Windows 部署 OpenAkita 并接入飞书，打造本地 AI 助手

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。

3. 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。

1. 访问 OpenAkita 下载页面，下载 Windows 安装包。
2. 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）。
3. 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。

1. 登录模型服务商控制台。
2. 进入体验中心或模型服务页面。
3. 找到 DeepSeek R1 / V3 的模型页面。
4. 创建 API Key，在'API 平台 > 立即接入管理'中点击'创建 API KEY'。
5. 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：

1. 添加 LLM 端点。
2. 找到'模型管理 / LLM 端点'设置，新增一个上游。
3. 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）
4. 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。

1. 进入飞书开放平台，创建企业自建应用，选择'机器人'类型。
2. 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"
    ]
  }
}

3. 在'凭证与基础信息'中，复制 App ID 和 App Secret。
4. 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。
5. 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。