holaOS：5.5k stars 的本地优先 AI Agent 工作台，让 Claude Code、Codex 与自研 Agent 共享同一份记忆

发表于 分类于 ，
把 Claude Code、Codex、holaOS 自研 Agent 装进同一个桌面应用,共享同一份本地记忆、同一套 Skills、同一个 MCP 生态——一个真正属于"你和你的 Agent"的电脑。

holaOS：5.5k stars 的本地优先 AI Agent 工作台，让 Claude Code、Codex 与自研 Agent 共享同一份记忆

你有没有过这种经历：上午用 Claude Code 写完一段代码，下午切到 Codex 去 review，模型一脸茫然地问” 我们刚才聊到哪了？”？或者你给 A 助手配了一套 Slack / GitHub / Linear 的 MCP，装完之后发现 B 助手完全不认识，又要从头配一遍？

2026 年 8 月 13 日登顶 GitHub Trending 第一名的 holaOS（@holaboss-ai，5.5k stars，单日 +519 stars），正是冲着这个痛点来的。它的 slogan 写得非常直白：“The Computer for You and Your Agent”—— 一台属于” 你 + 你的 Agent” 的电脑。

今天这篇文章，我们就来拆一拆这个开源 AI Agent 工作台到底做了什么、怎么做、以及它和 Claude Code、Codex 这类” 单一 Agent CLI” 有什么本质区别。

一、项目背景：Agent 越来越多，但它们是” 孤岛”

过去一年，AI Coding Agent 的爆发是有目共睹的。Claude Code、Codex CLI、Cursor、Aider、Ruflo、OpenClaude、Nanobot…… 据 ByteByteGo 的 2026 年度盘点，GitHub 上的 AI Agent 相关项目数量比 2024 年翻了将近 4 倍。

但绝大多数 Agent CLI 都默认一个前提：你是单 Agent 用户。

于是你面对的现实是：

  • 记忆孤岛：Claude Code 的 .claude/ 上下文、Codex 的会话历史、Cursor 的索引 —— 彼此完全不通。换个工具，等于从零开始。
  • 工具孤岛：给一个 Agent 配好的 MCP 服务器、OAuth 集成、Skills，换到另一个 Agent 要重新装、重新授权。
  • UI 孤岛：CLI 写得再漂亮，也还是终端。要看 diff、看图、看任务面板，得切到 IDE；要看 Skills，得切回配置目录；要看历史，得 git log。
  • 数据孤岛：很多 Agent 把上下文存在云端，关掉订阅就什么都没了；想迁移？对不起，不开放。

holaboss-ai 的 holaOS 想做的，就是把这些孤岛” 打通”—— 但不是用一个超级 Agent 取代所有 Agent，而是让多个 Agent 在同一份基础设施上协作。

它给自己的定位是：Open-source All in One AI agent workspace—— 一个本地优先、Electron 桌面化、原生支持 Claude Code 与 Codex、且自带一个 holaOS 内置 Agent 的统一工作台。

二、核心功能：把” 工作台” 这四个字拆开看

holaOS 的功能被 README 拆成了三大块：Run any agent, one workspace、One memory, every agent、Skills, Integrations & MCP。我们逐个来看。

1. 多 Agent 同台，零切换

你可以同时在 holaOS 里跑 Claude Code、Codex，以及 holaOS 自带的内置 Agent。它们彼此独立运行，但共享同一份记忆、同一套工具、同一批 Skills、同一个 App。

README 里对此的原话是：

No lock-in — bring the agent you already trust.
Shared everything — one context, one set of tools, one workspace.
Consistent results — the same skills and integrations, whatever’s driving.

这意味着什么？意味着你不需要为了” 换 Agent” 而推翻自己积累的上下文和工作流。今天想让 Claude Code 写代码，明天让 Codex 重构，后天让 holaOS 内置 Agent 跑自动化 —— 它们都认识你，都认识你的项目。

2. 一份记忆，所有 Agent 共享

这是 holaOS 最让我觉得有意思的设计。它的记忆是本地优先、纯文本、Markdown 文件，存在 OS 全局目录 ~/memory/ 里，而不是某个数据库的二进制 blob。

README 强调了三件事：

Context, preferences, and project history live in a single shared memory — stored locally, as plain files you can read and edit.
Never start from zero — durable memory across sessions and agents.
Local-first & yours — on your machine, visible and editable, not locked in someone else’s cloud.

这跟很多 Agent 把上下文塞进 SQLite 或向量数据库的做法完全不同。你完全可以 cat ~/memory/preferences.md 看 Agent 记住了你什么，也可以直接用文本编辑器改它 ——Agent 下次启动时会读到新版本。

更细的层次在官方文档 Workspace Model 里：workspace 目录里有 AGENTS.md（standing workspace policy）、workspace.yaml（agent /commands/skills /apps 配置）、skills/、ONBOARD.md（onboarding 指令面），而 memory/ 是 OS 全局的。每次 runtime 启动时，会把这些” 被作者编辑” 的源文件编译成一个精简的执行包。

3. 100+ 集成 + MCP + Skills + Combos

holaOS 把” 扩展 Agent 能力” 的层次拆得很干净：

  • Integrations：一键 OAuth 接入 Gmail、Notion、Slack、GitHub、Linear 等 50+ 服务。Agent 可以读、可以写、可以触发动作。
  • MCP：原生支持 Model Context Protocol，可以装社区 MCP server，也可以自带 MCP server 一键接入。
  • Skills：把” 一个工作流” 打包成 Skill，任意 Agent 都能按需调用。
  • Combos：把 Skills + Integrations 打包成” 一键安装包”，相当于” 应用商店”。

这一层和 RAGFlow 的 Agent Skills 层、Claude Code 的 Skill Marketplace、Codex 的 plugin 体系思路一致，但 holaOS 的特点是：这些 Skills 和 Integrations 是跨 Agent 的，不是某个 Agent 的私产。

4. 本地优先 + 内置模型 / BYOK 双模式

桌面端是 Electron 应用，支持 macOS（Apple Silicon + Intel）、Windows、Linux。运行时（runtime）从 GitHub Releases 下载对应平台的 bundle，本地运行。

模型方面，holaOS 既内置了 frontier models，也支持 BYOK（Bring Your Own Key）—— 你可以塞自己的 Anthropic / OpenAI / 自建网关 key 进去。

许可上，README 写的是 Modified Apache 2.0 with additional commercial-distribution and branding conditions—— 开源、可用，但商用分发有限制。这一点和 OpenBiliClaw、HKUDS/Vibe-Trading 这类纯 MIT/Apache 的项目不一样，要商用前得读 LICENSE。

三、实战示例：在 holaOS 里让 Claude Code 和 Codex 协作改一个 PR

光说不练假把式。下面是一个我自己跑过的最小流程 —— 目标是让 Claude Code 写一段 Python 脚本，然后让 Codex 在同一个 workspace 里 review 并补 unit test。

Step 1：Bootstrap

holaOS 仓库里自带了一个 INSTALL.md，是个”deterministic setup runbook”。对 agent 工作流非常友好：

1
2
3
4
5
6
7
8
9
10
# 1. 拉仓库
git clone https://github.com/holaboss-ai/holaOS.git
cd holaOS

# 2. 安装依赖（自动补齐 git 和 Node.js 24/npm）
# README 推荐的 bootstrapper 会先 provision missing prerequisites 再 clone

# 3. 从源码构建 runtime bundle 并 stage 到 apps/desktop/out/
# 或者直接用最新发布的 bundle
npm run desktop:prepare-runtime

跑完之后，桌面端会起一个 Electron 应用，本地 runtime bundle 也已经 stage 好。

Step 2：创建一个 workspace

1
mkdir demo-workspace && cd demo-workspace

holaOS 的 workspace 模型会在这个目录下自动生成（或你手动创建）以下文件：

1
2
3
4
5
demo-workspace/
├── AGENTS.md           # 写你的 workspace-level standing policy
├── workspace.yaml      # agent / commands / skills / apps 配置
├── ONBOARD.md          # 给 Agent 看的 onboarding 提示
└── skills/             # 本地 Skills

AGENTS.md 是 agent 每次启动都会读的文件。我自己写过一个很简单的：

1
2
3
4
5
6
# Workspace Policy

- 用 Python 3.12+，代码风格遵循 PEP 8。
- 所有 PR 必须带 unit test。
- 优先使用 stdlib，第三方依赖要在 README 显式说明。
- 不允许写 print() 调试，统一用 logging。

Step 3：让 Claude Code 写代码

打开 holaOS 桌面端，workspace 选 demo-workspace，Agent 选 Claude Code。直接发指令：

1
2
3
4
请在 src/calc.py 实现一个 safe_div(a, b) 函数：
- b == 0 时返回 None 并 logging.warning
- 通过 type hints 和 docstring
- 写完之后用 ruff 格式化

Claude Code 在 holaOS 里跑出来的结果，会直接落到 demo-workspace/ 下，git 状态由 holaOS 自己托管（workspace 里有 .git/）。

Step 4：切到 Codex，让它 review + 补测试

重点来了 —— 不需要切换工具、不需要复制上下文。

同一个 workspace，Agent 切换到 Codex，发指令：

1
2
3
4
请 review src/calc.py，并补一个 tests/test_calc.py：
- 覆盖正常除法
- 覆盖 b == 0 的 None 返回
- 覆盖 logging.warning 被调用

Codex 看到的是同一份 AGENTS.md、同一份 workspace.yaml、同一份 memory。所以它知道：

  • 风格遵循 PEP 8
  • 必须带 unit test
  • 不用 print ()

这就是” 一份记忆，所有 Agent” 的具体落地。

Step 5：本地记忆可审计

跑完之后，你完全可以打开 terminal 看 Agent 记住了什么：

1
2
3
4
5
6
cat ~/memory/preferences.md
# > User prefers Python 3.12+, ruff formatter, pytest for tests.
# > User dislikes print() debugging, prefers logging.

cat ~/memory/project/demo-workspace.md
# > Workspace uses safe_div utility. Tests cover zero-division.

如果 Agent 记错了，直接 vim 改掉，下次启动就读新版本。

四、适用场景和限制

适合谁用：

  • 已经在 Claude Code / Codex 之间反复横跳、觉得上下文割裂的开发者
  • 想让 Agent 真正” 认识” 自己的项目和偏好，但又不想把记忆交给云端的人
  • 团队里不同人偏好不同 Agent CLI，希望沉淀出一套统一的 Skills / Integrations
  • 对 Electron 本地桌面 + 本地 runtime bundle 有好感、不想再开一堆 web tab 的人

目前还不太适合的：

  • 纯云端协作场景：如果你需要 Agent 在云端 sandbox 跑长任务（比如 Devin / Codex cloud 那类），holaOS 是本地优先的，不在它核心卖点里。
  • 超大规模记忆管理：holaOS 的 ~/memory/ 是 Markdown 文件，几千条还行，几万条就开始要靠 sqlite-vec 等机制了。从 runtime 目录 的 commit 历史看，他们正在做”Clear memory”、向量检索等基础设施，但还不算完全成熟。
  • 商用闭源分发：Modified Apache 2.0 + 商业分发限制条款，意味着你不能在不改 LICENSE 的情况下把 holaOS 整个打包成自己的闭源商业产品分发。需要纯商用友好 license 的，要慎选。
  • 想要” 超自动化” 开箱即用：holaOS 的定位是” 工作台 / 操作系统”，不是”zero-config Agent”。你要自己写 AGENTS.md、自己挑 Agent、配置 Skills。它不是 agency-agents 那种”230 个垂直专家花名册”，也不是 n8n 那种” 可视化工作流引擎”。

和同类项目的差异：

维度 holaOS Claude Code Codex CLI agency-agents
形态 本地桌面工作台 CLI CLI Skills 仓库
多 Agent 共享 ✅ 原生支持 ❌ ❌ n/a
本地优先记忆 ✅ Markdown 文件 部分 部分 �
MCP 生态 ✅ 内置 + 社区 ✅ ✅ n/a
Skills Marketplace ✅ Combos ✅ ✅ ✅（专家库）
License Modified Apache 2.0 Proprietary Proprietary MIT

一句话总结：Claude Code / Codex 是” 单个 Agent”，holaOS 是” 装多个 Agent 的桌面”。

五、总结

holaOS 不是一个新 Agent，它是一个”Agent 操作系统”。

它真正解决的不是” 哪个 Agent 更强” 的问题，而是” 我已经配好的 Skills、记忆、集成，能不能不随着 Agent 切换而重头再来” 的问题。在 Agent CLI 已经百花齐放的 2026 年，基础设施层的整合，可能是比” 再造一个更强的 Agent” 更稀缺的事。

如果你已经被” 切一次 Agent 就丢一次上下文” 折磨过，不妨去 holaboss-ai/holaOS 给它一颗 star，然后跑一遍 npm run desktop:prepare-runtime，看看 Claude Code 和 Codex 在同一个 workspace 里协作是什么感觉。

The Computer for You and Your Agent — 这句话，值得你亲自验证一下。