引言
“一个用于开源模型的编程 Agent——专注于让低成本模型发挥最佳性能。”
这是"每日一个开源项目"系列的第161篇文章。今天的主角是Open Interpreter——66k Stars 的开源 AI 编程 Agent，已经完成 Rust 重写，现在是开源模型时代最重要的本地 Agent 平台之一。
Open Interpreter 的历史有一个有趣的转折。它最早（2023 年）以 Python 版本引爆 GitHub，用一句话描述就是"在你本地电脑上运行 ChatGPT Code Interpreter"。Python 社区版本已经交由社区分叉维护（endolith/open-interpreter），官方团队用 Rust 重写了整个项目，基于 OpenAI Codex 的代码库，把焦点转向一个更具体的问题：如何让 Kimi K3、Qwen、DeepSeek 这些低成本开源模型，在 Agent 场景里获得接近顶级闭源模型的性能。
答案是 Harness 系统：不同的模型，用不同的 Agent 提示策略（Harness），让每个模型在自己最擅长的方式下工作。
你将学到什么
- Harness 系统的设计：为什么不同模型需要不同的 Agent 提示策略
- Rust 重写带来了什么：性能和架构上的变化
- Computer Use 能力：浏览器自动化和原生 UI 操控
- ACP 协议：Agent Communication Protocol 是什么
- Codex SDK 兼容层：一行命令替换底层模型
- 与 Claude Code 的定位差异
前置知识
- 了解 AI 编程 Agent 的基本概念
- 有使用本地或低成本 LLM 的经验更好
- 了解 Claude Code、Codex 等工具的工作方式有助于理解 Harness 的含义
项目背景
从 Python 到 Rust：一次重大转型
Open Interpreter 的演进路径：
2023 年：Python 版本发布 ↓ 一年内积累 50k+ Stars ↓ 原理验证成功，但 Python 在性能和部署上有局限 2024-2025 年：开始 Rust 重写 ↓ 基于 OpenAI Codex 的代码库 ↓ 焦点：低成本开源模型的最佳 Agent 性能 2025 年底/2026 年：Rust 版本主导 ↓ Python 社区版本交由 endolith/open-interpreter 维护 ↓ 官方主推 Rust 版本 v0.0.26（2026 年 7 月）这次重写不只是技术升级，而是产品定位的转变：从"在本地跑 ChatGPT 代码解释器"转向"专为开源模型优化的 Agent 框架"。
作者/团队介绍
- 组织: openinterpreter
- License: Apache-2.0
- 技术栈: Rust 96.6% + Python 2.6% + TypeScript
- 版本: v0.0.26（2026 年 7 月）
项目数据
- ⭐ GitHub Stars:66,000+
- 🍴 Forks: 5,700+
- 📦 Release: 57 个版本
- 📄 License: Apache-2.0
- 🦀 语言: Rust 96.6%
Harness 系统：核心创新
Harness 是 Open Interpreter 最关键的设计概念。
什么是 Harness
不同的 AI 模型有不同的训练方式、不同的提示词偏好、不同的工具调用格式。用相同的 Agent 提示策略对待所有模型，结果往往是某些模型表现很差——不是模型本身弱，而是"使用方式不对"。
Harness 就是"针对特定模型的最优 Agent 使用方式"：包括系统提示的格式、工具定义的方式、上下文压缩的策略、错误恢复的逻辑。
Open Interpreter 内置了多套 Harness：
| Harness | 适用模型 | 特点 |
|---|---|---|
native | 默认 | 通用方案 |
claude-code | Anthropic Claude | 兼容 Claude 的 Agent 格式 |
claude-code-bare | Anthropic Claude | 精简版 Claude 格式 |
kimi-code | Kimi/Moonshot | Kimi K3 的官方推荐格式，默认用于 Kimi 模型 |
qwen-code | Alibaba Qwen | Qwen 系列模型的最优格式 |
deepseek-tui | DeepSeek | DeepSeek 模型格式 |
swe-agent | 通用 | SWE-bench 风格，适合软件工程任务 |
minimal | 通用 | 最精简，减少 token 消耗 |
zcode | — | — |
Kimi K3 的例子：当你用--model kimi启动时，Open Interpreter 自动使用kimi-codeHarness——这是 Moonshot AI 推荐的、在 Kimi 模型上经过验证的 Agent 提示格式，用 Rust 原生实现。结果是 Kimi K3 在编程任务上的表现大幅提升，而不是拿着一个为 Claude 优化的提示格式去用 Kimi。
切换 Harness
在 TUI 里直接输入/harness kimi-code或者/harness qwen-code，无需重启。
Computer Use（计算机使用）
这是 Open Interpreter 区别于很多编程 Agent 的能力：它不只是写代码和执行命令，还能直接操作图形界面。
浏览器自动化
集成 agent-browser，驱动真实浏览器：
用户说："在 GitHub 上找到 OpenMontage 仓库，截取 README 的前三段" ↓ Open Interpreter 启动浏览器 ↓ 导航到 github.com ↓ 搜索和定位目标仓库 ↓ 提取内容返回给用户原生 UI 自动化
集成 trycua/cua，操作原生应用：
- macOS：通过 Accessibility API 控制 UI 元素
- Windows：通过 Windows Automation 接口
- 截图、点击、输入，对任何桌面应用都有效
QA Skill：基于这两个能力构建的内置技能，让 AI 自动测试 Web 应用或桌面应用的 UI，不需要写测试脚本。
ACP 协议支持
ACP（Agent Communication Protocol）是一个开放标准，让不同的 AI Agent 工具之间可以互操作。
# 以 ACP Agent 模式运行interpreter acp启动后，Open Interpreter 作为一个标准的 ACP Agent 端点，可以被支持 ACP 的编辑器（VS Code 等）或其他 Agent 编排系统调用。这意味着你可以在自己的 IDE 里直接使用 Open Interpreter 作为后端 Agent，而不是专门打开一个 Open Interpreter 的界面。
Codex SDK 兼容
如果你已经在用 OpenAI 的 Codex SDK 构建了某些东西，一行配置就可以把底层切换到 Open Interpreter：
{"codexPathOverride":"interpreter"}这让已有的 Codex SDK 项目无需代码改动就能切换到使用本地或其他开源模型。
快速开始
安装：
# macOS / Linuxcurl-fsSLhttps://www.openinterpreter.com/install|sh# Windowsirm https://www.openinterpreter.com/install.ps1|iex安装完成后运行i或interpreter启动 TUI。
配置模型：
# 使用 Kimi K3（自动启用 kimi-code harness）interpreter--modelkimi# 使用 DeepSeekinterpreter--modeldeepseek# 使用 Qweninterpreter--modelqwen# 使用 Claudeinterpreter--modelclaude-opus-4-6TUI 内常用命令：
/model 切换模型 /harness 切换 Harness /help 查看所有命令配置文件（~/.openinterpreter/config.toml）：
[agent] model = "kimi-k3" harness = "kimi-code" [permissions] allow_file_writes = true allow_network = true与 Claude Code 的定位差异
这个问题值得直接回答：
| 维度 | Open Interpreter | Claude Code |
|---|---|---|
| 开源 | ✅ Apache-2.0 | 客户端开源 |
| 模型支持 | 多模型（Kimi、Qwen、DeepSeek、Claude…） | Claude 专属 |
| 成本 | 取决于所选模型，可用免费/低成本模型 | Anthropic API 费用 |
| 部署方式 | 本地，数据不离开机器 | 本地 CLI，但模型在云端 |
| 定制性 | 可替换 Harness、自定义组件 | 通过 CLAUDE.md 等扩展 |
| Computer Use | 内置浏览器 + 原生 UI 自动化 | 有限的 bash 工具执行 |
两者不是竞争关系，是不同的选择。如果你主要用 Claude 且优先考虑易用性，Claude Code 更合适。如果你想用 Kimi K3 等低成本模型、需要完全本地运行、或需要图形界面自动化能力，Open Interpreter 是更合理的选择。
项目地址与资源
- 🌟GitHub: openinterpreter/openinterpreter
- 🌐官网: openinterpreter.com
- 📦社区 Python 版: endolith/open-interpreter
总结
Open Interpreter 经历了一次有意义的转型：从"在本地跑 ChatGPT 代码解释器"到"专为开源模型优化的 Rust Agent 框架"。
这个转型的时机很准。2025-2026 年，Kimi K3、Qwen、DeepSeek 这些低成本开源模型的能力边界在快速扩展，越来越接近闭源顶级模型。但直接用针对 Claude/GPT 优化的 Agent 格式去跑这些模型，往往得不到最好的结果。Harness 系统的价值就在这里：给每个模型用它最擅长的方式。
Rust 重写带来了性能优势，更重要的是它使 ACP 协议支持和 Codex SDK 兼容成为可能——这让 Open Interpreter 从一个独立工具变成了可以集成进更大生态的基础设施。
66k Stars 主要来自 Python 时代的积累，但 Rust 版本的活跃迭代（57 个 Release，最新版 v0.0.26）说明这个项目仍然在认真发展。
探索 PrimeSkills —— 精选 AI Agent 与技能的市场，每一个都经过真实企业工作流验证，去掉浮夸，留下真正有用的。
欢迎访问我的个人主页，发现更多有价值的见解和有趣的产品。
