基于 Claude Agent SDK，做了一个能接钉钉/企微/飞书的开源 AI Agent 框架

开源了一个 AI Agent 框架，专门解决国内企业落地的最后一公里

最近把我们内部用了半年的 AI Agent 框架开源了，叫 OpenPollen。

先说清楚它是什么：一个开源的多渠道 AI Agent 框架，能把 AI 智能体直接接入钉钉、企业微信、飞书、QQ 等国内主流 IM 平台。

可能有人会问：这类框架不是已经很多了吗？OpenClaw、Dify、FastGPT……市面上一搜一大把。

对，框架确实不少。但真正能在国内企业环境里跑起来的，几乎没有。

---

先说一个真实的痛点

我们团队之前想做一件很简单的事：在钉钉群里接一个 AI 助手，让它能帮团队做代码 Review、回答技术问题、分析数据。

听起来不复杂对吧？

然后我们试了市面上的方案：

方案一：用 OpenClaw 之类的框架

挺强的，架构也漂亮。但有个致命问题——它主要支持 Slack 和 Discord。钉钉？企业微信？飞书？对不起，要么不支持，要么只有个半成品的 webhook 集成，消息丢失、格式错乱是家常便饭。

方案二：用 Dify / FastGPT 之类的低代码平台

能快速搭个聊天机器人，但本质上只是个问答系统。你让它读代码仓库？让它执行命令？让它调用内部 API？做不到。它不是 Agent，它是个带了知识库的聊天窗口。

方案三：自己从零写一个

钉钉 SDK 文档啃了三天，WebSocket 连接调了两天，消息格式适配又花了一周。光是把通道打通就已经精疲力竭了，还没开始做 Agent 逻辑呢。

然后你再想接企业微信、飞书……每个平台再来一遍？

---

所以我们做了什么

我们换了个思路：不从零造 Agent 引擎，而是站在最好的 Agent 引擎上面，专注解决"接入"和"落地"的问题。

这个"最好的 Agent 引擎"是什么？

Claude Agent SDK。

可能有人会挑战这个判断，但我可以说得很直接：

在 AI Agent 编排这件事上，Claude Code 团队的工程能力，目前是行业第一梯队。不是因为 Claude 模型最强（虽然确实很强），而是因为他们在上下文管理、任务编排、工具调用这些"脏活累活"上积累最深。

我在之前一篇文章里论证过：同样的 GLM-4.7 模型，放在智谱自己的 CLI 工具里只能发挥七八成，接入 Claude Code 之后效果明显提升一个台阶。

模型没变，工具变了，效果就变了。

OpenPollen 做的事情，就是把 Claude Agent SDK 这个顶级引擎，和国内企业真实需要的接入渠道、国产模型、安全要求结合起来。

---

九大渠道，原生接入

这是 OpenPollen 最核心的差异化。

不是 webhook 凑合，不是转发消息，是用各平台官方 SDK 做的原生集成：

渠道	接入方式	状态
钉钉	Stream API 长连接	✅ 稳定
企业微信	官方 SDK	✅ 稳定
飞书	官方 SDK	✅ 稳定
QQ	官方开放平台	✅ 稳定
Telegram	Bot API + 代理支持	✅ 稳定
Slack	Socket Mode	✅ 稳定
Discord	Discord.js	✅ 稳定
Email	IMAP/SMTP	✅ 稳定
WebChat	内置 Web UI	✅ 稳定

什么概念？

你的 AI Agent 写一次，同时在钉钉群、企业微信群、飞书群里响应。不需要为每个平台写适配代码。

一个配置文件，搞定所有渠道：

{
  "channels": {
    "dingtalk": {
      "appKey": "你的钉钉AppKey",
      "appSecret": "你的钉钉AppSecret"
    },
    "wecom": {
      "corpId": "你的企业微信ID",
      "agentId": "应用ID"
    }
  }
}

---

国产模型全覆盖

OpenPollen 不绑定任何一家模型厂商。

目前支持的模型：

• Anthropic Claude — Sonnet、Haiku、Opus 全系列
• Kimi (月之暗面) — K2.5 等
• GLM (智谱) — GLM-4.7 等
• 千问 (通义) — Qwen 系列
• MiniMax — 全系列
• DeepSeek — 全系列
• Ollama — 本地部署任意开源模型（Qwen3-Coder、Llama 等）

而且，关键来了：

所有这些模型，在 OpenPollen 里走的都是 Claude Agent SDK 的编排引擎。

什么意思？

就是说 Kimi K2.5 在 OpenPollen 里，享受的是和 Claude 同级别的任务编排、上下文管理、工具调用策略。

之前那篇文章的结论在这里同样适用：选对工具（编排引擎），比选对模型更重要。

国产模型 + 顶级编排 = 性价比最优解。

---

SKILL.md：一个 Markdown 文件就是一个技能

Agent 的能力不应该靠写代码来扩展。

OpenPollen 采用了 SKILL.md 开放标准（来自 agentskills.io），一个 Markdown 文件就是一个完整的技能定义：

---
name: code-review
description: 自动代码审查，检查安全性、性能和代码规范
allowed-tools: Read, Grep, Glob
---

# 代码审查

你是一个资深代码审查专家。

## 审查范围
- 安全漏洞（SQL注入、XSS等）
- 性能问题
- 代码规范
- 潜在 Bug

## 输出格式
按严重程度排序，给出具体的修改建议和代码示例。

就这么简单。

• 不需要写 Python/TypeScript 代码
• 不需要理解框架 API
• allowed-tools 控制技能能用什么工具，安全可控
• 写完放到 skills/ 目录下，自动生效

会写 Markdown 就会写技能。

我们内置了两个示例技能：

• code-review — 代码审查（安全、性能、规范全覆盖）
• data-analyst — 数据分析（CSV/Excel 分析 + 可视化）

通过 CLI 管理技能也很方便：

openpollen skill list                    # 查看已安装技能
openpollen skill install code-review     # 从市场安装
openpollen skill create my-skill         # 创建自己的技能

---

自托管、数据不出服务器

这一点对国内企业来说非常重要。

OpenPollen 是完全自托管的：

• 所有代码在你自己的服务器上运行
• 会话数据存在本地 SQLite（~/.openpollen/memory.db）
• 记忆文件存在本地 Markdown（~/.openpollen/memory/）
• 没有任何隐式的云端调用
• 配合 Ollama 本地模型，可以做到完全离线运行

你的代码、你的对话、你的企业数据，一个字节都不会上传到我们的服务器。

这不是一句口号。你可以去翻源码验证。

---

三分钟跑起来

说了这么多，实际跑起来有多快？

# 安装
npm install -g openpollen

# 初始化（交互式向导，会引导你配置模型和渠道）
openpollen init

# 启动
openpollen start

三条命令，你的 AI Agent 就跑起来了。

如果你只是想先试试效果，用内置的 WebChat 就行，不需要配置任何 IM 平台。打开浏览器访问 http://localhost:3001，直接对话。

---

和同类项目的对比

说点大实话，直接比较：

能力	OpenPollen	OpenClaw	Dify	FastGPT
Agent 能力（读写文件、执行命令）	✅	✅	❌	❌
钉钉/企业微信/飞书原生接入	✅	❌	部分	部分
国产模型支持	✅ 全覆盖	有限	✅	✅
Claude Agent SDK 编排引擎	✅	❌	❌	❌
自托管	✅	✅	可选	可选
技能扩展	SKILL.md (无代码)	需写代码	可视化	可视化
持久记忆	✅ 双后端	有限	✅	✅
完全离线运行	✅ (Ollama)	❌	❌	❌

每个产品有自己的定位和擅长的场景。OpenPollen 的定位很明确：给国内企业和开发者提供一个能真正落地的 AI Agent 方案。

---

架构一览

如果你是技术人员，可能想了解底层设计：

  渠道层 (钉钉/飞书/企微/QQ/Telegram/Slack/Discord/Email/WebChat)
      │  统一消息接口
      ▼
  网关层 (HTTP/WebSocket, 会话管理, 认证, 路由)
      │
      ▼
  引擎层 (Claude Agent SDK, 技能执行, 工具调用)
      │
      ▼
  插件层 (4种插槽: channel / skill / provider / memory)
      │
      ▼
  存储层 (SQLite + Markdown 双后端持久记忆)

四种插件插槽意味着你可以：

• 接入新的 IM 渠道（写一个 channel 插件）
• 添加新的技能（写一个 SKILL.md）
• 接入新的模型（写一个 provider 插件）
• 换一个存储后端（写一个 memory 插件）

每一层都可以独立替换和扩展，互不影响。

---

谁适合用 OpenPollen？

• 企业开发者：想在钉钉/企微/飞书里接一个 AI 助手，帮团队做代码审查、知识问答、数据分析
• 独立开发者：想快速搭一个多渠道 AI Bot，不想处理各平台 SDK 的适配问题
• 技术团队：需要一个可控、可审计、可自托管的 Agent 框架，拒绝把代码和数据交给第三方
• AI 爱好者：想体验用 Claude Agent SDK 编排不同模型的效果，或者用 Ollama 在本地跑 Agent

---

开源协议和社区

• 协议：Apache 2.0（商业友好，随便用）
• 仓库：github.com/tom-byte-sy…
• 文档：中英双语，VitePress 搭建
• Star 和 PR 都欢迎

项目还在早期阶段（v0.1.9），但核心功能已经稳定。我们团队自己天天在用，钉钉群里的 AI 助手就是跑在 OpenPollen 上的。

如果你试用后遇到问题，直接在 GitHub 提 Issue，我们会及时响应。

---

写在最后

做 OpenPollen 的初衷很简单：

我们自己需要一个 AI Agent 框架，能接钉钉、能用国产模型、数据不出服务器、扩展方便。

找了一圈发现没有趁手的，就自己做了一个。用了半年，觉得还不错，就开源出来。

不是要颠覆谁，就是解决一个实际问题：让 AI Agent 在国内企业环境里真正跑起来。

如果你也有类似的需求，试试 OpenPollen。三条命令就能跑起来，不满意随时删掉，不花一分钱。

npm install -g openpollen && openpollen init && openpollen start

---

GitHub：github.com/tom-byte-sy…

标签：#开源 #AIAgent #智能体 #钉钉 #企业微信 #飞书 #ClaudeCode #国产模型 #Kimi #GLM #千问 #Ollama #自托管