Coding Agent 之后，下一个热点趋势已经明确：办公 Agent 正在成为各大基模公司和大厂重兵投入的赛道。但在工具能力快速迭代的同时，一个更根本的问题浮出水面——当 Agent 越来越了解我们的工作习惯，这些"懂我"的数据到底属于谁？

Agent 的数据边界问题

2026 年 7 月，研究者 cereblab 披露，Grok Build 0.2.93 版本会上传整个代码仓库，包括任务中并未读取的文件。事件曝光后，xAI 关闭了相关上传功能，马斯克承诺删除已上传数据，Grok Build 也在 7 月 15 日宣布开源。

更早之前，开发者 Thereallo 在 6 月底发现，Claude Code 2.1.196 在配置非官方 API 地址时，会根据时区、代理域名等信息在系统提示词中嵌入隐蔽标记。

过去使用 AI，我们主要担心"我输入的数据会去哪里"。但 Agent 出现后，问题变得复杂得多——我们开始赋予它读取文件、调用工具、修改内容甚至长期记忆工作习惯的权限。当 Agent 承载了一个人或一家公司的长期工作方式后，数据的归属权和可迁移性成为了核心议题。

为什么开源办公 Agent 值得讨论

编程 Agent 面对的是代码库，而办公 Agent 接触的是客户资料、合同、财务表格和工作习惯。它读取了什么、上传了什么、修改了什么，对普通用户而言更加重要。

一个现实问题：使用某个办公 Agent 半年后想换一个，能带走多少原本就属于自己的东西？工具可以替换，但积累的经验、规则和流程应该属于用户自己。这就是开源办公 Agent 存在的意义。

以写作为例，让 AI 写一段话、检查错别字、做事实校验并不难。但想让 AI 长期配合一个作者创作，需要的远不止这些——哪些来源可信、什么数据需要交叉核对、商业报告和生活随笔如何区分、修改过的稿件存在哪里……这些都需要磨合，甚至需要构建自己的系统。

这种积累同样存在于销售、运营、财务和研发工作中。一份周报背后可能有固定的数据口径，一次客户跟进背后可能有沟通规则。Agent 越深入工作，保存的上下文就越接近一个人或团队做事的方式。

工作场域的复杂在于，这些上下文可能散落在聊天记录、记忆文件、Skills 配置和定时任务中。能下载聊天记录、导出文档，并不等于能恢复整个工作过程。一旦服务政策变更或产品调整，迁移成本需要认真评估。

开源提供了一种可能性：开发者和企业技术团队可以检查代码、修改数据上报逻辑，普通用户也多了一种获得独立审查和定制服务的机会。当然，代码公开不等于完成安全审计，本地运行的 Agent 调用云端模型时仍可能发送任务内容。但开源至少把检查与改进的入口开放了出来。

有道 LobsterAI：从起步就选择开源的办公 Agent

在办公 Agent 领域，网易有道的 LobsterAI 是一个值得关注的案例。这款产品从立项之初就将"开源、开放、安全"确定为基本原则——在国内大厂中，它被定位为首个开源桌面办公 Agent。

LobsterAI 在今年 2 月 11 日开启内测，2 月 19 日即正式发布并开源。其代码仓库采用 MIT 许可证，提供从源码运行的方式，会话和应用数据保存在本地数据库，工作区记忆则存储在文件中。

一个值得注意的功能是，LobsterAI 支持创建多个 Agent，并且可以为不同 Agent 配置不同的模型、技能和工作目录：

这些设计的核心价值在于：让 Agent 的一部分状态落到了用户可以查看、修改和备份的地方。模型开放解决了选择层面的问题，Agent 开源则进一步打开了记忆、工具和流程的改造空间。

LobsterAI 2.0：向团队办公延伸

最新发布的 LobsterAI 2.0 在团队办公方向做了进一步探索。Sites 功能可以让任务产物直接生成可分享的网站；Teams 团队版则采取了一个差异化的收费策略：不收席位费，只按用量收费。

产品负责人王宁解释了这个设计背后的逻辑：用户的算力消耗很不均匀，重度用户使用频繁，轻度用户可能一周只用几次。按用量付费意味着企业不需要为每个成员承担固定成本，团队可以先从真实工作场景开始，再根据效果和消耗决定使用深度。

开源 Agent 的商业模式

开源 Agent 厂商如何盈利？有道选择的路线是：用开放的工具和安全性吸引用户，再通过可用、可靠的服务获得收入。

开源 Agent 如果真正成立，厂商很难仅靠"用户走不了"来盈利。它必须让用户觉得"我虽然可以走，但是我不想走"——因为产品体验更好、服务更稳定、模型调度更智能、企业部署更成熟、生态更完整。

办公场景的需求天然分散：销售团队要连接客户系统，财务团队有自己的核对规则，内容团队又是另一套流程。一款标准产品很难覆盖所有人的工作方式。开源厂商可以通过专业服务直接服务企业用户，也可以建立开源生态，让第三方服务商基于 LobsterAI 提供定制化服务。

在这种模式下，开发者可以在已有工具上搭建行业流程，客户获得更贴近业务的方案，厂商也不必独自承担所有长尾需求。用户为可靠交付付费，同时保留更换工具与服务方的可能。

总结：工具的自由是为了人的自由

办公 Agent 是一个巨大的商业机会，用户也会把更多工作交给它。但模型会升级，产品会变化，今天看起来最好的选择，半年或一年后未必依然是。我们投入在 AI 里的时间、经验和判断，应该尽可能延续下来。

试用一个新的 Agent 时，值得多问几个问题：数据去了哪里？工作流能否改造？是否安全透明？团队能否承担成本？有多少积累可以带走？

当 Agent 开始承载一个人和一家公司的长期工作方式后，市场上应该存在一种让用户保留控制权的选择。工具的自由，最终是为了人的自由。