后
Octop 这个项目我觉得还是挺有意思的。
市面上的 AI 助手，要么是纯云端的，数据不在自己手里；要么是单机自托管，只能一个人用。Octop抓住的其实是中间的空白地带：一个小团队，想要一个能部署在本地，调用云端API运行或者本地跑的模型运行，同时又能多人同时使用。
当然它也不是没有缺点：没有现成镜像，首次部署要从源码构建；大模型要自己配 Key，效果好坏取决于你愿意花多少钱；远程桌面、浏览器自动化这些能力还需要额外装环境；再加上安全开关保存失效这种小 bug，都说明项目还很年轻。
但如果你有一台 NAS 或者一台闲置的服务器，想让团队用上「记得住事、干得了活」的 AI 助手，Octop值得一试。
那么好了，以上就是本篇文章的全部内容啦。
希望对你有所帮助。
我们下篇文章再见。
作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～
校验提示文案
校验提示文案