OpenJarvis — Stanford 出品的本地优先个人 AI 框架

来源: https://ollama.com/blog/openjarvis

项目主页: https://github.com/open-jarvis/OpenJarvis

Stanford 博客: https://scalingintelligence.stanford.edu/blogs/openjarvis/

论文: https://arxiv.org/abs/2605.17172

日期: 2026-05-30

Stars: ⭐ 5,231 | Forks: 1,157

License: Apache-2.0

语言: Python (82.7%) + Rust (8.7%) + TypeScript (7.3%)

一句话版本

OpenJarvis 是斯坦福大学出的一个「本地版 AI 助手框架」—— 它让你在自己的电脑上跑 AI 模型做日常任务（写日报、查资料、写代码），不把隐私数据发到云端，性能和花钱比云 API 便宜 800 倍。

这是什么？

OpenJarvis 是斯坦福 Hazy Research 和 Scaling Intelligence Lab 联合发布的本地优先个人 AI 框架。它的核心理念是：个人 AI 助手应该跑在个人设备上，云端调用只作为可选补充，而非默认路径。

核心数据（来自论文）

指标数值
本地模型覆盖日常查询88.7%
智能效率提升 (2023→2025)5.3×
本地 vs 云准确率差距（优化前）25-39 pp
仅优化 prompt 能缩小5 pp
LLM-guided spec search 后差距**3.2 pp 平均**
API 成本降幅**~800×**
端到端延迟降幅**4×**

论文核心发现：通过分解式优化（不是只调 prompt，而是在 Intelligence、Engine、Agents、Tools & Memory、Learning 五个维度联合搜索），本地模型在 4/8 基准上匹配或超过云模型，平均只差 3.2 个百分点，成本降低 800 倍，延迟降低 4 倍。

架构：五大原语

OpenJarvis 定义了五个可组合的原语（primitives），每个可以独立优化、替换、评测：


┌─────────────────────────────┐
│         Learning            │ ← 从本地 trace 数据学习改进
├─────────────────────────────┤
│      Tools & Memory         │ ← 工具、记忆、嵌入
├─────────────────────────────┤
│          Agents             │ ← ReAct, CodeAct, 编排器
├─────────────────────────────┤
│          Engine             │ ← 推理引擎 (Ollama, llama.cpp, macOS MLX)
├─────────────────────────────┤
│       Intelligence          │ ← 本地模型 (Qwen, Gemma, Granite 等)
└─────────────────────────────┘

1. 🧠 Intelligence — 本地语言模型

支持 Qwen3.5、GPT-OSS、Gemma-3N、Granite-4.0、GLM-4、Kimi 等，通过统一模型目录管理

2. ⚡ Engine — 推理引擎

Ollama（默认）、llama.cpp、macOS MLX、Apple 芯片原生优化、NVIDIA GPU

3. 🤖 Agents — 8 种内置 Agent

4. 🛠️ Tools & Memory — 工具与记忆

支持从 Hermes Agent (~150 skills)、OpenClaw (~13,700 community skills)、或任意 GitHub repo 导入技能

技能遵循 agentskills.io 开放标准

5. 📈 Learning — 学习循环

与 OpenClaw 的关系（重要）

OpenJarvis 是目前我们看到的最直接引用并建立在 OpenClaw 生态之上的学术项目。

论文/博客中的引用

> "Frameworks like OpenClaw have attracted more than 250,000 GitHub stars, inspiring a wave of agents (PicoClaw, NanoBot, IronClaw ...) all built around the same idea: AI that operates over your personal context, interacting through the platforms you already use."

> "Personal AI stacks, like OpenClaw and Hermes Agent, are becoming central to daily work, yet they route nearly every query (often over sensitive local data) to cloud-hosted frontier models."

直接技能互通

OpenJarvis 的 jarvis skill install 命令可以直接从 OpenClaw skill 仓库导入：


jarvis skill install openclaw:xxx

这意味着 Jay 的 OpenClaw 社区的 13,700+ 技能可以直接在 OpenJarvis 中使用。

定位差异

维度OpenClawOpenJarvis
出身个人项目 → 社区驱动斯坦福学术研究
模型云模型为主 (DeepSeek, GLM)本地模型优先 (Qwen, Gemma)
部署VPS/Docker，持续在线个人设备，本地运行
Skill 生态13,700+ community skills导入 OpenClaw + Hermes
消息平台✅ Discord/Telegram/Signal❌ 无（命令行 + TTS）
浏览器自动化✅ Playwright❌ 无
Runner/Agent✅ 子会话、cron✅ 8 种 Agent 模式
研究论文❌ 无✅ arXiv 2605.17172
优化机制无✅ LLM-guided spec search
隐私取决于云 API✅ 本地优先，默认不离开设备

快速上手


# 一键安装（macOS/Linux）
curl -fsSL https://open-jarvis.github.io/OpenJarvis/install.sh | bash

# 启动
jarvis

# 选择预设
jarvis init --preset deep-research
jarvis init --preset morning-digest-mac
jarvis init --preset code-assistant

# 导入 OpenClaw 技能
jarvis skill install openclaw:xxx

# 选择模型
jarvis model pull qwen3.5:35b
jarvis ask -m qwen3.5:35b "你的问题"

评分

维度评分说明
🎯 需求匹配★★★★★本地优先 AI 框架 + 直接引用 OpenClaw 生态，高度相关
🛠️ 成熟度★★★☆☆v1.0.2，生态初建，5.2K stars，但远不如 OpenClaw 成熟
🔗 OpenClaw 关联★★★★★直接引用、技能互通、共同愿景
⚡ 创新性★★★★★分解式优化 + LLM-guided spec search 是学术原创贡献
🔒 隐私价值★★★★★默认不离开设备，800× 成本降低
🏫 背书★★★★★斯坦福大学、Christopher Ré、Azalia Mirhoseini

综合推荐: ★★★★★ — 强烈关注。这是 OpenClaw 从「项目」走向「学术研究」的标志性事件。OpenJarvis 的论文直接以 OpenClaw 为研究对象，证明了 OpenClaw 生态在 AI Agent 领域的学术影响力。

深度分析

为什么这对 Jay 很重要？

1. 学术认可 — 斯坦福的论文直接拿 OpenClaw 作为基线研究对象，说明 OpenClaw 已经是个人 AI 领域的代表性框架

2. 技能生态互通 — OpenJarvis 能导入 13,700+ OpenClaw skills，说明 OpenClaw 的技能格式已经成为事实标准之一

3. 本地优先趋势验证 — 斯坦福的「Intelligence Per Watt」研究验证了本地模型已经可以覆盖 88.7% 的日常场景，这对 OpenClaw 的本地化部署策略有参考意义

4. 优化方法论 — LLM-guided spec search（让云模型帮忙调优本地模型）是一种新颖的协作模式，值得 OpenClaw 借鉴

潜在合作方向

风险提示