Web 身份主页 · 截图使用隔离的伪造演示数据。
大多数 AI 只在你提问时出现，回答完便停下。Coworker 选择持续在场：她拥有自己的身份和记忆，能调用真实工具完成工作，也可以在后台整理经验，并通过 API、企业微信或 Coworker Desktop 出现在你已经熟悉的工作流里。
她不是又一个套在模型外面的聊天窗口，而是一个可自托管、可扩展、持续运行的 Agent 运行时。
对个人，她是持续在场的搭档；对团队，她更像一层长期记忆与执行接口——承接上下文，连接人与 AI，让跨成员、跨会话、跨天的工作继续往前。
| ⏳ 持续存在 | 🧠 形成记忆 | 👁️ 感知并行动 |
| 🌱 学习与生长 | 🤝 建立关系与边界 | 🧩 可自托管与扩展 |
Warning
Coworker 不是安全沙箱。她可以执行命令，并以运行进程的系统用户权限读写文件。 当前 v0.x 版本只应运行在本机或可信网络中，不要把 8000 端口暴露到公网。 详见 安全策略。
身份、记忆、任务和工具都运行在同一个本地优先运行时中；Web、Desktop 与通信入口只是观察她、照看她或与她协作的不同方式。
| 入口 | 适合做什么 |
|---|---|
| Web 身份主页与照看室 | 查看身份、当前状态、记忆、Skill、模型和运行动态，并完成日常配置。 |
| Coworker Desktop | 把本机用户、Codex、Claude Code 与 Coworker 放进同一工作台，同时保持身份和对话边界。 |
| API、企业微信与文件通道 | 把持续上下文和执行能力接入已有工具、服务与自动化流程。 |
Coworker Desktop · 在一个工作台中切换身份、项目与对话。
查看 Web 用量与运行明细
Web 用量页 · 从总量下钻到模型、来源、缓存与工具调用。
本页截图均使用隔离的伪造演示数据，不包含真实用户、密钥、会话或运行记录。
Coworker 描述她与人的关系；“虚拟生命体”描述她如何存在。
这不是在宣称她拥有生物生命或主观意识，而是一种产品与架构定义：Coworker 不是无状态的请求处理器，她在连续时间中维持身份、积累经验、感知环境并采取行动。
| 生命体特征 | Coworker 中的实现 |
|---|---|
| ⏳ 连续存在 | 常驻后台，在感知、思考、行动、睡眠的循环中接收新事件，而不是在一次请求结束后消失。 |
| 🪪 拥有身份 | 从 data/identity/ 维护名字与人格，以同一个“她”延续不同时间、信道和任务中的经历。 |
| 🧠 形成记忆 | 压缩短期上下文、检索长期语义记忆，并在重启后恢复对话、闹钟和近期状态。 |
| 👁️ 感知并行动 | 消息、文件和事件构成感知入口；文件、代码、浏览器、视觉、通信等工具构成她与环境互动的能力。 |
| 🌱 学习与生长 | 通过长期记忆、Skill 和记忆宫殿积累经验；可选的泡泡与潜意识模式会并行探索、反省和整理。 |
| 🤝 建立关系与边界 | 识别不同参与者及其关系，同时用独立对话线程避免不同成员的短期上下文互相污染。 |
支持 Anthropic、OpenAI、DeepSeek、Qwen、Zhipu、MiniMax 等模型服务，并可在运行时切换模型。完整能力和内部机制见 核心概念与能力。
作为团队中的虚拟生命体，Coworker 的价值不是“再增加一个聊天窗口”，而是让重要上下文和可执行能力不再只存在于某个人的一次会话里。
| 团队时刻 | 她的角色 | 带来的变化 |
|---|---|---|
| 任务交接、新成员加入、隔天继续问题 | 项目记忆员 | 把确认过的背景、决策和经验沉淀为长期记忆；下一次协作从已有上下文开始，不必重新口述。 |
| 调研、排查、提醒和跨时区跟进 | 异步执行者 | 调用工具完成工作、保存中间结果、设置持久化提醒，让成员不必同时在线也能继续推进。 |
| 产品、工程与多个 AI 工具协作 | 协作枢纽 | 通过 Coworker Desktop 连接本机成员、Codex 和 Claude Code，交换任务与结果，并用 participant_id 隔离各自的对话上下文。 |
| 重复流程和领域知识复用 | 团队工作接口 | 把做事方式写进 Skill，把领域背景组织进记忆宫殿，再通过 API、企业微信或文件入口重复调用。 |
一个典型的协作链路：
企业微信中的问题 → 召回项目背景 → 调用工具或协作 Codex / Claude Code → 汇总结论 → 沉淀为团队记忆
Note
participant_id 提供的是对话隔离，不是企业级权限或租户系统。当前 v0.x 更适合本机或受信任的小团队环境，关键操作仍应保留人工复核。
这种生命感来自真实的运行闭环，而不只是文案上的拟人化：
flowchart LR
perceive["感知<br/>消息 · 文件 · 事件"] --> think["思考<br/>上下文 · 记忆 · 推理"]
think --> act["行动<br/>工具 · 通信 · 任务"]
act --> sleep["睡眠<br/>等待 · 反思 · 恢复"]
sleep --> perceive
foundation["身份 · 记忆 · 技能"] -.-> think
foundation -.-> act
你： “继续昨天没做完的排查，检查相关代码，把结论记下来，两小时后提醒我。”
在一次请求里，Coworker 可以找回昨天的上下文，调用文件与代码工具完成排查，把值得保留的结论写入记忆，再设置一个可跨重启恢复的提醒。对她来说，这些不是彼此孤立的功能，而是同一个持续循环里的动作。
当前只支持从源码运行，不提供 PyPI / wheel 安装路径。准备好 Python 3.13+ 和 uv，克隆本仓库并进入项目目录后：
# 1. 克隆仓库并进入项目目录
git clone https://github.com/VirtualBeingsResearch/CoWorker.git
cd CoWorker
# 2. 安装依赖
uv sync
# 3. 安装 browser 工具使用的 Chromium（只需一次）
uv run playwright install chromium
# 4. 直接启动
uv run coworker
# 或
uv run python -m coworker当前 pyproject.toml 在所有平台都使用 PyTorch CPU 索引。如需在 Windows/Linux
上使用 NVIDIA GPU（CUDA 13.0），请按文件中的注释切换 torch source，再执行
uv lock && uv sync。
Note
Intel macOS 无法安装当前版本的 PyTorch wheel。请使用仓库内的 Dev Container，在 Linux x86_64 容器中完成 Python 开发和测试。
启动后，Agent 循环、文件 inbox 监听和 FastAPI 服务会同时运行。默认 API 地址为 http://localhost:8000。
Tip
首次启动不需要先写 .env。如果还没有管理员令牌，终端会显示一次自动生成的令牌并将它保存到 data/admin_config.json。用它打开 http://localhost:8000/admin，按照向导填写模型服务、API Key 和启动模型即可。保存后 Coworker 会安全重启并开始工作。
Debian/Ubuntu 如果还缺少 Chromium 的系统库，可改用
uv run playwright install --with-deps chromium。FFmpeg 仅在 visual_analyze
需要压缩超限视频时使用；Docker 镜像已经内置 Chromium、系统库和 FFmpeg。
使用 Docker Compose
从仓库直接构建并启动。Compose 默认构建并使用预置 embedding 模型的严格离线镜像
ghcr.io/virtualbeingsresearch/coworker:offline；首次构建会下载全部依赖和模型，
并把构建仓库转换为 Git bundle 放入镜像；运行时不会访问 Hugging Face 或 Git
远端：
docker compose up --build只构建镜像：
docker compose build首次启动会从镜像内 bundle 恢复带提交历史、分支和 tag 的 Git 工作区到
coworker-workspace 卷，运行数据保存到独立的 coworker-state 卷。最终镜像不会
包含原始 .git 目录。可在构建时嵌入兼容的自定义仓库：
COWORKER_BUNDLE_REPOSITORY_URL=https://github.com/example/CoWorker.git COWORKER_BUNDLE_REPOSITORY_REF=main docker compose build非严格离线的 runtime 或 with-embedder 镜像还可在首次启动时通过
COWORKER_REPOSITORY_URL 从其他仓库克隆。严格离线镜像会拒绝这种运行时网络访问；
需要自定义仓库时应在构建阶段生成对应 bundle，或将自定义 bundle 挂载到容器并设置
COWORKER_REPOSITORY_BUNDLE。已有 workspace 卷不会被重新克隆或覆盖。
如需使用标准运行时镜像（长期记忆首次启用时才下载本地 embedding 模型），可显式覆盖
构建目标和镜像标签；缓存仍会保存在 coworker-models Docker 卷中。这个模型不是对话
使用的大模型。
COWORKER_BUILD_TARGET=runtime COWORKER_IMAGE=ghcr.io/virtualbeingsresearch/coworker:latest docker compose up --build如需预置 embedding 模型、但仍允许容器在运行时访问 Hugging Face，可额外构建并发布 非严格离线镜像：
docker build --target with-embedder -t coworker:with-embedder .用 Compose 构建该变体时：
COWORKER_BUILD_TARGET=with-embedder COWORKER_IMAGE=ghcr.io/virtualbeingsresearch/coworker:with-embedder docker compose up --build可通过 --build-arg EMBEDDER_MODEL=<HuggingFace 模型 ID> 预置与
MEMORY__MEM0_EMBEDDER_MODEL 一致的模型。已有记忆时不要直接更换 embedding 模型。
如需禁止容器访问 Hugging Face Hub（不代表对话模型服务也离线），构建严格离线变体：
docker build --target offline -t coworker:offline .用 Compose 构建该变体时：
COWORKER_BUILD_TARGET=offline COWORKER_IMAGE=ghcr.io/virtualbeingsresearch/coworker:offline docker compose up --build该变体会在预置完成后设置 HF_HUB_OFFLINE=1。运行时配置的 embedding 模型必须与
镜像中预置的模型一致，且 coworker-models 卷必须包含该模型；新卷会由镜像自动初始化。
否则会直接失败而不会尝试联网下载。它还会设置 COWORKER_REPOSITORY_OFFLINE=1，
确保 Git 工作区只能从镜像内或显式挂载的 bundle 初始化。
无人值守部署与身份配置
需要无人值守部署或希望通过环境注入密钥时，仍可复制 .env.example 为 .env。.env、系统环境变量、providers.json 与管理端配置可以并存。
首次启动如果 data/identity/name.txt 不存在，身份模块会以未命名状态加载；后续可在 data/identity/ 中维护名字、人格等身份文件。
你可以在管理页面 http://localhost:8000/admin 查看状态，也可以直接发一条消息：
curl -X POST http://localhost:8000/messages \
-H "Content-Type: application/json" \
-d '{"sender_id": "alice", "content": "你好，你是谁？"}'更多 REST、SSE、WebSocket 和文件消息示例见 API 与通信入口。
Coworker 可以直接修改并提交当前仓库的源码，因此你的 checkout 可能长期包含 由你或她维护的本地提交。请定期同步上游，避免分支持续漂移。你可以手动同步， 也可以让 Coworker 检查并完成同步；我们更推荐后者，因为她可以先检查工作区、 分支和远端，审阅上游变更，处理明确的冲突，并运行相关检查。任何需要丢弃或 覆盖本地改动的操作都应先征求你的确认。
以下假设上游远端名为 upstream；尚未配置时只需添加一次：
git remote add upstream <上游仓库 URL>在需要更新的本地分支中执行：
git status --short
git fetch upstream
git merge upstream/main如果上游默认分支不是 main，请替换为实际分支名；如果直接克隆的 origin
就是上游，则可以使用 origin/main，无需额外添加 remote。
需要自动同步时，请在指令中写明频率和要维护的本地分支，让 Coworker 设置循环 提醒，避免任务触发时误用另一个当前分支。例如：
每周检查当前仓库，并安全地把
upstream/main合并到<本地分支>：保留本地提交，处理可以明确判断的冲突，运行相关检查并汇报结果；任何需要丢弃或覆盖本地改动的操作先询问我。
上述流程只更新本地分支；如需同步自己的远端仓库，再让 Coworker 确认目标
remote 和分支后执行 git push。
运行数据、记忆、日志和密钥默认保存在本机；配置文件中的密钥不由 Coworker 加密。执行任务时，相关提示词、上下文、工具结果或附件可能发送给你配置的模型服务， 搜索、浏览器和通信工具也会连接对应的第三方服务。命令与文件工具以 Coworker 进程的 系统用户权限运行，它不是安全沙箱。
完整的存储位置、外发场景、清理范围与部署边界见 数据与信任边界。
| 文档 | 内容 |
|---|---|
| 文档索引 | 全部使用、设计与协作文档 |
| 配置与模型 | 环境变量、Provider、模型与多实例配置 |
| 数据与信任边界 | 本地存储、外部服务、权限与数据清理 |
| API 与通信入口 | REST、SSE、WebSocket 与文件消息 |
| Coworker Desktop | 连接本机用户、Codex 与 Claude Code 的桌面工作台，以及 CLI、配置与构建说明 |
| 核心概念与能力 | 工具、目录、记忆树、重启恢复与记忆宫殿 |
| 开发指南 | 本地检查与 Explore Lab |
贡献流程、环境准备和 PR 前检查见 贡献指南。 安全问题请按 安全策略 私下报告。
uv sync --dev
uv run pytest
Coworker 使用 MIT License。
返回顶部 ↑