Block 开源 Berd:跨模型、本地优先的 AI 智能体桌面工作区
Block 开源 Apache 2.0 许可的桌面应用 Berd,支持多智能体框架(如 Goose、Claude Code、Codex),对话历史本地存储,提供可视化角色身份、持久化项目与企业可定制发行版,定位为‘日常 AI 工作界面’。

Block——由前Twitter首席执行官杰克·多尔西(Jack Dorsey)创立的技术公司,旗下拥有Square、Cash App及音乐流媒体服务Tidal——正在开源 Berd,这是一款其最初为内部员工开发的桌面应用程序,旨在提供一个统一环境,以便跨不同模型、工具和项目开展AI智能体(agent)相关工作。
Berd是一款本地安装的图形化桌面应用程序,而非基于浏览器的工作区。它目前已在GitHub上开放获取 ,采用宽松的Apache 2.0许可证——这意味着任何人都可使用、修改和再分发该软件,包括用于商业用途——并为macOS、Windows和Linux提供免费可下载的构建版本。该代码仓库于8月18日发布第0.6.2版,为其第七次公开发布,列出了91位贡献者。 采用宽松的 Apache 2.0 许可证——这意味着任何人都可以使用、修改和重新分发该软件,包括用于商业用途——并为 macOS、Windows 和 Linux 提供免费可下载的构建版本。该代码仓库于 8 月 18 日发布第 0.6.2 版本,为其第七次公开发布,目前列有 91 名贡献者。
Block公司AI能力主管布拉德·阿克森(Brad Axen)在通过电子邮件向VentureBeat作出的回应中表示:“Berd以桌面为优先,因为其大部分价值来源于直接与项目、本地文件、工具、代码仓库以及运行或连接至用户计算机的智能体进行交互。”
AI智能体的日常工作界面
Block将Berd定位为“日常AI工作界面”:一个单一场所,用户可在其中启动聊天、附加文件或文件夹、选择智能体和模型、在持久化项目内开展工作、配置AI提供商、管理技能与扩展、查阅会话历史记录,以及构建自动化流程。
这一设计目标远不止于便利性。根据Berd的产品规格说明,用户应始终能够明确识别出当前正塑造某场对话的项目、文件、智能体、模型、提供商及会话状态。这种对可见运行状态的强调,正是Block所称Berd区别于通用聊天机器人封装层的关键所在。配置——包括提供商、扩展、技能、自动化及项目——被视为工作流的一部分,而非被埋藏于管理层面;其界面设计旨在清晰暴露失败、不可用的提供商,以及加载与流式传输状态,而非以助手式友好风格掩盖这些问题。
Berd源于Block公司内部一个实际问题:员工已开始使用功能强大的智能体——包括Block自研的Goose、Anthropic公司的Claude Code以及OpenAI公司的Codex——但围绕这些智能体的工作体验却日益碎片化。
Block公司技术传播负责人露辛达·贝尔(Lucinda Bell)在一封电子邮件中表示:“我们已通过Goose、Claude Code和Codex拥有了功能强大的智能体,但在它们之间切换意味着需应对不同的界面、配置系统以及上下文管理方式。”她指出,Berd为Block团队提供了“一个横跨各类模型与智能体框架的一致性桌面应用程序”。
对企业而言,这一层可能与模型能力的又一渐进式提升同等重要。持久化项目意味着用户可返回既定的文件集合、指令与智能体配置,而无需为每项任务重新构建上下文。Block还明确将Berd设计为使智能体工作超越工程领域而具备可访问性,让用户能从一次对话起步,并随工作需求逐步添加工具、上下文与结构。
Block并未将Berd定位为移动产品。阿克森表示,该公司开源协作平台 Buzz 已提供移动体验,且是Block首选的移动办公环境。
Block认为,当智能体彼此不同时,其外观也应不同
Berd以一种大多数企业级AI产品隐而不宣的方式,应对了一个问题:用户如何区分一个已配置智能体与另一个。
Berd并未将每个智能体都视为另一个空白聊天窗口,而是赋予智能体角色、指令、技能、工具及可识别的视觉身份。Block创建了一系列动画角色——其旗舰设计名为“Gloopies”——而Berd的 公开网站 展示了若干预定义人物形象,例如Berdy、Pushback、Choosey、Copycat、Tinker与Wildcard,每一形象均围绕一种不同工作风格构建:Pushback在草稿中扮演反对者角色,Choosey协助缩小决策范围,Copycat则学习以用户的写作风格生成文本。
这一视觉层并非意在以个性取代实质。Block自身在其关于Berd设计的 公司博客文章中给出的功能性表述为:“头像使智能体易于识别;其角色、技能与工具使其具备实用性。”

Berd Gloopies截图。图片来源:Block
随着员工同时处理多个专业化智能体,这一区别可能愈发重要。可识别的身份充当了对原本不可见的指令、工具与权限包的可视化速记——智能体以各具特色的动画角色形式出现在工作区中,而非作为聊天列表中完全相同的条目出现,因此用户可在打开对话前即加以区分。
产品规格说明书明确防范角色形象将Berd变为新奇玩具。其描述的预期人格为“专注、胜任、可协作”,同时明确拒绝玩具式呈现、过度装饰性的UI以及以友好性掩盖运行状态的界面。
一个编排层,而非另一模型或智能体运行时
从架构角度看,Berd既非新型基础模型,亦非新型智能体运行时。该应用程序采用Tauri 2与React 19构建——这两者是利用网络技术构建轻量级桌面应用的框架——并通过一种名为智能体客户端协议(Agent Client Protocol, ACP)的标准,与Block于2025年1月推出的开源智能体框架Goose通信。Goose作为捆绑的“伴随进程”(sidecar process)在Berd旁静默运行,并负责底层智能体循环;Berd则在上层处理项目、会话、上下文、智能体及配置。
对于不熟悉该框架的读者而言, Goose 是一种模型无关的智能体框架与运行时,最初聚焦于软件开发工作流。它将大语言模型连接至文件、命令及外部系统——包括通过模型上下文协议(Model Context Protocol, MCP),即一项将AI系统接入外部工具与数据的开放标准——从而使智能体能够执行操作,而不仅限于生成文本。
Goose既支持专有模型提供商,也支持本地运行的开源模型。此后,Block已将Goose贡献给 智能体AI基金会(Agentic AI Foundation)——该基金会系Block于2025年12月联合Anthropic、OpenAI及其他机构共同创立的Linux基金会下属组织,此举为该框架提供了中立于厂商的归属地,并与MCP并列。
阿克森明确划定了边界:Goose、Claude Code与Codex等智能体框架负责管理模型、其上下文及其工具之间的循环,而Berd则为这些框架提供一致的桌面环境。在公开发布版本中,用户可自行配置所需提供商与框架,而非继承Block预选的模型栈。
该项目的 README 增加了一个对评估该软件的任何人而言都至关重要的运营细节:Berd 并非简单地拉取当前任意可用的 Goose 构建版本。其构建流程通过锁文件(lockfile)固定特定的 Goose 后端版本,验证缓存的二进制文件是否与该固定版本匹配,并将该二进制文件随应用一同打包。开发者可显式替换另一个 Goose 二进制文件用于本地测试。对于正在审查 Berd 的组织而言,这在桌面应用程序与其默认代理后端之间建立了明确的版本边界,而非允许后端悄然漂移。
Berd 与 Codex、Claude Code、Cursor 和 Goose 的对比
这种分离之所以重要,是因为代理工具市场已开始趋同于管理日益自主的 AI 工人(AI workers)的产品。OpenAI 将其 Codex 应用描述为一个面向代理的“指挥中心”(command center),具备独立的项目线程以及并行运行的多个代理。
Claude Code——Anthropic 推出的用于阅读代码库、编辑文件和执行命令的代理——现已覆盖终端、集成开发环境(IDE)及桌面应用。Cursor 将其最新版本 Cursor 3 描述为一个面向软件开发的统一工作区,支持各类代理,包括本地代理与云端代理之间的任务交接,以及跨多代码仓库的工作流。而 Goose 本身仍以免费命令行工具和面向技术熟练用户的桌面应用形式直接提供。
因此,Berd 的差异化之处不在于发明代理工作区,而在于使该工作区开源、支持多框架(multi-harness),且潜在适用于编码之外的场景。下表中所有其他产品,要么绑定于单一供应商的模型,要么以订阅方式定价,要么明确面向开发者——而大多数情况下三者兼有。
产品 | 厂商 | 定价 | 模型支持 | 区别性特性 |
Berd | Block | 免费且开源(Apache 2.0 许可证);用户仅需承担自身所选模型提供商的成本 | 用户可配置的任意提供商,支持多种代理框架(agent harnesses) | 基于代理框架的桌面工作区,而非代理框架本身;数据本地优先存储;可视化代理身份;项目持久化;企业定制发行版;既面向开发者也面向非工程师用户 |
Codex 应用 | OpenAI | 包含于付费 ChatGPT 套餐中,从 Plus 版每月 20 美元至 Pro 版每月 200 美元 | 仅支持 OpenAI 模型 | 面向编程代理的“指挥中心”;多个代理在独立项目线程中并行运行;支持云端与本地执行 |
Claude Code | Anthropic | 包含于付费 Claude 套餐中,从 Pro 版每月 20 美元至 Max 版每月 100–200 美元;亦可通过 API 按用量计费 | 仅支持 Anthropic Claude 模型 | 深度自主编程能力——可读取代码库、编辑文件、运行命令;可在终端、IDE、桌面及网页端使用;用量限制已招致开发者批评 |
Cursor | Anysphere | Pro 版每月 20 美元;Ultra 版每月 200 美元 | 支持多种前沿模型 | 原生 AI 代码编辑器;Cursor 3 新增统一代理工作区,支持本地代理与云端代理间任务交接及跨多代码仓库工作流;面向开发者 |
Goose | Block / Agentic AI Foundation | 免费且开源(Apache 2.0 许可证);用户自带模型,包括免费的本地模型 | 支持任意提供商,或通过 Ollama 等工具完全使用本地模型 | Berd 底层所依赖的模型无关(model-agnostic)代理框架与运行时;提供命令行界面(CLI)与桌面版;可完全离线运行,无任何数据离开设备 |
可移植性是 Block 宣传主张的一部分。Axen 表示,Berd 底层的大量工作被刻意设计为可移植:文件夹、Git 仓库、文件及纯文本指令在应用外部依然可访问;技能(skills)以文件形式实现;Berd 代理可导出并在 Berd 用户之间共享,其指令与设置均保持完整。
他指出,ACP 与 MCP 是 Block 迈向“尽可能采用清晰、用户拥有的格式与开放协议”这一方向的重要组成部分。这并不意味着每种状态(state)均可在所有框架间互换,但它使可移植性成为一项明确的架构目标,而非仅因使用本地文件而产生的附带效应。
本地优先的数据、遥测(telemetry)与企业发行版
Berd 围绕本地优先(local-first)数据模型进行设计。Axen 表示,对话历史记录存储在用户设备上的本地 Goose 会话数据库中,而凭据默认保存在操作系统密钥链(keychain)中。
这并不意味着所有 AI 处理均在本地完成。“本地优先并不意味着数据绝不会离开设备,”Axen 表示。当用户要求已配置的模型处理特定上下文时,相关提示词(prompt)与材料将被发送至该模型提供商——因此实际数据路径及约束该路径的合同条款,取决于组织所选择的提供商。
遥测(即软件回传给其开发者的使用数据)在官方 Berd 发行版中默认禁用。若用户选择启用,Block 表示其仅收集一个随机安装标识符及一组预定义的有限使用事件,同时明确将提示词、消息、文件、源代码、凭据、姓名、电子邮件地址及 IP 地址排除在遥测有效载荷(telemetry payload)之外(但 Block 及其服务提供商仍会处理 IP 地址以实现传输、安全与速率限制)。用户可在设置中再次关闭遥测功能。Block 提醒称,第三方分叉(forks)可能修改或重定向遥测系统,因此评估定制化构建版本的企业需审查该构建版本的实际行为,而不能假设 Block 的默认设置会自动延续。
公开代码仓库构建了一个自包含、通用型的发行版,不依赖私有包注册表(private package registries)或企业凭据——技术团队无需访问 Block 的基础设施即可构建并评估该版本。但 Block 还创建了其称之为“发行版接缝”(distribution seams)的机制:即明确定义的接入点,组织可在这些点上叠加托管的提供商设置、私有代理、运行时配置、可选配套工具、自有更新通道,以及自有签名与发布基础设施,且无需将私有内容添加至公共源代码树中。
Block 自身的部署展示了企业如何围绕该架构实施治理。Axen 表示,Block 在经批准的设备上运行其托管发行版,使用经批准的模型提供商基础设施、受管配置及受控的工具连接。“应用程序可保持开放且可检查,而组织则自行决定哪些模型、工具、权限及策略适合其环境,”他表示。
一个注意事项:“企业发行版”不应被理解为一套完整的企业管理平面(enterprise management plane)。README 文件并未描述单点登录(SSO)、由管理员集中强制执行的策略、全组织范围的权限控制、数据保留规则或审计日志等能力。它仅表明企业可定制并分发 Berd;但并未单独说明这些安装部署后如何实现集中化治理。Berd 应被理解为安装在用户计算机上的终端软件,而非集中托管的 SaaS 产品。
定价、模型与封闭的贡献模式
Block 尚未公布 Berd 的订阅价格,目前也无迹象表明将推出订阅价格。这并不意味着使用代理(agent)是零成本的:企业仍需支付所使用的模型、API 或服务提供商产生的各项费用。Berd 官网提出的经济性主张在于灵活性——用户可按任务需求匹配相应模型,而非在每一项任务中都为昂贵的前沿模型付费。正如官网所述:“某些任务需要‘大模型’;但大多数任务并不需要。”
无论是 Block 的官方公告还是其 README 文件,均未提供一份明确的支持模型提供商矩阵,也未推荐特定模型。在公司内部,Block 并不将任何单一模型视为永久默认模型:Axen 表示,该公司管理的分发版本向员工提供“经精选的前沿模型与开源权重模型组合”,该模型目录会随模型性能提升而动态更新。“最佳选择取决于具体工作内容,”他说道。
开发者还应注意一项治理层面的区别。尽管 Berd 的源代码是公开的,且 Block 欢迎提交问题(issues)和反馈,但该代码仓库不接受外部提交的拉取请求(pull requests)——所有外部代码贡献将被自动关闭。
README 文件指出,Berd 由“Block 内部一个小型团队”构建,并引导外部参与者提交格式规范、可复现的缺陷报告(bug reports),而非直接提交代码。用户可自由检查、构建及派生(fork)该代码,但 Block 严格控制上游主干(upstream)。对于将 Berd 视作基础设施而非实验性项目的公司而言,厘清 Block 在长期维护与支持方面的计划至关重要。
Block 当前并未将 Berd 定位为一款营收型产品。Axen 表示,其首项投资回报来自 Block 自身对该软件的使用——即提升内部代理工作的统一性,同时帮助公司了解员工实际如何使用代理;而将其开源则通过允许外部人员审查、适配并就其架构提供反馈,进一步放大了这一价值。未来或可能围绕企业级部署推出商业化功能层。
‘支持希望在工作中部署代理的企业,是我们关注的一个领域,’Axen 表示,并补充道,‘待有更多进展时,我们将分享更多信息。’
从私有代理工作到多人协作工作流
Berd 提供的是个人桌面体验;另一项 Block 项目 Buzz则聚焦于共享空间,在其中人类与代理共同协作,面向一个通用的、可搜索的记录。
Buzz 是 Block 推出的免费协作工作区,采用 Apache 2.0 许可证授权,支持人类与 AI 代理协同工作。它基于去中心化协议 Nostr 构建,融合了团队协作的常见功能——频道(channels)、主题帖(threads)、私信(direct messages)、语音与媒体共享——同时集成具备独立密码学身份及明确定义权限的代理,这些代理可参与对话、代码评审及经批准的自动化工作流。与 Berd 侧重本地化、单用户场景不同,Buzz 明确以多人协作为核心,既可自托管,也可通过 Block 托管的基础设施使用。它同样对模型与运行时(harness)保持中立:团队可引入由 Goose、Claude Code、Codex 或其他模型驱动的代理。
Axen 将这两款产品的分工部分归结为信任边界的差异。‘本地代理可能拥有对你文件系统及凭据的访问权限,’他表示,‘而共享 Buzz 房间中的代理则拥有自身独立身份,其访问权限通过中继(relay)进行范围限定。’Berd 从单个用户出发,赋予该用户对其设备相对较高的访问权限;Buzz 则从多名参与者起步,强调明确的身份标识与共享工作区权限。
更具实质意义的路线图细节在于,Block 并不打算让这两款产品长期保持分离状态。‘未来,我们的重点将是 Buzz,我们计划将 Berd 单机体验中的最佳特性整合进 Buzz,’Axen 表示。Block 希望工作能始于私密环境,并在无需用户切换工具或重建上下文的前提下自然过渡至协作模式,跨设备连续性——包括通过 Buzz 实现移动端支持——亦属该愿景的一部分。与此同时,Axen 表示,Berd 仍将作为一款开源桌面应用程序持续提供,但 Buzz 才是 Block 鼓励用户下载并适配的产品。
企业采用者应关注的重点
对 IT 与安全团队而言,简要要点如下:对话历史默认保留在本地;凭据存储于操作系统密钥链(keychain)中;发送至模型的上下文数据,其离开设备的方式完全取决于所配置服务提供商的条款;官方遥测(telemetry)功能默认关闭,且明确排除提示词(prompts)、文件及源代码;组织可自行打包受管控的分发版本——不过集中式管理工具的相关文档尚未发布。
此次发布的背后理念或许更为重要。模型与编程代理正日益成为更大规模工作流中可互换的组件。Berd 代表了 Block 的一种判断:真正构成稳定层的,是围绕这些组件的上下文环境——即项目、技能、工具、身份以及持久化的作业环境。
JOTO 企业落地观察
- 对企业部署而言,Berd 的‘发行版接缝’机制允许组织在不修改公共代码的前提下,叠加私有配置、托管提供商与自有更新通道,但需注意其未内置SSO或集中策略管理能力,企业须自行构建治理层。
- 对智能体工程而言,Berd 明确将自身定位为编排层而非运行时,通过 ACP 协议与 Goose 等框架解耦,并以锁文件固化后端版本,使智能体工作流具备可复现性与版本边界,避免运行时悄然漂移带来的运维风险。
- 对 AI 安全治理与 FDE 落地而言,Berd 默认本地存储会话历史、凭据存于系统密钥链、遥测排除提示词与文件,且数据出境路径完全由用户所选模型提供商合同约束——这要求企业必须前置评估并锁定第三方服务条款,而非依赖客户端默认设置实现合规。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务,帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
想把这些做法用到你的业务里?
留下你的场景和痛点,我们帮你判断从哪一步开始。
联系我们


