OpenExecutive：开源一个 AI 高管团队，8 个 agent 帮你做战略决策

原文来源：GitHub - SenteLabsAI/OpenExecutive — 一个 AI 虚拟高管团队：统一的执行人格指挥 8 个专家 agent，内置 MBA 级知识库、跨会话情景记忆和主动调度器。

这个项目的诞生本身就很有戏剧性。8 月底，HN 上一条新闻冲上热榜：某公司 CEO 为了给 AI 让位裁掉了开发者，结果开发者们转头开源了一个"AI CEO"来回应——OpenExecutive，一个由 AI 驱动的虚拟高管团队，在 HN 上拿到 1000 多赞。撇开这层戏谑，项目本身的完成度其实相当高，值得认真看一眼。

它是什么

OpenExecutive 是一个 AI 系统，充当你的"虚拟高管团队"。它不是简单的聊天机器人，而是一个统一人格 + 8 个专家 agent 的组合：对外只有一个声音（"你的高管"），内部则按职责分工，路由到 8 个领域的专家 agent：

• 首席战略官：竞争分析、并购、市场定位、OKR
• 首席财务官：财务建模、融资、单位经济模型、现金流
• 首席人力官：招聘、薪酬、绩效、文化
• 总法律顾问：合同、知识产权、劳动法基础、合规
• 首席运营官：流程设计、供应商管理、运营规模化
• 首席营销官：GTM 策略、品牌、传播、PR
• 首席产品官：路线图、优先级、产品策略
• 董事会沟通总监：董事会材料、投资者关系、治理

用户看到的始终是一个连贯的高管声音，内部的多 agent 架构不会暴露出来。除了问答，系统还维护跨会话的情景记忆（记住之前做过什么决策、推进过什么事项），内置调度器会主动提醒你该跟进的事项和时间敏感的动作。

架构是怎么搭的

项目的架构设计有不少可圈可点的地方，值得拆开看：

编排层。用户消息先进 Executive Orchestrator（默认 claude-sonnet-4-6），它决定路由到哪些专家，并行调用；每个专家从 ChromaDB 检索相关上下文；最后综合成一条高管回复。深度推理型问题（战略、财务、法务、董事会）会升级到 claude-opus-4-7 并开启 extended thinking。

双层知识库。每个专家调用时有两层检索：一层是内置的"MBA 级"知识（用 Markdown 维护、git 跟踪，启动时灌入 ChromaDB），另一层是你上传的公司文档（单独一个 collection）。RAG 上下文注入到用户回合里，而不是塞进缓存的系统提示词——这个细节很重要，后面说。

情景记忆。每次回复后，后台跑一个 claude-haiku-4-5 的轻量 pass，把关键决策、事项、建议抽取到 SQLite。下次会话开始时带着 <past_decisions> 块，所以它真的记得上个月给你提过什么建议。对"长期顾问"这个定位来说，跨会话记忆是刚需。

调度器。内置 job runner 用 UPDATE … RETURNING 原子领取到期任务，防止重复触发。注意：API 必须以单实例运行，想横向扩展必须先给调度器加锁。

Prompt caching 优化。系统提示词被拆成三段分别缓存：高管人格、公司档案、知识索引。冷启动几轮之后，缓存命中率最高能到 85%。因为动态内容（RAG 上下文）永远不进缓存块，所以不会因为每次请求不同而打爆缓存。

技术栈：Python 3.11 + FastAPI 后端（uv 管理依赖）、ChromaDB 本地向量库、SQLite 记忆、Next.js 15 + Tailwind 前端，Apache 2.0 开源。集成了 Slack、Email、Telegram、Google Chat 和 Discord，可以直接把高管拉进你的工作群。

怎么跑起来

git clone https://github.com/SenteLabsAI/OpenExecutive.git
cd OpenExecutive
cp .env.example .env
# 填入 ANTHROPIC_API_KEY
make dev

然后打开 localhost:3000 就能开始跟你的"高管"对话，API 跑在 8000 端口。两个注意点：首次启动要 uv sync 拉 ChromaDB 和 sentence-transformers/PyTorch 等重型依赖，第一次 boot 还会下载一个约 90MB 的 embedding 模型，所以首次 make dev 会等几分钟，之后启动就快了；另外如果要用 Google 登录，需要按 docs/auth.md 配置 Google Cloud Console。

成本怎么样

成本由 Anthropic API 决定：主要消耗在 claude-sonnet-4-6（executive + 多数专家）+ 深度问题的 claude-opus-4-7。85% 的 prompt 缓存命中率是省钱的關鍵——官方给的数字是几轮对话后缓存命中率可达 85%，动态内容不进缓存块的设计保证了这一点。日常"问一个问题"级别的使用成本不算高，但如果高频做深度战略分析（每次都走 opus + extended thinking），账单会涨得比较快。想省钱可以关掉部分专家的 opus 升级。

适合谁，不适合谁

适合：一个人或小团队，需要一个"随时在线的第二意见"——比如做融资前让 CFO agent 帮你过一遍财务模型，谈合同前让 GC agent 检查条款，写董事会材料前让 Board 总监帮你搭框架。也适合拿来研究多 agent 编排架构（代码结构清晰，有完整的 evals 和 demo 数据）。

不适合：把它当成真正的决策者。它本质上是"用语言模型模拟的高管顾问"，输出质量受限于 Claude 的能力和你的上下文质量——公司文档喂得越全，回答越靠谱。另外它没有联网能力去核实实时信息，涉及外部数据（市场行情、法规变动）的问题，最终还是要人确认。把它当"结构化思考的加速器"，而不是"替你经营公司的人"，用起来才顺。

HN 那场讨论的余波还在，但 OpenExecutive 至少证明了一件事：2026 年，一个独行开发者雇得起"一整个董事会"了——虽然是开源的。