这里的问题是刻意收窄的：哪些开源工具能让一个主控 Agent 把一件事拆开，再把拆出来的部分交给专家子 Agent 去做，并且跑在你自己的机器上、用你自己的 API key？符合的有八款。三款是装上就能对话的成品，五款是你自己拼出团队的框架。其中一款是我们自己的，凡涉及它的每一行都会写明。
「一个 Agent 包办一切」属于另一个品类，所以通用单 Agent 会被收录、但在这份榜单里不会排第一。子 Agent 必须是工具本身会派生出来的，而不是你在外面用脚本拼出来的。
托管产品——Agent 跑在别人服务器上——无论多好都不收录。自托管在你自己的服务器上算，装在你自己笔记本上的桌面应用也算。
表里凡是我们能从项目本身确认的，都写出了具体许可证。确认不了的就在表里如实写明，不猜。
只有持有某个特定厂商订阅才能用的工具，对这个问题来说是更窄的答案，所以在表里注明，而不是直接剔除。
这份榜单由 Orkas 发布，而 Orkas 本身就在榜单里。凡是描述 Orkas 的条目都做了标注。下面四条标准是在写榜单之前就定好的，榜上每款工具都按同样四条衡量。
成品——装上就能对话
一个 Commander Agent，加上一组有名字的专家（调研、幻灯片、视频、办公文档、UI、代码），在同一个桌面对话里把一件事逐段传下去。MIT 许可。它还能把 Claude Code、Codex、OpenCode、OpenClaw、Hermes 当作本地 CLI 后端来跑，于是你已经在用的终端 Agent 就成了团队的一员。
限制，直说：Orkas 没有命令行；也不能把模型跑在你自己的硬件上——模型调用会通过网络发给供应商，要么是官方托管模型，要么是你自己的 key。
看看 Orkas 具体交付什么 →一款开源本地 Agent，桌面应用之外还有完整 CLI，带几十个 MCP 扩展和很长的供应商清单。指向 Ollama，模型就留在你自己的硬件上——成品这一档里唯一能做到这点的。
它自始至终是一个通用 Agent，而不是一组会互相交接的具名专家。如果你要的正是分工，这就是差距所在。
读完整的 Goose 对比 →它是一个自托管网关加上各渠道客户端，而不是一个桌面窗口。有配置好的 Agent、路由，以及后台或嵌套的子 Agent 运行——除我们自己那条外，这份榜单上最接近「会派生子 Agent」的一个。技能库成熟，尤其擅长直接驱动机器本身。
你得自己托管。已经有服务器的话这是优势，没有的话就是成本。
读完整的 OpenClaw 对比 →框架——团队得你自己拼
一个用于多 Agent「crew」的 Python 框架，MIT 许可。Agent、角色和交接都由你写在代码里。就「主控 Agent 协调专家」这个问题而言，它是最直接的框架型答案，也是外面包装最少的一个。
读完整的 CrewAI 对比 →用代码构建 LLM Agent 的开发者框架。生态在这份榜单里遥遥领先最广，同时对「团队该长什么样」最不设限——拓扑由你决定。
读完整的 LangChain 对比 →它的核心是「会自己一直跑下去」的 Agent。当你真的要无人值守地跑活，并且准备好自己给循环设边界时，选它。
读完整的 AutoGPT 对比 →一个用来构建、评测并把 AI 应用交付给终端用户的平台，可自托管。「评测」这一半是榜单上其它任何一个都没有的。
读完整的 Dify 对比 →一个开源可视化构建器，你自己托管并对外暴露成 API。当那个要改流程的人不会写 Python 时，选它。
读完整的 Flowise 对比 →| 工具 | 主控 Agent 分派 | 是否成品 | 用自己的 key |
|---|---|---|---|
| Orkas 本站产品 | Commander 加具名专家 | 是——桌面应用，MIT | 官方托管模型，或你自己的供应商 key |
| Goose | 自始至终一个通用 Agent | 是——桌面应用加 CLI | 供应商清单很长，还可用本机 Ollama |
| OpenClaw | 路由，加后台或嵌套子 Agent 运行 | 是——但网关要你自己托管 | 配置的供应商，或本地模型 |
| CrewAI | 有，但分派逻辑要你自己写 | 否——Python 框架，MIT | 取决于你在代码里怎么配 |
| LangChain | 可以，前提是你把拓扑搭出来 | 否——开发者框架 | 取决于你在代码里怎么配 |
| AutoGPT | 自治循环，而不是被指挥的交接 | 否——循环由你来跑、来设边界 | 取决于你怎么配 |
| Dify | 在平台里定义的流程与 Agent | 否——需要你托管的平台 | 在平台里配置 |
| Flowise | 取决于你画出来的流程 | 否——需托管并暴露成 API 的构建器 | 在构建器里配置 |
「成品」不是褒义，「框架」也不是贬义——它们回答的是不同的问题。如果这件事由你团队里的开发者来负责，框架给你的控制力比本页任何一个产品都强。但如果真正需要这些产出的人不是那位开发者，那两者之中只有成品会真的被用起来。
Orkas 采用 MIT 许可，macOS 和 Windows 免费下载。首次运行用官方托管模型，不需要任何供应商账号；你想换成自己的 key，随时可以。
这一页上每一条仓库事实，都是 2026 年 9 月 11 日通过 GitHub API 读出来的，当天又独立重跑两次，所以证据文件里能看到哪些字段在三次之间变了、哪些没变。八款各自核的是：slug 实际解析到哪里、GitHub 报告的许可证、仓库是否已归档、最近一次发布。命令都在文件里，跑一遍不调用任何模型，也不花钱。
没有覆盖的部分：这些工具把任务分派得好不好、快不快、产出质量如何。本轮没有跑任何基准测试，所以排序里不含这层判断。有两条结论是记为待处理、而不是悄悄改掉的——FlowiseAI/Flowise 已归档，八款里有四款 GitHub 报告不出标准许可证。
因为把它拿掉只会让榜单更没用，并不会更诚实。标准是先写好的，Orkas 和其它工具按同样四条衡量，它的限制写在它自己那条里，凡涉及它的行都有标注。请带着「这是谁写的」这个前提来读。
Goose 可以，通过 Ollama。OpenClaw 可以用本地模型。Orkas 不行——它的模型调用会通过网络发给供应商，要么是官方托管模型，要么是你自己的 key。如果「权重必须留在本机」是硬要求，那 Orkas 就出局，表里也是这么写的。
可以。Orkas 把 Claude Code、Codex、OpenCode、OpenClaw、Hermes 作为本地 CLI 后端来运行，所以你手上那个 Agent 会成为团队的一员，而不是被替换掉。目前支持的就是这五个，没有别的。
