想在自家电脑、服务器或 NAS 上搭一套自托管的 AI 助手，腾讯开源的 Octop 值得看看。作者用桌面客户端走完安装与初始化，并梳理多用户、多专家、知识库与消息平台的设计：写作、资料整理、代码等任务可拆给不同「专家」，全家或小团队共用一份部署。

如果你想在自己的电脑、服务器或 NAS 上搭建一套 AI 助手，同时让家人或小团队共享使用，腾讯开源的 Octop 值得了解。

这篇文章记录我使用桌面客户端完成安装和初始化的过程，并介绍它在多用户、多专家、知识库、消息平台和浏览器操作方面的设计。

01 Octop 是什么

Octop 是一个开源、自托管的 AI 助手平台。它允许用户在同一套部署中创建多个 AI 专家，让不同专家承担写作、资料整理、代码处理和日常提醒等任务。

每个专家可以配置自己的模型提供商、工作空间、技能、人格设定和工具权限。管理员也可以创建多个用户，让不同成员拥有各自的账号、专家和对话环境，在共享平台的同时保持相对独立的使用空间。

Octop 的能力还延伸到聊天之外。它可以接入飞书、企业微信、钉钉、QQ 等消息平台，通过连接器和 MCP 对接外部服务，也能使用浏览器、终端和远程桌面处理相关任务。通过 ACP，Octop 还可以与 OpenCode、CodeBuddy、Claude Code、Codex、Kimi Code、Cursor CLI 和 Pi 等外部编程智能体协作。

从使用入口来看，Octop 提供 Web 控制台、命令行工具和消息平台等方式。它的重点不只在聊天窗口，也在于把专家、模型、记忆、技能、工具和工作空间组织到同一套自托管环境中。

项目地址：github.com/TencentCloud/Octop

官网：octop.cloud

02 部署与第一次启动

Octop 支持 macOS、Windows 和 Linux，也可以通过 Docker 或 Python 环境部署。官方文档当前提供了安装脚本、PyPI 和 Docker 等方式。这次体验使用的是桌面客户端，下载完成后启动程序，按照向导完成初始化。

直接在项目 release 页面下载即可：

https://github.com/TencentCloud/Octop/releases

mac、win、linux 者有。

初始化界面

安装完成后，首次启动会进入。

管理员账号和密码根据提示完成设置即可。

数据库方面，个人体验建议先使用 SQLite。项目本身也将 SQLite 作为默认的控制平面数据库，适合本地试用和小规模部署。后续如果有更复杂的部署需求，再根据官方文档选择 PostgreSQL 等其它方案。

配置模型

完成基础初始化后，需要配置大语言模型。Octop 提供了一些预设的模型供应商，也支持自定义兼容 OpenAI API 的服务。具体选择取决于你的模型来源，可以使用云端 API，也可以接入本地模型。

模型配置完成后，就可以进入主界面。

先从直接对话开始

进入首页后，可以直接与默认专家对话。

Octop 的重点不限于聊天窗口，而在于「专家」的组织方式。

创建专家

Octop 中的 Agent 更准确地说是「专家」。用户可以根据任务创建多个专家，每个专家拥有独立的工作空间、模型配置、技能和人格设定。创建方式有两种：

内置模板创建

直接从内置模板一键生成，开箱即用。

从专家库选择

专家库中的模板通常已经配置了对应的技能和提示词，可以减少从零开始搭建的工作量。

如果把不同专家理解成不同岗位，会更容易理解 Octop 的设计：一个专家负责写作，一个专家负责资料整理，一个专家负责代码，一个专家负责日常提醒。它们共享同一套平台，但可以拥有不同的工具和工作方式。

自动化与用量统计

Octop 支持定时任务，可以让专家在指定时间触发任务。对于定期整理资料、生成日报、检查服务状态等场景，这类功能比较实用。

平台还提供 Token 用量统计，可以按照不同维度查看模型调用情况。使用多个模型或多个专家时，这项功能有助于了解成本和使用频率。

记忆、通道、连接器与技能

Octop 的功能模块比较多，初次使用时容易混在一起。可以简单这样理解：

• 记忆——保存与用户、任务和工作空间有关的长期信息；
• 通道——接入外部消息平台，例如飞书、企业微信、钉钉、QQ 等；
• 连接器——接入外部应用和工具，常见方式包括 OAuth 和 MCP；
• 技能——描述相对固定的工作流程，把一套重复操作整理成更稳定的执行步骤。

知识库：让专家使用自己的资料

Octop 支持把本地文件导入知识库。系统会对文档进行解析和索引，之后专家可以在对话中检索相关内容，并引用知识库中的资料。使用本地模型或本地嵌入模型时，需要按照提示下载和配置相应模型，也可以选择外部 API。

配置完成后，新建知识库并导入文件。系统会自动完成文档处理、索引和检索准备，之后可以在对话中引用这些资料。

工作台：浏览器和终端能力

Octop 的工作台提供浏览器和终端相关能力，可以让 AI 在授权范围内访问网页、执行操作或处理命令。

要特别注意权限边界 浏览器自动化和终端操作都可能影响真实数据，要仔细确认工具权限和命令保护规则。

03 ACP：连接外部编程智能体

ACP 是 Octop 比较有辨识度的功能之一。通过 ACP，Octop 可以连接外部编程智能体，例如 Claude Code、Codex 等。这样，用户可以在 Octop 的对话环境中，把编程任务交给专门的代码 Agent。

从官方文档来看，ACP 支持双向使用：一方面，外部工具可以调用 Octop 中的专家；另一方面，Octop 也可以把任务委派给外部编程智能体。对普通用户来说，它的意义在于减少工具切换；对开发者来说，它提供了一种让不同 Agent 协作的接口。

完成配置后，就可以在对话过程中调用外部编程智能体。

04 多用户使用

Octop 支持管理员创建多个用户。不同用户拥有自己的专家、工作空间和对话环境，适合家庭或小团队共用一套部署。

可以创建多个用户，让家庭成员或小团队成员分别使用。

桌面宠物

Octop 还提供桌面宠物，定位更接近桌面陪伴和快捷交互。它可以通过快捷操作发起对话，和核心 Agent 能力关系不大，但为桌面端增加了一些轻量的互动体验。

安装完成后，可以在右下角通过快捷按键发起快速对话。

05 写在最后

从这次上手来看，Octop 把多个 Agent 运行所需的组件放进了同一套自托管平台。

你可以集中管理专家，也可以通过消息平台使用它们；可以接入知识库和 MCP 工具，也可以调用浏览器、终端和外部编程 Agent。对于希望把 AI 助手部署在本地，并让家人或小团队共同使用的人来说，这种组织方式比较有吸引力。

当然，Octop 的很多能力仍然依赖模型质量、工具配置和权限管理。自托管带来了更强的数据控制能力，也意味着用户需要自行处理模型 API、服务部署、备份和安全问题。

整体而言，Octop 更像一个正在快速发展的 AI 助手基础平台。它把专家、工具、记忆、知识库和执行环境纳入同一个管理入口。

为个人、家庭和小团队搭建长期使用 AI 助手，提供了一种可行思路。