### [OpenClacky深度解析：让Agent用自然语言改造Skill、界面与业务流程](https://www.zuoshipin.com/article/24452)

**Published:** 2026-08-24T10:54:18

**Author:** 天才交易员

**Excerpt:** OpenClacky 是支持 BYOK 的 MIT 开源 AI Agent，可用自然语言创建和迭代 Skill…

从LLM Wiki到多Agent协作：一个可用自然语言持续扩展的开源Harness

**OpenClacky** 提出一个很有野心的方向：Agent 不只是执行固定工具，而是可以根据用户的自然语言需求创建 Skill、扩展界面和补齐业务流程。它把 Harness 变成可持续生长的应用底座，让知识库、多 Agent 协作和自动研究不必分别做成三套孤立产品。

![OpenClacky 展示可扩展、自我进化的 Agent 工作方式](https://admin.zuoshipin.com/wp-content/uploads/2026/08/befe11aa-9f94-11f1-bb50-fa163e47d677.webp)

OpenClacky 展示可扩展、自我进化的 Agent 工作方式

**一句话理解：**OpenClacky 是 MIT 开源、支持 BYOK 的 AI Agent，核心差异是用自然语言创建与迭代 Skill，并通过扩展系统改变可见界面和业务能力。

## OpenClacky 想做的不是另一个聊天框

传统 AI 助手的界面和能力由开发者预先定义，用户只能在固定功能里选择。OpenClacky 的思路是把 Agent 当作可扩展底座：用户用自然语言描述希望新增的能力，系统生成 Skill、验证执行步骤，并能通过扩展贡献新的面板、处理逻辑和业务入口。

![OpenClacky 想做的不是另一个聊天框相关界面](https://admin.zuoshipin.com/wp-content/uploads/2026/08/bf61ffda-9f94-11f1-84a4-fa163e47d677.webp)

OpenClacky 想做的不是另一个聊天框相关界面

## “自我改造”更准确地说是 Skill 与扩展的自我进化

项目官方强调 Skill 可以在每次执行后根据上下文和结果更新，下次调用更稳定；用户也能用自然语言创建 Skill。这里的“自我改造”不应理解为模型可以无边界修改任何系统，而是围绕受控的 Skill、配置和扩展机制持续迭代。

![“自我改造”更准确地说是 Skill 与扩展的自我进化相关界面](https://admin.zuoshipin.com/wp-content/uploads/2026/08/bfcc470a-9f94-11f1-b3df-fa163e47d677.webp)

“自我改造”更准确地说是 Skill 与扩展的自我进化相关界面

## 案例一：把 Harness 变成 LLM Wiki

知识管理扩展可以把 Markdown、本地文件、双向链接、知识树和关系图组织到同一界面，并导入 PDF、Word、网页与对话。Agent 不只回答问题，还能维护资料结构、补充关联和生成可继续编辑的知识页面。对于长期研究，这比一次性问答更接近真正的工作台。

![案例一：把 Harness 变成 LLM Wiki相关界面](https://admin.zuoshipin.com/wp-content/uploads/2026/08/c0339556-9f94-11f1-9fa6-fa163e47d677.webp)

案例一：把 Harness 变成 LLM Wiki相关界面

![案例一：把 Harness 变成 LLM Wiki相关界面](https://admin.zuoshipin.com/wp-content/uploads/2026/08/c0a07ca5-9f94-11f1-aa12-fa163e47d677.webp)

案例一：把 Harness 变成 LLM Wiki相关界面

## 案例二：多 Agent 协作可视化

多 Agent 扩展让 Leader 负责拆解任务，Workers 执行不同子任务，界面显示状态、决策和产出。用户可以在过程中追加指令、切换模型或增加角色。这样一来，多 Agent 不再只是隐藏在日志里的后台过程，而成为可观察、可干预的项目流程。

![案例二：多 Agent 协作可视化相关界面](https://admin.zuoshipin.com/wp-content/uploads/2026/08/c10f4c4e-9f94-11f1-868a-fa163e47d677.webp)

案例二：多 Agent 协作可视化相关界面

![案例二：多 Agent 协作可视化相关界面](https://admin.zuoshipin.com/wp-content/uploads/2026/08/c177cc6c-9f94-11f1-a8d3-fa163e47d677.webp)

案例二：多 Agent 协作可视化相关界面

## 案例三：自动化研究助手

研究类扩展可以先澄清需求，再生成计划、搜索资料、交叉检查并归档结论。用户能够调整研究范围、筛选条件和输出形式。真正有用的研究 Agent 不是“搜得多”，而是能保留证据链、标记不确定性，并允许人在关键节点纠偏。

![案例三：自动化研究助手相关界面](https://admin.zuoshipin.com/wp-content/uploads/2026/08/c1e13d62-9f94-11f1-ad44-fa163e47d677.webp)

案例三：自动化研究助手相关界面

## 扩展市场：能力可以安装、停用、分享和继续修改

扩展系统允许把完成的能力安装到现有 Harness，也能停用、分享或继续用自然语言调整。官方文档显示扩展可贡献面板、视图和处理器，并提供 verify 校验流程。对创作者来说，这意味着垂直工作流可以从个人配置成长为可分发产品。

![扩展市场：能力可以安装、停用、分享和继续修改相关界面](https://admin.zuoshipin.com/wp-content/uploads/2026/08/c248cd86-9f94-11f1-801a-fa163e47d677.webp)

扩展市场：能力可以安装、停用、分享和继续修改相关界面

## 为什么强调 Token 效率与模型自由

OpenClacky 采用精简工具集、Skill 按需调用、缓存和上下文压缩等策略降低固定上下文开销，并支持 BYOK 与 OpenAI 兼容接口。官方给出的成本对比属于项目方内部测量，实际费用仍取决于模型价格、任务长度、缓存命中和子 Agent 数量，不能把宣传数字当成通用承诺。

![为什么强调 Token 效率与模型自由相关界面](https://admin.zuoshipin.com/wp-content/uploads/2026/08/c2b2235d-9f94-11f1-a85b-fa163e47d677.webp)

为什么强调 Token 效率与模型自由相关界面

## 安装与部署：先审查，再执行

官方提供桌面安装、命令行、Ruby Gem 与 Docker。最省事的是桌面安装包；技术用户也可部署 Web UI。对一键 shell 或 PowerShell 脚本，应先下载并审查内容，再在受控环境执行。若服务绑定到 0.0.0.0，必须设置访问密钥并通过可信网络边界保护，模型 API Key 也不应写入公开仓库或日志。

![安装与部署：先审查，再执行相关界面](https://admin.zuoshipin.com/wp-content/uploads/2026/08/c3192a61-9f94-11f1-afef-fa163e47d677.webp)

安装与部署：先审查，再执行相关界面

## 它适合哪些人？

-   **开发者：**希望使用自选模型、开源 Harness 和可验证扩展机制。
-   **研究与知识工作者：**想把资料、检索、归档和写作做成持续工作流。
-   **团队负责人：**需要观察多 Agent 状态，并在关键节点干预。
-   **Skill 创作者：**希望把流程封装、分发甚至商业化。

**站内入口：**[OpenClacky 导航页](https://www.zuoshipin.com/link/24446.html) · [DeepSeek Harness 导航页](https://www.zuoshipin.com/link/23248.html)

## 结论：Agent 的下一层竞争是“能否长成你的应用”

当底层模型逐渐商品化，产品差异会更多出现在 Harness：上下文如何管理、工具如何按需加载、Skill 能否进化、界面能否随任务改变，以及扩展是否可验证和回滚。OpenClacky 把这些问题放进同一个开源项目中，方向值得关注；真正落地时，仍要用权限边界、变更审查、测试和访问控制约束它的“自我改造”。

**Categories:** AI资讯

---