Windows 部署 OpenAkita 并接入飞书实现本地 AI 助手

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。

2.3 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. 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。

第三章：配置 LLM 平台 API 密钥

3.1 为什么选通用 LLM API？

对于本地跑 OpenAkita 这种重度使用的场景，非常适合接入按 token 计费的通用大模型 API，还有免费额度。

3.2 获取 API Key

1. 登录你的模型服务商控制台
2. 进入体验中心 / 模型服务
3. 找到目标模型的页面
4. 创建 API Key
5. 在 API 平台管理界面中，点击创建 API KEY
6. 创建后，复制并保存好，后面要用。

3.3 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）：
   1. 类型：OpenAI 兼容或对应模型类型
   2. API 地址（Base URL）：按服务商文档填写
   3. API Key：粘贴你刚才创建的 API Key
   4. 模型映射：模型名称可以填具体版本号
   5. 端点名称：自动生成即可
   6. 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。

第四章：配置 OpenAkita（含飞书机器人）

4.1 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",
      "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：
   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。

4.2 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。

4.3 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。

如果这些都正常，说明你的本地 AI 助手已经跑起来了。

第五章：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。

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，愿意折腾命令行和配置文件 → 也可以考虑其他方案，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 + 通用 LLM 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。
• 结合其他渠道的优势，把更多 IM 平台接入进来，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，再去研究网关和渠道配置，你会发现两者的理念其实非常互补。