Andrew Ng เปิดตัว OpenWorker เอเจนท์ AI โอเพนซอร์สบนเดสก์ท็อป เน้นส่งมอบผลงานจริงแทนการแชท

Andrew Ng ได้ ประกาศเปิดตัว OpenWorker โปรเจกต์เอเจนท์บนเดสก์ท็อปแบบโอเพนซอร์สที่ออกแบบมาเพื่อทำงานให้เสร็จสิ้นแทนที่จะเน้นเพียงการสนทนาโต้ตอบ โดย OpenWorker จะให้ผู้ใช้กำหนด "ผลลัพธ์ (outcome)" ที่ต้องการ เช่น การขัดเกลาเอกสาร การตอบกลับข้อความ Slack ด้วยข้อมูลจริง การอัปเดตปฏิทิน หรือการคัดแยกอีเมล จากนั้นระบบจะวางแผนขั้นตอนการทำงานข้ามไฟล์และแอปพลิเคชันอย่างเป็นระบบ พร้อมตรวจสอบความถูกต้องกับผู้ใช้ก่อนดำเนินการในขั้นตอนสำคัญ

สถาปัตยกรรม 4 เลเยอร์ที่ทำงานบนเครื่องของคุณ

หัวใจของโครงสร้างนี้ประกอบด้วยไฟล์ Python กว่า 119 ไฟล์ และไฟล์ TypeScript/TSX อีก 149 ไฟล์ เพื่อสร้างระบบที่ทำงานในเครื่องผู้ใช้โดยเฉพาะ ซึ่งแบ่งระดับเทคโนโลยีออกเป็นดังนี้:

• Desktop shell: ใช้ Tauri 2 พัฒนาหน้าต่าง Native ครอบทับ UI ของ React 18 เพื่อควบคุมเซิร์ฟเวอร์ Python อีกชั้นหนึ่ง
• Local agent server: ใช้ Python 3.10+ บน FastAPI เชื่อมต่อผ่าน Localhost โดยจำกัดการทำงานต่อรอบไว้ที่ 12 model↔tool iterations เพื่อประสิทธิภาพ
• Capability and connector layer: รวมเครื่องมือภายในเครื่อง เช่น การจัดการไฟล์ Git และการค้นหาผ่าน ripgrep รวมถึงการเชื่อมต่อภายนอกผ่าน MCP
• Model router: อินเทอร์เฟซกลางที่รองรับทั้งโมเดลในเครื่องและโมเดลผ่าน API ต่างๆ

ระบบเอนจินทั้งหมดนี้ถูกสร้างขึ้นบน aisuite ซึ่งเป็นไลบรารี LLM สกุลเงินกลางของ Andrew Ng ที่ไม่ยึดติดกับผู้ให้บริการรายใดรายหนึ่ง

อิสระในการเลือกโมเดลด้วยตัวเอง

OpenWorker ไม่มีบริการประมวลผล (Inference) เป็นของตนเอง แต่เปิดให้ผู้ใช้นำ API Key หรือชี้ไปยัง Runtime ในเครื่องได้ตามต้องการ โดยมีการคัดสรรโมเดลที่รองรับการเรียกใช้เครื่องมือ (Tool-calling) มาให้ถึง 30 รายการ ครอบคลุมผู้ให้บริการรายใหญ่อย่าง OpenAI (เช่น GPT-5.6 และ 5.5), Anthropic (ตระกูล Claude), Google Gemini และโมเดลยอดนิยมอื่นๆ อย่าง DeepSeek, Qwen และ Mistral นอกจากนี้ยังรองรับการทำงานแบบ Local เต็มรูปแบบผ่าน Ollama โดยไม่ต้องใช้ Key ใดๆ

ระบบควบคุมความเสี่ยงคือหัวใจสำคัญทางวิศวกรรม

สิ่งที่ทำให้ OpenWorker โดดเด่นคือการให้ความสำคัญกับระบบการขออนุญาต (Permission Engine) โดยจัดกลุ่มการเรียกใช้เครื่องมือตามระดับความเสี่ยง 4 ระดับ ได้แก่ read (อ่านข้อมูล), write_local (แก้ไขไฟล์ในเครื่อง), exec (รันคำสั่ง Shell) และ external (ดำเนินการภายนอกเครื่อง) พร้อมโหมดการทำงาน 5 รูปแบบเพื่อให้ผู้ใช้ควบคุมได้อย่างเบ็ดเสร็จ

การออกแบบมีความน่าสนใจใน 2 ประเด็นหลัก คือ ประการแรก โหมดการทำงานอัตโนมัติ (Unattended mode) จะไม่เพิ่มอำนาจการตัดสินใจให้ AI เกินขอบเขต หากต้องขอคำยืนยัน ระบบจะส่งข้อความไปยัง Inbox และระงับการทำงานจนกว่ามนุษย์จะตอบกลับ ประการที่สอง คำสั่ง Shell จะถูกตั้งค่าให้ต้องขออนุญาตจากผู้ใช้เสมอ เพื่อความปลอดภัยสูงสุด นอกจากนี้ยังมีระบบป้องกัน Prompt Injection โดยกำหนดให้ AI มองข้อมูลจากภายนอกเป็นข้อมูลที่ไม่น่าเชื่อถือเสมอ

ความเป็นส่วนตัวแบบ Local-first

ระบบถูกออกแบบมาให้รักษาความเป็นส่วนตัวอย่างเข้มงวด ข้อมูลการสนทนา คีย์ของโมเดล และ Token ต่างๆ จะถูกเก็บไว้ในเครื่องของผู้ใช้เท่านั้น ส่วนประกอบบนคลาวด์จะถูกใช้เพียงเพื่อช่วยอำนวยความสะดวกในการยืนยันตัวตน (OAuth) สำหรับการเชื่อมต่อแอปพลิเคชันภายนอกแบบคลิกเดียว ซึ่งโทเค็นเหล่านั้นจะถูกส่งกลับมาเก็บที่เครื่องทันทีและไม่ทิ้งไว้บนคลาวด์ ช่วยให้ผู้ใช้งานมั่นใจในความปลอดภัยของข้อมูลส่วนตัว

สรุปประเด็นสำคัญ

• OpenWorker เป็นเอเจนท์ AI บนเดสก์ท็อปภายใต้ลิขสิทธิ์ MIT ที่เน้นการทำงานจริงแทนการแชทโต้ตอบ
• ใช้เทคโนโลยี Tauri 2, React และ Python FastAPI ในการสร้างระบบที่ประมวลผลบนเครื่อง
• รองรับโมเดลชั้นนำกว่า 30 รุ่น รวมถึงการรันแบบ Local ผ่าน Ollama
• มีระบบ Risk Engine แบ่งระดับความเสี่ยงเพื่อความปลอดภัยในการเข้าถึงไฟล์และคำสั่ง Shell