开源 AI agent 生态图谱（2026）

「开源 AI agent」这个词其实盖住了四类截然不同的软件——今天就能跑的终端编程 agent、用来构建自己 agent 的框架、自托管的可视化构建器，以及 2023 年开创这一切的 先驱项目。这一页按类别把生态摊开，给一套诚实的选择方法，也诚实地说明 Soloco—— 它不是开源的——在其中的位置。

看图之前一句提醒：许可证和治理会变。下表只作定位参考，依赖任何项目前请核实它 当下的许可证。

第一类：开源的终端 / 编程 agent

这一类是完整可用的 agent——装上、登录，就能在你的终端和文件上干真活。如果你的 目标是用 agent 而不是造 agent，这一类最重要。

房间里的大象要点破：公认属于这个类别第一梯队的 Claude Code 不是开源的，Soloco 也 不是。如果"严格开源"是硬约束，上表就是你的候选清单；如果约束是"在已付订阅上的 能力性价比"，那闭源选手也该进你的对比表。

第二类：构建 agent 的框架与 SDK

框架给你的是积木——规划循环、工具调用、记忆、多 agent 协作——产品要你自己围绕 它写。当 agent 就是你的产品时，选这一类。

诚实的代价：框架给你最大的灵活性，也给你一张永久的工程账单。编排、重试、校验、 成本控制从此归你——而且这一类几乎都走 API key 按 token 计费，长时间运行的活越跑 越贵。

第三类：自托管的低代码构建器

能跑在自己基础设施上的可视化搭建平台，适合"流程图形状"的自动化和偏好画布的团队。

• Dify——open-core 的 LLM 应用与 agent 工作流平台。
• Flowise——节点式的 LLM 流可视化搭建器。
• n8n——带 AI 节点的自动化平台；注意它的 "fair-code" 是源码可见，不是 OSI 意义上的开源。

它们的适用边界，止于你的工作不再长得像流程图的那一刻。预先画好的节点图执行的是 别人事先画的路线；现实和图纸不符时，它们不会重新规划。

第四类：先驱

AutoGPT 和 BabyAGI（2023）验证了"给 LLM 一个目标和一个循环"的可行性， 启发了上面的一切。它们的原始形态如今更适合研究而非部署——但这个赛道从它们开始。

怎么选

三个问题解决大多数决策：

1. 用还是造？ 想今天就有能干活的 agent，从第一类（终端运行时）开始，别从框架 开始；agent 是你的产品，选第二类。
2. 你已经在付什么钱？ Claude 或 ChatGPT 订阅本身就解锁了能力很强的本地运行时， 没有额外 API 账单；框架路线几乎必然在订阅之外再加一笔按 token 的 API 费。
3. 谁来维持它长期运转？ 框架和构建器把编排、恢复、校验都挂到你身上；运行时单个 任务干得好，但不会把很多任务组织成一个目标——这层组织力要么是你自己的胶水代码， 要么是一个专门的编排器。

Soloco 的位置——诚实版

Soloco 不是开源的：V2 核心闭源，注册开放，目前免费。它也不是运行时、不是框架， 而是运行时之上的组织层：接住一个目标，把它规划成可执行、可审计、可恢复的任务 树，派发给你机器上已有的 agent 运行时执行，校验结果，并让长期使命在你离开时也持续 推进。

它对接的运行时里有相当一部分是开源的（今天的 Codex CLI；适配路线图上的 Qwen Code、 OpenCode），而你的工作全程留在你的设备上——local-first 模式正是重点所在。如果你的评估要求端到端严格开源， 用第一类的运行时加你自己的编排；如果你要的是那层缺失的组织力、并接受"闭源内核 + local-first 边界"，这正是 Soloco 存在的意义。机器可读的事实（包括闭源状态）始终以 /agent 为准。