今年上半年来，智能体的热度几乎没有降下来过。
前有小龙虾智能体OpenClaw，把 Coding Agent 的工程化能力拉到大众视野。
后有爱马仕智能体Hermes，让大家重新关注 Agent Harness、工具调用和真实执行环境。
最近，又一个智能体开源项目火了。
它叫 Goose，直译过来就是“鹅”，姑且可以叫它“鹅智能体”，在github上已收获 49.5k stars。
- 项目链接：https://github.com/aaif-goose/goose
这个鹅智能体也很有来头。
它最早是由 Block 打造，Block 正是 Twitter 创始人 Jack Dorsey 旗下公司，旗下业务包括 Square、Cash App、Afterpay、TIDAL、Bitkey 等。
- 来源：
https://x.com/KanikaBK/status/2062126791205306450
更关键的是，Goose 是 Block 历时两年打磨的生产力工具，60%的员工会在日常中使用，能显著提升生产力后，Block将其开源并捐赠给Linux 基金会下的Agentic AI Foundation（AAIF）。
- 来源：https://goose-docs.ai/blog/2026/04/07/goose-moves-to-aaif/
Goose 是一款本地运行的通用型 AI 智能体。它不局限于代码开发，还可用于调研检索、文稿撰写、自动化任务、数据分析，或是处理你需要完成的各类工作。
它提供适配 macOS、Linux、Windows 的原生桌面应用，配套完整命令行工具，适配终端工作流，开放 API 接口，可嵌入任意程序。
01
本地优先的
通用智能体 Goose
Goose是一个运行在本地机器上的开源 AI Agent。它既可以作为桌面应用使用，也可以在命令行里使用，还可以通过 API 嵌入到其他系统中。
它不是只面向程序员的“代码补全工具”，更像是一个本地 Agent 工作台。
在开发者场景里，它可以帮助用户理解代码库、修改文件、运行测试、安装依赖、修复 CI 问题、生成小型应用、处理脚本和数据分析任务。
在更通用的办公场景里，它也可以用于研究、写作、自动化、数据处理、文档整理等任务。
Goose 的第一个关键特点，是本地优先。
很多 AI Agent 产品把用户带到云端平台里执行任务，而 Goose 更强调在用户自己的机器上运行。这样做的好处很直接，它天然贴近真实工作目录、真实开发环境。
对于开发者来说，本地环境里有项目代码、依赖、配置、测试脚本和命令行工具。Agent 如果不能进入这个环境，很多任务就只能停留在“纸上谈兵”。
Goose 通过本地 Desktop 和 CLI，让模型能够更自然地进入开发者日常工作流。
第二个关键特点，是模型无关。
Goose支持主流的LLM提供商，包括Anthropic、OpenAI、Google、Ollama等，可以用自己的Claude或ChatGPT订阅，无需额外绑定。
第三个关键特点，是 MCP 原生和 Skills 能力沉淀。
Goose 现在已经拥有 70 多个成熟的 MCP 扩展，而且还在持续增加。这让它的能力远不止内置的那些工具，可以轻松连接各种外部系统，变得越来越强大
只要某个系统可以封装成 MCP Server，它就可以成为 Goose 的扩展。企业内部系统、数据库、工单平台、文档系统、BI 工具、研发平台，都可以通过这种方式接入。
除了 MCP，Goose 也支持 Skills。
在 Goose 里，Skills 可以理解为一组可复用的指令集、知识包和配套资源，用来教 Goose 更好地完成特定任务。它可以是一份简单的代码审查 checklist，也可以是一套包含领域知识、脚本模板、部署流程、API 集成指南的复杂工作流。
Goose 的 Skills 兼容 Agent Skills 格式，也能和 Claude Desktop 等支持 Agent Skills 的智能体协同使用。
第四个关键特点，是工作流可复用。
Goose 提供了 Recipes 机制，可以把常用工作流封装成可移植的 YAML 配置。团队如果摸索出了一套好用流程，比如“读取 issue → 分析代码 → 修改文件 → 跑测试 → 生成 PR 摘要”，就可以把它保存下来，分享给团队成员，甚至放进 CI 里运行。
这让 Agent 从一次性的“聊天会话”，变成可复用、可治理的工作流资产。
第五个关键特点，是 Subagents 与安全机制。
Goose 支持 Subagents（子智能体），可以派生多个独立子智能体并行处理任务，比如一个负责代码审查，一个负责研究，一个负责文件处理，主会话则保持清晰。
同时，Goose 也在安全上做了很多设计，包括 prompt injection 检测、工具权限控制、sandbox 模式，以及用于观察不安全行为的 adversary reviewer。
这是 Agent 走向生产环境必须面对的问题。
一个会执行命令、修改文件、连接数据库的 Agent，能力越强，风险也越高。它不能像普通聊天机器人一样，只要回答听起来合理就行。它必须考虑权限、审计、可回滚、是否会误删文件、是否会访问敏感数据、是否会被恶意提示词诱导。
Goose 之所以值得关注，不只是因为它能做事，也因为它开始把“能做事之后如何可控”纳入系统设计。
02
安装教程
（1）桌面版安装
访问Goose官网（goose-docs.ai），下载对应macOS/Linux/Windows安装包，解压后直接运行。
（2）CLI 安装
curl -fsSL https://github.com/aaif-goose/goose/releases/download/stable/download_cli.sh | bash安装完成后，可以通过下面命令进行配置：
goose configure在配置过程中，Goose 会提示你选择模型提供商。
配置完成后，进入一个项目目录，运行：
goose session这时，就进入了 Goose 的交互会话。你可以像跟一个开发者协作一样提出任务。
完整配置请参考：
https://goose-docs.ai/docs/quickstart
03
智能体正从“云端演示”
迈向“本地实干”
从 OpenClaw 到 Hermes，再到如今的 Goose，开源智能体正以肉眼可见的速度从概念验证走向真实生产力工具。
这不仅仅是一款工具的迭代，更标志着智能体正从“云端演示”迈向“本地实干”的关键转折点。
Goose 的特别之处在于，它由 Block 这样一家实战型科技巨头内部验证两年、被 60% 员工深度使用后，才以开源形式回馈社区，并正式入驻 Linux 基金会旗下的 Agentic AI Foundation（AAIF）。
这种从企业内部锤炼 → 社区中立治理的路径，为整个行业树立了一个新标杆。它避免了单一厂商锁定，真正让开源 Agent 拥有了长期、可持续发展的土壤。