Windows 部署 OpenAkita 并接入飞书，打造本地 AI 助手
前言
单纯会聊天的 AI 已经不够用了。我们需要的是能真正帮你干活的助理：操作电脑、浏览网页、整理文件、定时跑任务、写代码、处理 Excel，还能通过飞书随时响应。
OpenAkita 是一个开源的多智能体框架（GitHub：openakita/openakita）。它不是某个大模型，而是一整支'AI 团队'：多个 Agent 协作分工、自动纠错、有长期记忆、还能在本地持续进化。相比其他方案，它更强调多 Agent 协作和图形化配置。
这篇文章会手把手带你从 Windows 11 开始，一步步部署 OpenAkita，并接入第三方模型 API，整个过程尽量不敲命令，用桌面图形化搞定。适合程序员、效率工具爱好者，以及想在本地搭一个'私有 AI 中台'的人。
为什么选 OpenAkita
当前 AI 助理的现实痛点
- 只会聊天：你问'帮我整理一下这份 Excel'，它告诉你'你可以用 Python 的 pandas 这样写'，但不会真的帮你打开文件、改好发给你。
- 接口成本与稳定性：官方接口高峰期限流、排队，按量计费看着便宜，一天重度用下来账单也很可观。
- 闭源限制：想本地跑、想接国内模型、想深度集成自己的业务系统？基本别想。
- 搭建门槛：自己搭一套 Agent，配置复杂，要懂 Python、Docker、数据库，劝退一大波人。
OpenAkita 的核心优势
| 维度 | OpenAkita | 其他常见方案 |
|---|---|---|
| 定位 | 多智能体 AI 助手框架，强调'AI 团队协作' | 个人 AI 助手平台，侧重单一网关 |
| 部署体验 | 官方提供 Windows 桌面安装包 + 图形化向导，全程可以不碰命令行 | 推荐 CLI 向导，需要习惯终端 |
| 多 Agent | 多个 Agent 专业分工、并行执行、自动接力、可视化仪表盘 | 支持多 Agent 路由，但侧重渠道隔离 |
| 工具/技能 | 内置丰富工具，技能市场一键安装 | 内置浏览器控制、定时任务 |
| IM 接入 | 原生支持飞书、钉钉、企微等国内主流平台 | 主打国际 IM 渠道 |
| 桌面自动化 | 明确支持桌面自动化、鼠标键盘操作、浏览器自动化 | 侧重浏览器控制 |
| 上手门槛 | 强调'5 分钟上手、零命令行'，对新手非常友好 | 有一定命令行门槛 |
一句话总结：想要多 Agent 协作 + 图形化配置 + 桌面自动化 + 飞书/钉钉等国内 IM → 选 OpenAkita。
Windows 下安装 OpenAkita
准备工作
建议按生产部署标准来准备环境，避免后面踩坑：
- 操作系统：Windows 11（Win10 也可以，但建议 11）
- 内存：≥ 16 GB（重度自动化建议 32 GB）
- 磁盘：≥ 50 GB 可用空间（模型日志、缓存、技能会占用不少空间）
- 网络：能访问 GitHub 及模型服务，国内网络可能需要代理
- 账号：飞书开放平台账号（用于接机器人）
方案一：一键脚本安装
这是官方推崇的 Windows 部署方式，一般 3–8 分钟就能搞定。
- 以管理员身份打开 PowerShell 右键开始菜单 → Windows PowerShell (管理员)。
- 执行一键脚本：
irm https://raw.githubusercontent.com/openakita/openakita/main/scripts/quickstart.ps1 | iex
脚本会自动检测 Python 环境、安装依赖、创建桌面快捷方式并下载最新版本。
- 安装完成后，双击桌面图标启动，或在命令行输入：
openakita # 或者简写 ak
优点：支持后续一键升级，永远跟最新版；对有经验的人来说，比图形化更可控。
方案二：桌面安装包
如果你不想碰命令行，推荐用这个方案。
- 访问 OpenAkita 下载页面，下载 Windows 安装包。
- 双击运行安装向导：
- 同意许可协议
- 选择安装路径（默认即可）
- 安装完成后，会自动启动初始化向导（中文图形界面）。
- 通过桌面图标启动即可使用。
小贴士：如果电脑里没有 Python，安装程序会自动引导下载并安装嵌入式 Python，对你完全透明。
配置模型 API 密钥
获取 API Key
对于本地跑 OpenAkita 这种'重度使用'的场景，选择合适的模型服务商非常重要。
- 登录模型服务商控制台。
- 进入体验中心或模型服务页面。
- 找到 DeepSeek R1 / V3 的模型页面。
- 创建 API Key，在'API 平台 > 立即接入管理'中点击'创建 API KEY'。
- 创建后，复制并保存好，后面要用。
在 OpenAkita 中接入模型
在 OpenAkita 管理界面中：
- 添加 LLM 端点。
- 找到'模型管理 / LLM 端点'设置，新增一个上游。
- 填写关键参数：
- 类型：DeepSeek（或 OpenAI 兼容）
- API 地址（Base URL）：按服务商文档填写
- API Key：粘贴刚才创建的 Key
- 模型映射：例如
/maas/deepseek-ai/DeepSeek-V3 - 端点名称：自动生成即可
- 模型能力：按需勾选（文本、代码、工具调用等）
- 保存后，在模型列表中设为默认或高优先级，这样 OpenAkita 会优先走该模型。
配置飞书机器人
创建飞书应用
如果你希望直接在飞书里和 AI 对话，需要先创建飞书机器人。
- 进入飞书开放平台，创建企业自建应用，选择'机器人'类型。
- 在权限管理中，批量导入权限。你可以直接粘贴下面这段 JSON，覆盖原有权限（示例）：
{
"scopes": {
"tenant": [
"aily:file:read",
"aily:file:write",
"im:message",
"im:message:send_as_bot"
],
"user": [
"contact:contact.base:readonly",
"im:chat.access_event.bot_p2p_chat:read"
]
}
}
- 在'凭证与基础信息'中，复制
App ID和App Secret。 - 在 OpenAkita 的飞书接入配置中，填入刚才的 App ID 和 App Secret，按向导完成配置。
- 在飞书开放平台的'事件与回调'中：
- 订阅方式选择'长连接订阅'（不要选 HTTP 回调）
- 添加事件：至少包含
im.message.receive_v1（接收消息） - 保存设置。
建议：飞书的事件订阅配置，可以在 OpenAkita 完全部署好之后再在飞书后台统一设置，避免向导卡住。
验证部署是否成功
安装完成后，进入 OpenAkita 主界面：
- 在'状态 / 健康检查'中，查看各个模块是否都显示为'已连接 / 正常'。
- 在飞书中，尝试给机器人发一条消息，看是否能收到 OpenAkita 的回复。
- 侧边栏还有很多功能，如任务管理、技能市场等。
如果这些都正常，说明你的本地 AI 助手已经跑起来了。
实际使用建议
- 上手门槛：OpenAkita 图形化向导非常完善，真正可以做到'5 分钟上手，全程不敲命令'。
- 多 Agent 协作：多 Agent 是核心卖点，有专门的任务拆解、进度追踪、仪表盘。
- IM 接入：对飞书、钉钉、企微等国内平台支持更好，开箱即用。
- 桌面自动化：明确支持桌面自动化、鼠标键盘操作、浏览器自动化，适合'操作 Windows 电脑'的场景。
如果你主要在 Windows 上办公，常用飞书/钉钉，想要一个'图形化配置 + 多 Agent 协作'的本地 AI 团队 → 优先选 OpenAkita。
总结
通过 OpenAkita + 模型 API，我们可以在本地搭建一个：
- 低延迟、高可用的 AI 中转站：模型可以按需切换，一个挂了自动切下一个。
- 真正能干活的助手：操作电脑、管理文件、浏览器自动化、定时任务，不再是'嘴强王者'。
- 可扩展的 AI 中台：技能市场可以不断安装新的能力，也可以自己写技能，把内部业务流程接进来。
后续你可以考虑：
- 做一个反向代理 / 负载均衡，把多个 API Key 或其他模型源接入进来。
- 把 OpenAkita 部署到内网服务器，给整个团队用。
- 结合多渠道优势，把 WhatsApp / Telegram 也接入进来，实现'一个大脑，多端响应'。
如果你是第一次接触这类项目，建议先用 OpenAkita 的桌面版把整体流程跑通，再去研究其他方案的网关和渠道配置，你会发现两者的理念其实非常互补。
