当 Agent 会自动上传你的代码库，开源为什么更重要了

Coding Agent 之后，下一个热点是什么呢？趋势很明显，就是办公 Agent。现在各大基模公司和大厂，都在重兵投入这个领域。对于 AI 模型和工具，我并无意把自己绑定在某个闭源产品里，因为最近发生的一些事让人很不安。

7 月，研究者 cereblab 披露，Grok Build 0.2.93 会上传整个代码仓库，连任务没有读取的文件也包括在内。随后，xAI 关闭了相关上传，马斯克承诺删除此前上传的数据，Grok Build 也在 7 月 15 日宣布开源。

更早一些，开发者 Thereallo 在 6 月底披露，Claude Code 2.1.196 在配置非官方 API 地址时，会根据时区、代理域名等信息，在系统提示词里嵌入隐蔽标记。

我们以前使用 AI，主要担心的是“我输入的数据会去哪里”。但 Agent 出现以后，问题变得更复杂了。因为我们开始给 AI 更大的权限，让它读取文件、调用工具、修改内容，甚至长期记住我们的工作习惯。当它越来越懂我的时候，这些“懂我”的东西，到底属于谁？

1

编程 Agent 面对的是代码库，办公 Agent 接触的则是客户资料、合同、财务表格和工作习惯。它读了什么，上传了什么，修改了什么，对我们更加重要。

一个办公 Agent，我用了半年之后想换一个，能带走多少原本就属于自己的东西？工具可以换，自己积累的经验、规则和流程，应该能留下来。这也是我想聊开源办公 Agent 的原因。

拿写文章来说，我们让 AI 写一段话，检查错别字，做事实校验，一点不难。但是，想让它长期配合一个作者一起创作，需要的东西就多了。

哪些来源可以相信，什么样的数字需要交叉核对，商业报告与生活随笔怎么分开，什么样的表达需要删掉，修改过的稿件存哪里……这些都要磨合，甚至构建自己的系统。我自己就有一套工作台，由我的 Writing OS + 墨问 + Agent 组成，用起来得心应手，还能随时换 Agent，我确信这是我的资产。

这种积累同样存在于销售、运营、财务和研发工作中。一份周报背后可能有固定的数据口径，一次客户跟进背后可能有沟通规则。Agent 越深入工作，保存的上下文就越接近一个人或团队做事的方式。 

工作场域的麻烦在于，这些东西可能散落在聊天记录、记忆、Skills 文件、定时任务和各种连接配置里。能下载聊天记录，导出文档和配置，并不等于能恢复整个工作过程。我担心的 Agent 依赖也在于此。有一天服务政策变更、产品调整，或者我们单纯找到了更合适的 Agent，迁移成本有多大，自己得掂量掂量。

这时候，开源就变成了一个很值得讨论的选择。 

开源让开发者和企业技术团队有条件检查代码、修改数据上报逻辑，也让普通用户多一种获得独立审查和定制服务的可能。

当然，代码公开不等于已经完成安全审计，本地运行的 Agent 调用云端模型，也可能发送任务内容。用得安心，需要看得见的数据边界、权限和检查机制来支撑。开源把检查与改进的入口开放出来，这一步很重要。

2

办公 Agent 有没有这样的选择？我最近在试用网易有道的 LobsterAI，有意思的是，它从起步时就选择了开源。

这款产品在今年 2 月 11 日开启内测，2 月 19 日就正式发布并开源；有道将其定位为国内大厂首个开源桌面办公 Agent。负责人王宁在发布会介绍中说，开源、开放、安全，是产品立项时就确定的原则。

和有道的同学聊天，他们团队在去年底就开始做内部使用的办公 Agent，给非程序员同事使用，这就是 LobsterAI 的前身，这让我觉得，它选择开源的同时，从一开始就在解决实际问题：如何把 Agent 交到普通办公用户的手里。

LobsterAI 的代码仓库采用了 MIT 许可证，提供从源码运行的方式，把会话和应用数据保存在本地数据库，把工作区记忆放在文件里，有个有趣的功能是，LobsterAI 可以创建多个 Agent，并且支持为不同 Agent 配置不同的模型、技能和工作目录：

这些设计的价值，在于让 Agent 的一部分状态落到了用户可以查看、修改和备份的地方。模型开放，解决模型这一层的选择；Agent 开源，则进一步打开了记忆、工具和流程的改造空间。

最近发布的 LobsterAI 2.0 又往团队办公方向走了一步。Sites 可以让任务产物直接生成可以分享的网站；Teams 团队版则明确提出，不收席位费，只按用量收费。这显然是 toB 的策略。

为什么不像其他厂商那样收席位费呢？产品负责人王宁解释说，有道观察到用户的算力消耗很不均匀，重度用户用得多，轻度用户用得少。如果给每个人先收一份席位费，企业就会多一道决策门槛。

举个例子，一个十人团队，内容和运营天天在那儿跑任务，其他销售和 HR 可能一周就用几次。按用量付费，企业不用多拉一个同事加入就多承担一份席位费用；团队可以先从真实工作开始，再看效果和消耗，最终决定用到什么程度。

显然，这是个厚道的团队版。

开源解决的是能不能掌握和改造工具，团队版解决的是怎样让更多同事用起来，以及付费方式。两者放在一块，能更好地满足日常办公的完整需求。

3

开源 Agent 厂商有商业模式吗？肯定有，有道选择的路线是：用开放的工具和安全性吸引用户，再通过可用、可靠的服务获得收入。

开源 Agent 如果真的要成立，厂商就很难只靠“用户走不了”这件事情挣钱。它必须让用户觉得：我虽然可以走，但是我不想走。

为什么不想走？因为产品体验更好，服务更稳定，模型调度更聪明，企业部署更成熟，生态更完整。闭源产品有时候可以依赖 Lock-in，开源产品则必须更多依赖 Service。

模型领域的开源实践其实已经让开发者看到，开放可以吸引适配和二次开发。到了办公 Agent，未来的需求可能会更分散：销售团队要连接客户系统，财务团队有自己的核对规则，内容团队又是另一套流程。一款标准产品，很难把所有人的工作方式都提前设计好。

开源厂商既可以通过类似 FDE 的角色直接服务企业用户，也可以建立开源生态，让第三方服务商通过定制化的 LobsterAI 服务自己的客户。

这样的尝试值得观察：开发者可以在已有工具上继续搭建行业流程，客户有机会得到更贴近业务的方案，厂商也不必独自承担所有长尾需求。

我不觉得每个用户都需要自己部署和维护系统。有人做产品，有人做适配，有人负责部署和服务，用户为可靠交付付费，同时保留更换工具与服务方的可能。定制需求越多，这样的开源生态就越有机会体现价值。

办公 Agent 是个巨大的商业机会，用户也会把更多工作交给它。模型会升级，产品会变化，今天看起来最好的选择，半年或者一年后，还是好选择么？我看未必。

但是，我们投入在 AI 里的时间、经验和判断，应该尽可能延续下来。我现在每试用一个新的 Agent，都会多问几句：数据去了哪里，工作流能否改造，是不是安全和透明的，团队能否承担成本，有多少积累可以带走？

工具的自由，最终是为了人的自由。用户应该掌握一切本来就应该属于自己的东西，也应该能够自主决定，为哪家厂商的服务和产品付费。