OPG开源：一个人撑起「AI集团」的后端底座来了

6月18日，一个叫 OPG（One Person Group，一人集团）的项目在 linux.do 上挂出来开源了。作者是个独立开发者，自用了半年，在这个基座上跑了四五款 AI app，今天终于把代码全部丢上 GitHub。

这不是又一个 Dify 式的 LLMOps 平台，也不是冲着企业级 SaaS 去的。它解决的是另一个非常具体、但几乎每个 indie hacker 都遇到过的问题：做 AI 应用，前端可以快速迭代，但每次都要重新搭一遍后端，烦得要命。

起因：独立开发者的「重复劳动税」

如果你做过两个以上的 AI 产品，应该深有体会。每开一个新坑，后端要重做的东西几乎一模一样：

• 接 OpenAI / Claude / Gemini / DeepSeek，封一层统一的 chat completions
• 搞个对象存储传文件
• 用户系统、第三方登录（微信/Google/Apple）
• 积分、订阅、支付（微信支付/Stripe）
• 邮件、短信通知
• 后台管理界面

这些东西，做一次两天，做十次还是两天，毫无技术增量，但你不做产品就上不了线。OPG 作者的思路很简单粗暴——既然每次都一样，那就做成多租户平台，所有 app 共用一个 API URL，数据隔离，新建一个应用就跟新建一个数据库一样。

这套思路其实在 ToB SaaS 圈很常见，但放在「一个人开发多个 C 端 AI 应用」的场景下，确实是过去比较少见的形态。市面上要么是 Supabase / Pocketbase 这种通用 BaaS（缺 AI 那一层），要么是 Dify 这种偏 Agent 编排的（不解决支付会员积分），OPG 想填的是这中间的缝。

到底集成了什么

按照作者的描述和 GitHub 仓库的说明，OPG 把下面这堆能力做成了「公共基建」：

| 模块 | 能力 | |---|---| | AI 供应商管理 | 多家模型 Key 池、路由、计费统计 | | 对象存储 | 兼容 S3 协议的文件管理 | | 积分系统 | 按 Token 或按次扣费 | | 支付 | 会员订阅、一次性付费 | | 用户系统 | 邮件、短信、第三方登录 | | 多租户 | App 维度的数据隔离 | | CLI 工具 | npm 安装，让 Codex/Claude Code 直接操作 |

最有意思的是最后一项。

CLI + AI Coding 工具：闭环的关键

作者明显是 Codex 和 Claude Code 的重度用户。他在帖子里写得很直白：「现在大部分开发工作都是在 Codex、Claude Code 里进行的，所以必须能让 Codex 直接操作」。

于是 OPG 配了一个 npm 安装的 CLI，登录之后，AI Coding Agent 可以直接调用这个 CLI 去配置服务端、改数据库、看用户反馈。这个设计其实挺戳的——2026 年了，独立开发者的工作流已经不是「人写代码 + 人改后台」，而是「人提需求 + AI 写代码 + AI 改后台」。如果后端不能被 Agent 直接操作，那它就是工作流里的瓶颈。

换句话说，OPG 不只是给人用的后端，它是给 AI Agent 用的后端。这跟过去半年大家在聊的 MCP、Agent-friendly infrastructure 是一脉相承的思路，只不过 OPG 把它落到了一个非常接地气的场景：indie hacker 的客服反馈和迭代闭环。

你可以想象这样的工作流：

# 安装 CLI
npm install -g opg-cli

# 登录
opg login

# 让 Claude Code 直接读用户反馈、改后台配置
claude "看一下昨天 app-xxx 的用户反馈，把积分扣费规则调一下"

Claude Code 通过 CLI 拉数据、改配置、commit 回去，整个链路完全不用人介入数据库。

跟 Dify、Hermes、企业级 AIOS 是什么关系？

这里得说清楚，OPG 不是要跟那些重量级平台抢饭吃。

你看腾讯云那篇企业级 AI Agent SaaS 设计方案，动不动就是 Temporal 工作流编排、Skill Marketplace、MCP 治理网关、全链路审计——那是给大型企业的 AIOS，几十人的团队都不一定吃得透。

OPG 的定位完全反过来：一个人，一台服务器，多个 AI 应用，AI 帮你管。它不解决企业治理，不解决合规审计，它解决的就是「我一个人想做五款 AI 工具站养家」这个非常具体的诉求。

这两年独立开发者圈里有个很明显的趋势：a16z 报告里说企业在「混合搭配多种模型优化性价比」，indie 圈也一样——同一个用户的不同请求，可能走 Gemini Flash（便宜）、Claude Sonnet（写作好）、GPT-4o（多模态稳）。手工管理多模型 Key 池非常痛苦，OPG 把这层封了。

顺带一提，如果你不想自己维护一堆模型供应商账号，OpenAI Hub（openai-hub.com）这种聚合平台可以直接给你一个 Key 调所有主流模型，国内直连、OpenAI 格式兼容，丢到 OPG 的供应商配置里就能用，省掉海外信用卡和稳定性的麻烦。

适合谁用、不适合谁用

适合：

• 独立开发者、小团队，手里有 2 个以上 AI 应用想统一后端
• 重度使用 Codex / Claude Code 做开发，希望后端也能被 AI 操作
• 想跳过支付、会员、积分这些非核心功能，专注做业务
• 一台服务器跑多个 side project，不想为每个项目单独运维

不适合：

• 企业级用户，需要 SSO、审计、合规
• 想要复杂 Agent 编排（Workflow、Memory、Tool 调用链）
• 重度 RAG / 知识库场景

说白了，OPG 是「业务后端」，不是「AI 后端」。它把支付、用户、文件、Key 池这种「无聊但必须有」的东西打包，至于你要做 Agent 编排还是 RAG，那是上层的事，自己接。

一个比较实在的判断

开源后端项目这两年特别多，从 Supabase、Pocketbase、Appwrite，到 NocoBase、Refine、Directus，再到 AI 方向的 Dify、FastGPT、Coze Studio。OPG 跟这些比，技术上没有什么「我有别人没有」的东西，单看模块拆分，都是工程实现。

它的价值在于视角——明确地为「一个人 + AI Coding 工具 + 多个 AI app」这个组合做的设计，默认假设你不是要服务 100 人团队，而是要让 1 个人当 100 个人用。这个假设很 2026，也很对。

而且作者自用半年、跑了四五款 app，意味着至少在「indie 用例」上是经过真实流量验证的，不是 PPT 项目。这点比很多发布即巅峰的开源项目靠谱。

要挑刺的话，目前能看到的问题也明显：

1. 文档密度还不够，对新手不太友好，尤其是 CLI + AI Coding 这一套组合拳，缺一份完整的端到端示例
2. 多租户的数据隔离机制没说清楚，是同库不同 schema 还是逻辑隔离？涉及数据合规会卡这个点
3. AI 供应商管理目前看是基础的 Key 池路由，没有像企业级方案那样做模型评估、A/B 测试
4. 缺乏一个公开的 demo 站，光看 README 决定要不要部署，门槛还是高

但对独立开发者来说，这种「拿过来稍微改改就能用」的项目，永远比「设计完美但要学三天」的平台有吸引力。

写在最后

2026 年这个时间点，AI Coding 的能力已经把「写代码」这件事的边际成本压到极低，但应用要上线，写代码从来都不是瓶颈，后端基建和运营才是。OPG 这种工具的出现，本质是把独立开发者的瓶颈从「写代码」继续往后推——推到了「想清楚做什么」。

至于「一人集团」这个名字到底能不能成立，看作者接下来能不能在四五款 app 之外继续扩展场景。但起码方向是对的——AI 时代的 indie hacker，需要的不是更多的脚手架，而是一个能被 AI 操作的、统一的、自动化的业务后端。

OPG 算是开了个头。

参考来源

• OPG：自用了半年的「一人集团」AI 应用服务端今天开源了 - linux.do — 项目作者的开源公告原帖，包含完整动机和功能描述
• Jamailar/OPG - GitHub — OPG 项目仓库，源码、文档和部署说明