腾讯把 Agent 缺的两只手开源了：一只叫知识，一只叫身份

过去一周，腾讯有两个开源项目先后在技术社区刷屏。一个叫 WeKnora，一个叫 BrowserSkill。 它们看起来毫无关系：一个是知识库，一个是浏览器工具。但把它们放在一起看，你会发现它们补的是同一件事的两个缺口——今天的 Agent 缺的不是脑子，是手和身份证。 一、WeKnora：让知识库从"动嘴"到"动手" WeKnora 出自腾讯微信团队，MIT 协议，当前版本 0.8.0，Go 后端 + Vue 前端，仓库在 github.com/Tencent/WeKnora。说它"微信团队出品"是有实据的：官网挂在 weixin.qq.com 域名下，并且它是微信对话开放平台 chatbot.weixin.qq.com 的核心技术框架。 官方给自己的定位是一句话：Turn Documents into Living Knowledge with RAG, Agents and Auto-Wiki。注意那个词——Living，"活的"。 掘金作者"怕浪猫"在实测里问了它一句："什么是人形机器人？把结果写到 Docx 文件中。"它没有回一段话。它思考了 17 轮、调用了 20 次工具、花了 2 分 38 秒——先在自己知识库里搜关键词、读回 4 篇文档把片段拼成大纲，然后读了一遍 docx 技能的说明，在沙箱里写下一个 JS 脚本并跑通，最后交付一份带封面、目录层级和正文结构的 Word 文件。全程没有一次复制粘贴。 这件事的关键更新叫 Skill Sandbox Runtime（技能沙箱运行时）。 它分两层：技能目录把散落在各个 Agent 里的技能集中管理，可以从 ClawHub、SkillHub、git 仓库或 zip 包安装；沙箱是技能必须装进去才能被调用的运行环境，0.8.0 支持 Docker、E2B、Cube 三种后端，而且是会话级持久的——上一轮写下的文件、装好的环境，下一轮还在。 最值得注意的是一条容易被当成"降级"的改动：0.8.0 移除了 Local host-process 后端，Docker 改成需要显式开启（opt-in）。上一版允许技能直接在宿主机上跑进程，这一版把它砍了。 在"让 AI 动手"这件事上，先收紧执行边界、再放开能力，这个顺序是对的。国内不少项目是反过来的。 二、Wiki 模式：切片是给机器用的，页面才是给人看的 WeKnora 的另一半更新叫 Wiki 模式，解决的是"理解"。 传统 RAG 有个绕不开的毛病：它检索的是切片（chunk），不是知识。你上传 50 份文档，它切成 3000 个片段存进向量库，能找到包含关键词的段落，但不知道这些段落之间是什么关系。 Wiki 模式换了个思路：让 Agent 把原始文档读完，重新写成一套互相链接的 Markdown 页面。作者贴出的知识图谱里显示 49/49 个节点，区分了链接、实体、概念、综合、对比五种关系类型。 这一步的价值在于：切片是不可读的，Wiki 页面是可读的。切片是给机器检索用的中间产物，页面是给人看的知识资产。而且它不是黑盒——页面有快照、行级 diff、一键回滚，还能直接在浏览器里编辑。 同一个思路还落在别处：切片本身可以在界面上编辑，每个版本有快照、可 diff、可回滚，保存后自动重建索引。这条我认为是所有做 RAG 的人都该抄的。传统做法是"改配置 → 重新解析整个知识库"，成本高、反馈慢；把检索单元做成可编辑可比对的对象之后，调 RAG 效果从一件要重跑流水线的事，变成了改一段文字的事。 其余配置面也足够宽：20+ 家 LLM 供应商，向量库支持 pgvector、Elasticsearch、Milvus、Qdrant 等 8 种，对象存储支持本地 / MinIO / S3 / OSS 等 7 种，集成 Langfuse 做全链路追踪，还有官方 PyPI 包 tencent-weknora-mcp（29 个工具，支持 stdio / SSE / HTTP）。所有组件都能换成自建，官方甚至提醒：生产部署建议放在内网，不要直接暴露公网。 三、BrowserSkill：第三条路——借用你的登录态 如果说 WeKnora 回答的是"Agent 怎么接触到知识"，BrowserSkill 回答的是"Agent 怎么证明自己是谁"。 腾讯 PCG 在 2026 年 9 月开源了它，MIT 协议，TypeScript 编写，六千多颗星，是个只迭代了三个月的新项目。 做网页自动化的人都知道那个痛点：让 AI 去操作网页这件事卡了很久，业界无非两条路。一条是给 AI 造一个干净的无头浏览器，环境可控，问题是它谁也不认识——你的后台它进不去，你得给它配测试账号，密码写进脚本天天维护。另一条是直接接管你正在用的浏览器窗口，真实状态是有的，但 AI 一动你就停工。 BrowserSkill 选的是第三条路：借用。它在你已经打开的浏览器里另开一个独立的、你能看见的 Agent Window，直接复用你浏览器里已有的登录状态——Cookie、登录信息全是你日常用的那一套，不用测试账号，不用把密码交给谁。你原来的标签页该怎么用怎么用；AI 要动你已经开着的某个标签页，还得先跟你借，用完还回来，默认还要弹窗问你同不同意。 架构上是个本地闭环：AI 发出命令 → 命令走到本机的一个小程序（daemon）→ 通过本机通道通知浏览器扩展 → 扩展在 Agent Window 里动手。全程不出你这台电脑，没有第三方服务器看得到你的登录信息。 装的东西是三件，少一件都跑不起来：给 AI 看的操作规则技能文件、本机命令行工具 `bsk`、浏览器扩展。目前只认 Chrome 和 Edge，系统支持 Windows 64 位、macOS、Linux。官方适配九款 AI，Cursor、Claude Code、Codex、CodeBuddy、WorkBuddy 都在里面。 作者自己踩过三个坑：命令行和扩展的版本要一起升级，不然长截图这类功能会莫名失灵；企业网络可能拦截本地通信，要找 IT 加白名单；它不适合大规模并行抓取——设计是"借"，不是"抢"，别拿它当爬虫用。 他定的那条边界，我觉得应该印在每个用这类工具的人屏幕上：登录态就是权限。AI 借走的每个标签页，带的都是你账号的完整身份。支付、转账、删除这三类操作，永远留给人。 四、放在一起看 这两个项目指向同一个判断：过去两年我们把 Agent 的"大脑"卷到了很高的水平，但一个真正能干活的 Agent，至少还需要另外两样东西—— 一只手：能真的执行，而不是只会描述该怎么做。WeKnora 给的是"在隔离沙箱里把代码跑起来"，并且先把边界收紧了才放开能力。 一张身份证：能合法地接触到需要权限的资源。BrowserSkill 给的是"借用你已有的登录态，但借要打招呼、身份可以收回"。 它们的共同点不是功能多，而是都把"AI 的产物"当成了可以接管的东西，而不是不可触碰的结论：切片可编辑、Wiki 可回滚、技能可登记、任务可重试、记忆要用户确认、标签页要先借后还、人机关卡留给人的最后一按。 给 Agent 装上这两只手不难，难的是装的时候先把绳子系在自己手上。这两个项目至少做了，至少要求是对的。 参考 · 掘金《AI 知识库 WeKnora（腾讯微信团队出品）》https://juejin.cn/post/7688530195554140194 · 掘金《腾讯开源了一个项目，让 AI 直接用你已经登录好的浏览器》https://juejin.cn/post/7688023798625632306