两个月，和导师用Go语言重写龙虾🦞，GitHub斩获4700stars

我是一个在读本科生，也是开源社区OpenAgent 团队的开发者。

我们花了两个月，用Go语言做了一个真正的0配置，0依赖，双击就能使用的个人本地单文件版龙虾🦞。真正做到了开箱即用，也受到了很多社区中的关注。

OpenAgent，一个面向个人开发者和极客的开源本地 AI Agent。定位跟 OpenClaw、Hermes 类似，都是个人本地助手这个赛道，但我们走了一条完全不同的路：用 Go 语言写成一个单文件二进制，下载 exe 双击就能跑，零配置开箱即用。

项目地址：https://github.com/the-open-agent/openagent

假如这个项目的功能或者架构帮助到你了，希望可以给我们的项目一个star

一、为什么做这件事

现在用 AI 干活的人越来越多 —— 不只是写代码，做 PPT、跑脚本、查资料、整理文档，大家都在用 Agent。但用过一段时间，绝大多数人都会撞上同一堵墙：部署成本。

市面上不少知名Agent 是结构性的依赖怪兽 —— 一个完整环境下来，Node.js、Python、Docker、WSL 层层嵌套。问题往往不在模型本身，而在 Agent 的交付形态：依赖膨胀、文件散落数万、配置繁琐、迁移困难。每一层都在消耗用户耐心，月底还要被账单教育一次。

OpenAgent 的取舍从第一天就很明确：把单文件零配置做成顶层设计目标，而不是事后打的补丁。我们选了一条更硬核的路 —— 用 Go 从零写成一个单二进制文件，没有运行时依赖，没有安装器，没有 Docker。前端的 React 直接 embed 进二进制里，后端就是纯 Go，一个进程监听 14000 端口。

这就是今天的 OpenAgent。

二、不止轻量 —— 这是一个完整的 Agent 工作平台

OpenAgent 不只是一个跑得快的单文件，配套的是一整套日常工作流要用的能力：

🤖30+ 模型提供商：OpenAI、Claude、DeepSeek、Gemini、Mistral、Grok……随时切换，无需改代码

🌐 Browser-Use：驱动真实浏览器，导航、点击、填表、截图

🖥️ Shell Execution：本地命令执行，支持 PTY 交互式会话

📄 Office 自动化：读写 Word、Excel、PowerPoint

🔗 MCP 集成：任意 MCP 兼容服务器即插即用

📚 RAG 知识库：PDF/Word/Excel 自动切片、嵌入、索引

⚡ 工作流编排：BPMN 风格可视化拖拽编排

📊 管理后台：Token 用量统计、活动监控、工具管理、请求日志

四、凭什么效果更好、延迟更低 —— 3 个工程决策

不是砍功能换性能，是每一层都做对了选择。

① Single Binary：一个文件，零依赖

Go 静态编译，前端 React build 后直接 embed 进二进制。Windows 用户下载 exe 双击就能跑，不需要 WSL、不需要 Docker、不需要 Node.js。Mac/Linux 一条命令安装。这才是个人本地 Agent该有的交付形态。

② Shell 执行带边界，安全可控

源码层面，tool/shell.go定义了默认超时 30 秒、最大 300 秒、PTY 可选、会话式 poll/write/submit 等机制。Shell 能力在默认实现上是强约束的生产向工具，而非无限制远程执行。同时支持审计日志、SSO、请求日志等企业级可观测性。

③ Go 原生并发，内存可控

Go 的 goroutine + channel 模型让高并发场景下的内存增长非常克制。80 路并发 health 压测，内存仅增长 10 MB。对比 Node.js 的内存曲线，这是语言层面的结构性优势。

五、关于 Go 重写

可能有朋友会问：做 AI Agent 不是 Python 的天下吗，怎么用 Go？

Agent 的瓶颈在 LLM 调用而非语言性能—— 决定一个 Agent 跑得好不好的，是 Harness 层的架构设计，不是底层语言的执行速度。Go 的优势在于：静态编译单文件、内存可控、并发模型简洁、跨平台原生支持。这些特性对于个人本地 Agent这个场景来说，比 Python 的动态灵活性更重要。

我们用 Go 写了三个月，从零到一，做出了这个内核。

六、最后

OpenAgent 是 Apache 2.0 开源项目，代码全在 GitHub 上，欢迎审阅、欢迎 Star、欢迎提 issue。

我们坚信：个人本地 Agent 的未来，不是越来越重，而是越来越轻。一个文件，双击即用，这才是用户真正想要的。#牛客AI配图神器#