港大开源的一个神奇的 AI 项目，有点东西

港大开源的一个神奇的 AI 项目，有点东西 港大开源的一个非常有意思项目，叫「OpenOPC」，个人 AI 原生公司。 它最打动我的地方，不是又做了一个多 Agent 协作框架，而是认真把多 Agent 当成了一间公司来设计：有组织架构、有员工、有任务流转、有审阅与返工，也有长期的组织记忆。 OpenOPC 把自身的运行逻辑概括为三个词：Self-Built、Self-Run、Self-Grown。 第一步是 Self-Built，也就是“自己搭班子”。 用户给出一个目标后，系统先推导这项工作需要哪些角色、角色之间如何汇报，再为每个岗位匹配 AI…

港大开源的一个神奇的 AI 项目，有点东西
港大开源的一个非常有意思项目，叫「OpenOPC」，个人 AI 原生公司。

它最打动我的地方，不是又做了一个多 Agent 协作框架，而是认真把多 Agent 当成了一间公司来设计：有组织架构、有员工、有任务流转、有审阅与返工，也有长期的组织记忆。

OpenOPC 把自身的运行逻辑概括为三个词：Self-Built、Self-Run、Self-Grown。

第一步是 Self-Built，也就是“自己搭班子”。
用户给出一个目标后，系统先推导这项工作需要哪些角色、角色之间如何汇报，再为每个岗位匹配 AI 员工；这里并非每次都创建全新 Agent，它可以复用带有历史经验的既有员工，也可以从人才模板中招募新人。前者带着过去项目积累的上下文，后者则适合需要全新能力或避免旧经验干扰的场景。它把“提示词”升级成了“人员配置”：你不只是安排一个 Agent 做事，而是在配置一个团队如何做事。

第二步是 Self-Run，即让团队真正运转起来。
系统将目标拆成工作项，由管理角色负责分解、分派、审阅、整合和返工。每个工作项有明确的状态、负责人和依赖关系；依赖关系采用 DAG 结构表达，因此互不依赖的任务可以并行推进，必须等待输入的任务则不会盲目启动。一个任务被审阅驳回后，返工和后续依赖也会按结构化状态流转，而不是靠 Agent 在对话里“临场发挥”。如果成员遇到阻塞，还可以先在团队内部找到最合适的角色处理；当问题超出团队权限，再把关键判断升级给人类。

第三步是 Self-Grown，也是 OpenOPC 最有野心的一层。
系统不把一次任务的成功或失败粗暴归因给整个团队，而是尽可能定位到真正负责的角色：谁做得好，经验沉淀给谁；谁的交付有问题，改进也落到对应岗位。

产品层面，它提供两种工作方式：Task Mode 是单 Agent 工作区，可选择 OpenOPC Native、Codex、Claude Code、Cursor 或 OpenCode 等执行 Agent；Company Mode 则围绕组织架构展开协作；它还提供一套 Office UI：Workspace 用于聊天、看板和任务进度；Office 以动态办公室形式展示各角色状态、正在使用的工具和当前任务。

OpenOPC 提供的是一套组织与编排机制，并不自动保证每个 Agent 的专业质量。最终效果仍依赖底层模型、外部工具、任务拆解质量、上下文管理、成本约束，以及人类是否在关键节点及时介入。它特别适合复杂、可分工、需要审阅和多轮交付的任务；如果只是一个简单问答，直接使用单 Agent 通常更快、更省。

它的开源地址：https://github.com/HKUDS/OpenOPC

#AI开源项目推荐[话题]#
港大开源的一个神奇的 AI 项目，有点东西 港大开源的... http://xhslink.cn/o/9iXx5UKVjtu 先复制这段，去【小红书】看看有多精彩~
resolved_url: https://www.xiaohongshu.com/explore/6a562a950000000008030cdd
xhs_capture_status: success