CowAgent：开源超级 AI 助手与 Agent Harness

给微信、飞书或网页挂一个能自己拆任务的助手，以前得分别解决四件事：模型怎么调、消息怎么收发、上下文往哪存、工具怎么接入。CowAgent 把这些层做成同一套可插拔的框架，仓库创建于 2022 年，MIT 许可，主语言 Python，GitHub 上 47153 star、10373 fork、322 watcher，开放 Issue 50 个。

CowAgent 是 MIT 许可、Python 写的开源 AI 助手与 Agent Harness。接入大模型后，它在网页和微信、飞书等 IM 通道里规划并执行任务，同时维护自己的记忆与知识库。

它的运行形态是一个长期驻留的服务。消息从某个通道进来，Agent Core 结合记忆、知识和可用工具做规划推理，交给模型生成回复，再沿原通道发回去，每一层都解耦。装完在 Web 控制台打开 http://localhost:9899 就能对话，也能把它挂在自己的服务器上跑。仓库 Topics 里同时挂着 chatgpt-on-wechat、claude-code、openclaw、harness 这些词，说明项目本身是从 IM 机器人一路长成 Agent 框架的。

基础用法

安装与依赖

README 给出的最短路径是一行安装脚本，依赖、配置、启动都包在里面。

Linux / macOS：

bash <(curl -fsSL https://cdn.link-ai.tech/code/cow/run.sh)

Windows（PowerShell）：

irm https://cdn.link-ai.tech/code/cow/run.ps1 | iex

Docker：

curl -O https://cdn.link-ai.tech/code/cow/docker-compose.yml
docker compose up -d

仓库里还有一个 Dockerfile（0.1 KB）和 docker/ 目录，requirements.txt 与 requirements-optional.txt 分别放必需依赖和可选依赖。想从源码装，README 指向 docs.cowagent.ai 的 Install from Source 页面，仓库本身没有展开步骤。具体支持哪些 Python 版本、系统层面还要装什么，README 节选里没有说明。

最短能跑通的示例

启动后打开 http://localhost:9899，这是 Web 控制台，聊天、配模型、接通道、装技能都在里面完成。README 明确说模型提供方直接在控制台配置，不需要手动改文件。

要真正对话，得先有一个可用的模型 API Key。仓库支持 Claude、GPT、Gemini、DeepSeek、Qwen、GLM、Kimi、MiniMax、Doubao 等提供方，聊天、视觉、图像生成、ASR/TTS、embedding 可以分别指向不同厂商。README 没有给出模型配置的字段示例，只说在控制台里点击切换。

确认它跑起来了

服务本身用 cow CLI 管理：

cow start | stop | restart        # service control
cow status | logs                  # status and logs
cow update                         # pull latest code and restart
cow skill install <name>           # install a skill
cow install-browser                # install browser automation

cow status 看运行状态，cow logs 看日志。判断这一跑成功的标准是：控制台页面能打开，发一句话能拿到回复。如果要跑浏览器自动化，先执行 cow install-browser。桌面客户端（macOS / Windows）把后端打包进去了，下载后开箱可用。

主要功能

下面的分组按仓库目录来：agent/、channel/ 负责消息进出与任务执行，skills/、models/、plugins/ 负责扩展能力。

任务执行与协作

• 通道接入。Web、微信、飞书、钉钉、企业微信、QQ、公众号、Telegram、Slack 都在支持列表里，对应 channel/ 目录。个人微信号通道存在封号与掉线风险，官方在 Issue 里建议改用公众号或飞书。
• 任务规划。把复杂任务拆成步骤逐步执行，循环调用工具直到目标达成，写入记忆的过程也在这一层完成。
• 多 Agent 团队。2.1.8 起项目变成 multi-Agent 框架，可以创建多个 Agent，各自有角色、模型、技能和知识，在同一个会话里协作；2.1.6 加入的 Sub Agents 让主 Agent 把独立任务分发出去并行跑。2.1.7 起 Agent 不再绑死单个目录，可以为每个会话指定独立工作区。这些能力在 Web、桌面客户端和 IM 通道里都能用。

记忆、知识与扩展能力

• 记忆与自进化。记忆分三层（context → daily → core），自动做 Deep Dream 蒸馏，检索用关键词加向量混合。Self-Evolution 会回看对话，改进技能、跟进没完成的任务、整理记忆与知识。三层结构的具体调参方式，仓库里没有说明。
• 知识库。把内容整理成结构化的 Markdown wiki，并生成可浏览的知识图谱。
• 技能。能从 Skill Hub、GitHub、ClawHub 一键安装，也能用自然语言对话创建自定义技能，命令行形式是 cow skill install <name>。
• 工具与 MCP。内置文件读写、终端、浏览器、定时任务、记忆检索、联网搜索等十多个工具，原生支持 MCP。浏览器相关工具依赖 cow install-browser 先装好自动化环境。
• 模型与多模态。支持的提供方见上一节；文本、图片、语音、文件都支持识别、生成和发送。

参数与配置

常用参数

仓库根目录有 config-template.json（1.4 KB）作为配置模板，真正生效的是 config.json。README 明确提到的字段只有两个：web_host 和 web_password。部署在服务器上时，把 web_host 设为 0.0.0.0，控制台才能从外部访问；同时设置 web_password 保护它，并在防火墙或安全组里放行 9899 端口。

其他配置项 README 节选没有逐条列出。模型、通道这类常用设置大部分能在 Web 控制台里改完，不要求手编文件。

配置文件

仓库里和配置相关的文件有 config.py（50.5 KB）负责加载，config-template.json 提供模板，app.py（35.3 KB）是入口。run.sh 脚本 53.6 KB，包含了安装与启动的逻辑。是否有除 config.json 之外的独立配置文件，仓库里没有说明。

实际使用中的坑

项目体量大，Issue 区里沉淀了不少真实踩坑记录，挑几条影响最广的。

• 微信登录后被踢下线（评论 210，已解决）。Issue 标题直接写着「暂时请勿尝试接入 wx 通道，请使用公众号、飞书等其他通道」。这条是目前最需要留意的：个人微信通道的可用性并不稳定。
• 扫码成功但手机端无反应（评论 103，已解决）。终端显示正在登录，手机端没有后续动作。同类问题还有二维码反复刷新、来不及登录（评论 49）。
• 模型接口网络不通（评论 73、88，已解决）。国内网络下报 Failed to establish a new connection。社区给出的方案有三种：直接部署在外网服务器、国内环境挂代理、托管到 Railway 等容器平台。
• 微信封号风险（评论 39、32，已解决）。有用户记录过「微信封号大地震」，并建议大号谨慎接入。这类风险来自平台侧，项目本身无法消除。

同类项目对比

如果诉求只是把一批本地文档丢进去做问答，AnythingLLM 那类以文档问答为中心的项目更贴近需求，不必先搭起多通道和 Agent 配置。CowAgent 的短板也在这里：它自己不产生模型能力，必须依赖外部 API，少了这一层它跑不起来。没有稳定的模型访问条件，或者不愿意接受微信个人号通道的封号风险，就该换方向，别从它入手。

合规边界

CowAgent 会接入 IM 平台账号、执行浏览器自动化、通过联网搜索抓取网页内容，这些能力都带边界。只可用于自己拥有的账号与已获授权访问的目标，不要用它去接入他人的账号、群聊或系统。

个人微信通道是风险最集中的地方。仓库自己的 Issue 里就有账号被封的记录，官方也建议改用公众号、飞书等通道。用自动化方式操作平台账号，可能违反平台服务条款，轻则掉线、限流，重则封号；用搜索和浏览器工具抓取第三方站点时，也要遵守对方 robots 与使用条款。这些后果由使用者承担。

适合谁

适合手上已经有模型 API Key、有一台能长期开机的服务器或个人电脑，希望把微信、飞书、Telegram 当入口来用助手的人。也适合想在一个框架里同时试验多 Agent 协作、长期记忆和技能扩展的开发者，它的 MIT 许可和 Python 主语言让二次开发门槛不高。

不适合指望装完离线就能用的人，它必须先接上模型提供方。不适合拿个人微信大号做主力的人，通道风险实在明确。只想做本地文档问答、不需要多通道与 Agent 团队的团队，也不必从这里开始。

焚评：这个项目的量化评分

本项目的选题来自 焚.com（一个按公开公式给 GitHub 项目打分的站）。焚评当前总分 10.0 分（满分 10）。下表是各维度的得分：

评分口径、权重与计算方式见焚.com 的评分方法页；数据随 GitHub 指标刷新，具体数值以焚.com 当前页面为准。本文正文为诀.com 独立撰写，评分数据由焚.com 授权引用。