OpenWorker 开源 Agent 新版发布，主打安全扫描与本地可审计

知名 AI 教育者吴恩达近日在 X 平台宣布，旗下开源 AI Agent 项目 OpenWorker 发布新版本，核心定位从「能聊天」转向「能在本地完成任务」，并重点强化了安全相关工作流。新版本内置了面向开发者的安全扫描能力，旨在帮助开发团队在代码部署前完成更多安全校验（即业内所称的「shift left」左移安全策略）。

围绕「可审计的 Harness」做文章

OpenWorker 的设计思路将一个完整的 Agent 拆解为两部分：模型本身（model）与围绕模型的执行框架（harness）。项目方强调，harness 完全开源，安全团队可以直接审计其代码，以确认不存在将本地代码或数据外传的后门。这一设计回应了企业与个人开发者在使用 Agent 类工具时最关心的供应链与数据泄露风险。

新增三类内置安全 Agent

新版本默认提供三个面向安全场景的 Agent，覆盖常见开发安全链路：

• 代码漏洞扫描：检测本地代码中的已知漏洞模式。
• 依赖供应链扫描：识别第三方依赖中可能存在的供应链投毒或恶意注入。
• 云安全配置审计：检查云资源配置是否暴露过多攻击面。

项目方表示，这些能力源于社区反馈——早期用户普遍反馈 OpenWorker 在网络安全场景中尤为实用，而当前攻击者已经在利用 AI 加速攻防对抗，OpenWorker 希望为防御者提供同等量级的工具杠杆。

模型选择保持灵活

在模型层面，OpenWorker 并不绑定特定厂商，用户可根据场景自由选择：

• 本地运行开源权重模型：敏感代码不离开本机，适合复现已知漏洞等需要规避闭源模型拒答的安全研究场景。
• 使用闭源订阅：如接入 ChatGPT 订阅。
• 调用前沿预览模型：如 Ox Alpha 等仍在灰度测试的模型。
• 通用 API 接入：通过 API Key 接入任意模型服务。

这一灵活性让 OpenWorker 既可以作为日常开发的安全辅助工具，也能在合规要求较高的环境中保持可控。

项目现状与社区

OpenWorker 由社区贡献者共同维护，吴恩达特别感谢了主要开发者 Rohit C. Prasad，并鼓励关注其账号获取更频繁的更新。项目代码已开源，可通过仓库自行部署试用。对于关注 Agent 开源生态与 AI 安全的开发者而言，OpenWorker 提供了一个可审计、可定制的轻量入口。