Windows 部署 OpenAkita 并接入飞书，打造本地 AI 助手

Windows 下安装 OpenAkita（两种方案）

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，国内网络可能需要代理
• 账号：飞书开放平台账号（如果你要接飞书机器人）

方案一：一键脚本安装（适合能接受 PowerShell 的用户）

这是官方推崇的 Windows 部署方式，一般 3–8 分钟就能搞定。

步骤：

1. 以管理员身份打开 PowerShell 右键开始菜单 → Windows PowerShell (管理员)。
2. 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、下载最新版本 OpenAkita。

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：openakita --update，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（最像普通软件，新手友好）

如果你不想碰命令行，推荐用这个方案。

步骤：

1. 点击访问 OpenAkita 下载页面。
2. 下载 Windows 安装包。
3. 双击运行安装向导：
   1. 同意许可协议
   2. 选择安装路径（默认即可）
   3. 安装完成后，会自动启动初始化向导（中文图形界面）。
4. 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 LLM 提供商 API 密钥

为什么选 DeepSeek？

DeepSeek R1/V3 满血版支持在线体验和 API 调用，按 token 计费，性价比高。对于本地跑 OpenAkita 这种'重度使用'的场景，非常适合。

获取 API Key

1. 登录模型服务商智算云平台。
2. 进入体验中心 / 模型服务。
3. 找到 DeepSeek R1 / V3 的模型页面。
4. 创建 API Key。
5. 在'API 平台 > 立即接入管理'中，点击'创建 API KEY'。
6. 创建后，复制并保存好，后面要用。

在 OpenAkita 中接入 LLM

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（示例）：
   • 类型：DeepSeek（或 OpenAI 兼容）
   • API 地址（Base URL）：按服务商文档填，例如 https://maas.example.com/v1
   • API Key：粘贴你刚才创建的 API Key
   • 模型映射：模型名称可以填 /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 OpenAkita（含飞书机器人）

配置飞书机器人

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",
      "application:application.app_message_stats.overview:readonly",
      "im:message",
      "im:message.group_msg",
      "sheets:spreadsheet"
    ],
    "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：
   1. 订阅方式选择'长连接订阅'（不要选 HTTP 回调）
   2. 添加事件：至少包含 im.message.receive_v1（接收消息）
   3. 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。

部署 OpenAkita 核心模块

在 OpenAkita 的设置中心里，根据你的需求勾选功能模块。

终端命令与系统设置（根据自己的需求选择）。

然后等待 OpenAkita 自动下载并安装对应依赖和技能包。

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，比如任务历史、技能管理等。

如果这些都正常，说明你的本地 AI 助手已经跑起来了。

对比分析：真实优缺点

体验上的差异

• 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'。
  • 其他方案：虽然也有向导，但整体偏'工程师友好'，需要习惯终端和配置文件。
• 多 Agent 协作
  • OpenAkita：多 Agent 是核心卖点，有专门的任务拆解、进度追踪、仪表盘。
  • 其他方案：支持多 Agent 路由，但更偏'渠道隔离'，而不是复杂任务拆解与并行。
• IM 接入
  • OpenAkita：对飞书、钉钉、企微等国内平台支持更好，开箱即用。
  • 其他方案：主打 WhatsApp、Telegram、Slack、Discord 等'国际通道'，对国内 IM 也可以接，但需要更多配置。
• 桌面自动化
  • OpenAkita：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。
  • 其他方案：浏览器控制非常强，但对'桌面应用'的操作更多是依赖系统命令，GUI 自动化不如 OpenAkita 那么直观。

实际使用建议

• 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。
• 如果你更关注多渠道统一收件箱（WhatsApp / Telegram / Slack / Discord 都接进来），愿意折腾命令行和配置文件 → 选其他方案也不错，社区生态非常成熟。

总结：从'只会聊天'到'真正干活'的本地 AI 中台

通过 OpenAkita + DeepSeek 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。
• 结合其他方案的多渠道优势，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。