OpenComputer开源,正面挑战Devin

OpenComputer 将 Claude Code、Codex 等编程 Agent 搬进持久化云主机和 Slack,主打完全开源、自托管与更低延迟。它还不是 Devin 的完整替代品,却提供了一条更务实的企业落地路线。
OpenComputer 开源:这不是另一个 Devin,而是给编程 Agent 搭了一间长期办公室
OpenComputer 最近正式开源,并在 11 月 20 日登上 Hacker News 的 Show HN,定位非常直接:做一个可以自托管、以 Slack 为主要入口的 Devin 替代方案。截至 11 月 21 日,其 GitHub 仓库已获得约 600 个 Star,并采用 Apache-2.0 许可证开放代码。(github.com)
OpenComputer 是一个面向团队的开源云端编程 Agent 平台,它让 Claude Code、Codex 或 OpenCode 在持久化 Linux 计算环境中执行任务,并将过程和结果同步到 Slack。
这句话里最重要的不是“开源”,也不是“Devin 替代品”,而是“平台”。OpenComputer 并没有训练自己的编程模型,也没有重新发明一套 Agent 推理循环。它更像是给现有编程 Agent 配了一间不会每天清空的云端办公室,再加上团队协作、运行隔离、状态恢复和 Pull Request 交付能力。
这也是它与一批所谓“开源 Devin”最明显的差异:OpenComputer 的重点不是证明自己的 Agent 智商更高,而是解决 Claude Code、Codex 这类工具从个人终端走向团队生产环境时遇到的基础设施问题。

Slack 线程就是 Agent 的工作台
OpenComputer 把一个 Slack 线程定义成一段可持续、可恢复的编程会话。
用户在频道里提及 @Computer 并描述任务后,系统会读取关联代码仓库、执行命令、修改文件、运行测试,最终提交 Pull Request。团队成员可以在同一线程中查看它打开了哪些文件、执行了哪些命令,也可以随时补充要求或纠正方向。(github.com)
这种交互方式看似只是把终端换成 Slack,实际改变了编程 Agent 的协作边界。
Claude Code 和 Codex 在本地终端里很好用,但默认是一名开发者和一个 Agent 之间的私密会话。其他人通常看不到完整上下文,也很难在任务执行中途加入。OpenComputer 则把 Agent 会话放进团队已经使用的沟通工具里,让产品经理、开发者和运维人员都能看到任务如何推进。
例如,线上服务突然出现 CSV 导出异常,运维人员可以直接在事故频道中让 Agent 检查相关代码和日志。后端开发者可以在同一线程中补充“不要修改数据库结构”,产品经理也可以说明正确的导出格式。Agent 不需要在几个人之间反复转述上下文,所有指令都集中在一个线程里。
这比单纯增加一个聊天入口更重要。OpenComputer 实际上把 Slack 线程变成了一种多人参与、过程可见的 Agent 控制面。
不过,Slack 优先也是一种明确取舍。Devin 已覆盖网页、Slack、Microsoft Teams、Linear、Jira、CLI 和桌面端等入口,而 OpenComputer 当前的核心体验仍然集中在 Slack 与 API。需要完整 IDE、桌面接管或多种项目管理工具集成的团队,短期内仍会觉得 Devin 更完整。(opencomputer.dev)
速度来自“别每次都重新开机”
OpenComputer 的性能策略是让代码、依赖和缓存长期留在本地磁盘,而不是为每个任务临时创建一套全新环境。
很多云端编程 Agent 采用“一个会话对应一台临时虚拟机”的设计。任务开始时,系统启动环境、拉取仓库、恢复依赖和缓存;任务结束后,会话进入休眠或被销毁。这种设计隔离清晰、资源计费直观,但冷启动、代码同步和依赖安装都会增加等待时间。
OpenComputer 的设计更接近一台团队长期使用的开发机:每个组织拥有持续运行的 Linux 计算节点,代码仓库、包管理缓存和构建产物保存在本地磁盘中;不同 Slack 线程通过独立会话或 Git worktree 隔离。Agent 的执行框架与工作环境也尽量放在同一台机器上,减少每次运行 grep、读取文件或执行 Shell 命令时产生的网络往返。(opencomputer.dev)
官方公布的测试结果是:
- 从 Slack 消息到首次 Push,OpenComputer 用时 24 秒,其他参测云端 Agent 为 53—72 秒;
- 完成 4 个任务并让 CI 全部通过,OpenComputer 用时 56 秒,其他方案为 85—185 秒;
- 以最慢的 Devin 结果计算,OpenComputer 宣称整体速度最高达到 3.3 倍。(github.com)
| 指标 | OpenComputer | 其他云端 Agent | 官方宣称优势 | |---|---:|---:|---:| | 消息到首次 Push | 24 秒 | 53—72 秒 | 最快约 3 倍 | | 4 个 PR 全部 CI 通过 | 56 秒 | 85—185 秒 | 最高约 3.3 倍 | | 工作环境 | 持久化本地磁盘 | 多为按会话启动 | 减少冷启动 | | Agent 与执行环境 | 尽量同机运行 | 可能跨网络调用 | 减少命令往返 |
这个结果值得关注,但不能直接理解为“OpenComputer 的代码能力是 Devin 的 3.3 倍”。该测试主要反映的是系统响应速度和环境架构,而不是 Agent 在复杂软件工程任务上的成功率。
社区也很快指出,24 秒对 53—72 秒的差距究竟有多少来自热缓存、有多少来自 Agent 与执行环境同机,目前缺少充分拆分;3.3 倍则取自 56 秒与 185 秒这一组差距,而对比 85 秒时,优势只有约 1.5 倍。测试任务数量、冷热启动条件和不同产品使用的模型配置,也会显著影响结果。(reddit.com)
所以更准确的结论是:OpenComputer 证明了持久化磁盘、热缓存和减少网络往返,确实可能让云端 Agent 更接近本地 Claude Code 的响应速度;但它尚未证明自己在大型重构、跨仓库迁移或模糊需求处理上优于 Devin。
它没有自己的 Agent,反而可能是优势
OpenComputer 不是一个自研编程 Agent,而是 Claude Code、Codex 和 OpenCode 等 Agent 的运行与协作层。
这意味着决定代码质量的核心模型与 Agent Harness,仍然来自 Anthropic、OpenAI 或其他开发者工具。OpenComputer 主要负责给它们提供计算环境、会话状态、代码仓库连接、执行隔离和团队入口。
| 维度 | OpenComputer | Devin | |---|---|---| | 核心 Agent | Claude Code、Codex、OpenCode | Cognition 自研 Agent 与 SWE 模型体系 | | 主要入口 | Slack、API | Web、Slack、Teams、Linear、Jira、CLI、Desktop | | 运行方式 | 团队持久化 Linux 环境 | 每会话独立云端 VM | | 团队协作 | Slack 线程全员可见、可干预 | 任务委派与独立会话为主 | | 模型选择 | 用户按任务选择 Agent | 平台内置多模型与模式 | | 自托管 | 开源,可部署到自有云 | 主要是托管平台,企业方案支持专有环境 | | 典型用户 | 希望掌控基础设施的开发团队 | 需要完整自主开发平台的团队 |
OpenComputer 的路线,本质上是“不要再造 Agent 大脑,只把办公室、门禁和项目管理系统做好”。这条路线的好处是模型升级红利可以直接传递给用户:Claude Code 或 Codex 变强后,OpenComputer 不需要重新训练自己的模型,只需要保持兼容。
缺点也同样明显。它很难建立类似 Devin 自研 Agent 的端到端产品壁垒,最终体验会受到上游 Agent 能力、订阅策略和接口变化影响。用户遇到问题时,也可能很难快速判断是模型能力不足、Agent Harness 出错,还是 OpenComputer 的运行环境出了问题。
但对企业用户而言,模型归谁所有未必是最关键的。模型能力正在快速商品化,真正阻碍团队部署 Agent 的,往往是权限、隔离、审计、成本和现有工作流整合。OpenComputer 押注的正是这一层。
自托管不是点一下按钮
OpenComputer 的自托管是面向基础设施团队的运维方案,而不是普通开发者可以一键安装的桌面软件。
其公开文档显示,完整架构包括控制平面、Worker、QEMU/KVM 虚拟机和虚拟机内部 Agent。生产环境通常还需要 PostgreSQL 保存持久状态、Redis 负责协调与运行流、S3 兼容对象存储保存检查点和休眠归档,以及独立的密钥管理和监控系统。(github.com)
OpenComputer 官方明确称,当前自托管仍然是一条“operator path”,而非一键部署产品。团队需要自行配置云资源、构建 Worker 镜像、准备 PostgreSQL 和 Redis,并正确设置服务器与 Worker 服务。(github.com)
单机部署可以用于开发和验证,但面向生产环境时,事情会复杂得多:
- Worker 需要支持嵌套虚拟化或 KVM 的宿主机;
- 检查点、休眠文件和基础镜像需要对象存储;
- 多个计算节点之间需要一致的状态和容量调度;
- Agent 运行的代码与凭据必须限制权限范围;
- 外部输入可能携带 Prompt Injection,不能默认信任。
因此,“完全开源”和“容易自托管”不是一回事。OpenComputer 让企业有机会掌握数据和计算环境,但也把一部分原本由 SaaS 厂商承担的可靠性与安全责任交还给了用户。
安全问题比跑分快不快更重要
持久化共享机器提高了速度,也扩大了凭据泄露和跨会话影响的风险半径。
OpenComputer 会为不同会话提供隔离环境,项目介绍中提到 rootless Podman、Git worktree、持久化状态以及可迁移的会话存储;自托管文档则展示了基于 QEMU/KVM 的完整虚拟机隔离架构。(github.com)
不过,团队仍然需要回答几个生产级问题:不同 Slack 线程是否共享 Git 凭据和云端角色?一个线程中的 Prompt Injection 能否读取其他仓库信息?两个会话同时修改共享子模块时如何处理锁竞争?长期积累的 node_modules、构建缓存和容器镜像如何清理?这些问题已经成为社区讨论的重点。(reddit.com)
这决定了 OpenComputer 当前最适合的使用方式:先接入权限有限的代码仓库和低风险任务,限制 Agent 可以访问的密钥、网络与云资源,再逐步扩大范围。直接把生产环境管理员权限交给一台长期运行、持续接收自然语言指令的 Agent 主机,并不是一个值得鼓励的捷径。
价格优势取决于使用密度
OpenComputer 的商业模式是按 Slack Workspace 和 Agent 实际工作分钟计费,而不是按开发者席位收费。
其云端版本提供 3 天、600 个工作分钟的试用;Pro 计划为每月 20 美元,包含 2,000 个工作分钟;Max 计划为每月 200 美元,包含 25,000 个工作分钟。超出套餐后,每个工作分钟为 0.01 美元。用户还可以使用已有的 Claude 或 ChatGPT 订阅承担模型成本。(opencomputer.dev)
| 方案 | OpenComputer | Devin | |---|---:|---:| | 免费体验 | 3 天,600 工作分钟 | 提供免费计划 | | 入门付费 | 20 美元/月,2,000 分钟/Workspace | Pro 20 美元/月 | | 高用量计划 | 200 美元/月,25,000 分钟 | Max 200 美元/月 | | 团队计费单位 | 整个 Slack Workspace | 套餐、席位与额度 | | 模型成本 | 可使用已有订阅或自有模型账户 | 部分模型与计算计入平台额度 | | 自托管软件费 | 免费,用户承担云资源成本 | 企业方案单独协商 |
两边虽然都以 20 美元起步,但不能只比较月费。OpenComputer 的成本由工作分钟、云主机和上游模型共同组成;Devin 则把 Agent、模型与计算资源整合在自己的额度体系里。
OpenComputer 官方测算,当团队每月达到约 640 个会话小时,也就是大约 4 名工程师在工作日持续使用 Agent 时,一台始终在线的 4 vCPU 虚拟机可能比按会话创建临时 Sandbox 更便宜。这个判断有一定道理:使用越密集,持久化机器的固定成本越容易被摊薄;使用越零散,闲置主机反而可能浪费预算。(opencomputer.dev)
OpenComputer 真能替代 Devin 吗?
OpenComputer 目前更像“可自托管的团队版 Claude Code”,而不是 Devin 的完整开源复刻。
如果团队需要 macOS、Windows、Android 模拟器、桌面 IDE、录制式 QA、丰富的项目管理集成和成熟的托管体验,Devin 依然是更完整的选择。OpenComputer 当前聚焦 Linux、Slack、代码仓库和 Pull Request,产品覆盖面明显更窄。(opencomputer.dev)
但如果团队已经认可 Claude Code 或 Codex 的代码能力,只是希望把它们放到可共享、可审计、可恢复的云端环境里,OpenComputer 的方案会更直接。它没有强迫用户接受另一套 Agent 行为,也不要求所有开发工作迁移到一个新的 IDE。
我的判断是,OpenComputer 最有价值的地方不是“比 Devin 快 3.3 倍”,而是把行业竞争从“谁的 Agent 更聪明”拉回了一个更现实的问题:谁能让现有 Agent 安全、低延迟地进入团队工作流。
编程模型正在快速迭代,今天的领先模型可能几个月后就被替换;但代码仓库权限、计算环境、构建缓存、会话恢复和团队协作不会自动解决。OpenComputer 选择不训练大脑,而是建设大脑工作的基础设施,这条路线不够性感,却可能比再做一个聊天式代码助手更有长期价值。
当然,它仍然处于需要验证的阶段。官方性能数据缺少更大规模、可重复的第三方测试;自托管复杂度不低;凭据隔离与共享主机安全也需要企业自行评估。OpenComputer 已经证明自己是一个值得关注的开源项目,但距离成为“装上就能替代 Devin”的成熟产品,还有一段明显的工程距离。
参考来源
- OpenComputer GitHub 仓库:项目源码、Apache-2.0 许可证、产品定位与基础架构说明。
- OpenComputer 自托管文档:控制平面、Worker、QEMU/KVM、PostgreSQL、Redis 与对象存储要求。
- OpenComputer 项目架构说明:三层架构、状态管理、SDK、CLI 与平台边界。
- Reddit 社区讨论:关于性能测试、热缓存、凭据隔离和持久化磁盘风险的讨论。



