n8n Labs 开源个人智能体 Nod：在本机虚拟机和浏览器里替你办事，Apache 2.0
今天，我们以研究预览版的形式发布 Nod，它来自 n8n Labs——n8n 内部一个专门试验核心产品之外想法的新团队。Nod 是一个独立于 n8n 的应用，运行在你的电脑上。它是一个拥有自己电脑和浏览器的个人智能体：你告诉它需要什么，它就在你的应用和各个网站里干活，直到把事情做完。它是开源的，并使用你自己选择的 AI 服务商。
你可以下载 Mac 版和 Windows 版的 Nod。代码以开源许可证发布在 GitHub 上。
我们为什么做它
n8n 一直致力于帮人们把工作自动化。AI 出现之前是这样，现在也是。AI 让软件能承担更多种类的工作，但目标没变。
人们在 n8n 里搭建的很多东西都是“多人”的：团队或企业共享、在共享的 n8n 实例上运行的流程。Nod 则是“单人”的。它为一个人打造，连接这个人的账号，帮他把事情办完，不管是公司的事还是家里的事。
Nod 也独立于 n8n 之外。它是一个与 n8n、以及你能在 n8n 里搭建的智能体都分开的应用，用它不需要 n8n 账号。你把它装在电脑上，连上你的账号，提出需求即可，不需要先搭建服务器或云服务。
我们和早期测试者交流时，很多人不约而同地给 Nod 找到了同一个位置：聊天助手是他们思考和写作的地方，n8n 运行他们的共享流程，而 Nod 接手那些只属于自己的、持续性的活儿。
Nod 是 n8n Labs 的一项实验，并不改变 n8n 的方向。n8n 以及 n8n 智能体的开发会按计划继续。构建和使用 Nod 让我们深入了解了 AI 如何承担更多人类工作，我们以研究预览版发布它，是为了让更多人用起来，告诉我们它下一步该往哪走。
Nod 能做什么
因为 Nod 拥有自己的电脑（一个在本地运行的沙箱）和浏览器，它能把聊天工具只会还给你一张待办清单的事情真正做完。它能在你连接的应用里工作，比如 Gmail、日历、Drive 和 Slack，也能在完全没有集成的网站上操作。
人们交给它的一些活儿：
- 取消一项订阅，拒绝挽留优惠，并要求退款
- 盯住一个价格，降价时通知你
- 找一家符合行程的酒店，等你说“订”就下单
- 每月登录供应商门户，下载发票，整理好交给会计
- 从一个没有导出功能的仪表盘里抓取上周数据，放进你的周报
Nod 还会主动走在你前面：它读取你连接的应用，主动提出可以帮你分担哪些活儿。你在一个对话里和它交流，可以在应用里，也可以在 Telegram 或 WhatsApp 上，同时它在后台并行处理多个任务。重复性的任务，比如晨间简报或价格检查，可以定时运行。
它会逐渐了解你
Nod 能记住几个月的对话，你不用反复提醒它你想要什么。在长期记忆公开基准 LongMemEval 上，它的得分是 93.2%，位列已发表记忆系统的前列。
它会在使用中学习你的偏好；连上 Gmail 后，它会研究你的写作方式，让草稿读起来像你写的。它还会记下自己是怎么完成任务的，下次直接用这些笔记，网站改版时再修正。你可以查看、编辑或删除 Nod 保存的任何关于你的信息。
适合谁
Nod 适合任何想把一周里琐碎部分交给 AI 的人：表格、跟进、登录和提醒。独立经营者和自由职业者用它处理生意上的事，也有很多人用它办家里的杂事。
目前你需要接入自己的 AI 服务商，用 API 密钥或你的 ChatGPT 套餐，所以 Nod 更适合能接受这类设置的人。如果你在用 n8n，可以把你的实例连上，让 Nod 调用你的工作流。
为可信而设计
一个能发邮件、能用你的卡付款的智能体，必须赢得你的信任。我们把 Nod 设计成你可以检验它行为的样子。
它属于你
Nod 以 Apache 2.0 许可证开源，它遵守的每一条规则都写在代码里。它运行在你的 Mac、Windows 电脑或你自己的服务器上，使用你选择的模型服务商。
它在自己的沙箱里工作
Nod 在你电脑上的一台私有虚拟机里工作，有自己的浏览器。它的数据、记忆和保存的登录信息都留在运行它的机器上；你的 AI 服务商只拿到每个任务需要的内容。
只有你能授权
在 Nod 发送、付款、发布或删除任何你没要求的东西之前，会有一个独立的检查确认这是你要求的。网页或邮件不能给 Nod 下命令。
AI 永远看不到你的密码
你保存的登录信息和银行卡在本机加密，Nod 通过模型读不到的私密表单来填写它们。
一切都有记录
Nod 会记录每次登录、每次用卡和在你应用里的每个操作，以及每个任务的花费。
权限检查本身也是一个模型，可能出错，所以当你的话没有覆盖某个操作时，Nod 会先问你。
费用
Nod 开源且免费。你只需为使用的 AI 向模型服务商付费，也可以接入在自己电脑上运行的开源模型。一些早期测试者发现任务花费比预期高，所以成本一直是我们近几个版本的重点，最新版本已大幅降低了成本。
Nod 还设有护栏，防止费用失控：
- 每个任务都会显示花费，完成后附一张收据
- 你可以设置每月支出上限
- 任务花费超过 5 美元时 Nod 会先问你，这个金额可以调整
- 每个定时任务都会显示预估月度花费
它暂时还做不到的
- Nod 在笔记本上运行时，电脑休眠它就会停下。有些测试者把它放在常开的 Mac mini 上，或跑在自己的服务器上；托管版本已在我们的路线图中。
- 每个安装只有一个所有者。
- 它不能打电话。
试试看
下载 Mac 或 Windows 版 Nod，或者去 GitHub 看代码。然后从你的清单里交给它一件事。在社区论坛的 n8n Labs 版块，或通过应用内的“发送反馈”告诉我们效果如何。
更多信息：
https://github.com/n8n-io/nod - GitHub 仓库
https://nod.n8n.io/docs/ - Nod 文档
下载并安装 Nod：
https://blog.n8n.io/meet-nod/转载，侵删。版权归原作者，如有侵权请来信，收到后删除。
同一批次的其他文章
阿里发布 Qwen4-Max 预览版：主打编程和智能体，先在 Token Plan 和自家产品里开放
Qwen 官方只说新一代在知识、世界理解、编程和智能体任务上更强，面向复杂编程、前端搭建和专业软件操作；目前没公布参数、跑分、按量价格和正式发布日期，模型 ID 是 qwen4-max-preview。可以通过千问 Token Plan（限时最低 1 折）接到 Claude Co…
英伟达董事会聘请 Wachtell 律所调查黄仁勋，股价两天累计跌超 10%
黄仁勋周末承认与一名被指与中国情报机构有关的女性有婚外情，董事会请前纽约南区代理检察官 Joon H. Kim 牵头独立调查公司机密和国家安全是否受损；FBI 也在查。Nathan Lambert 在 X 上说，黄仁勋若卸任对美国开源模型阵营会是重大打击，因为英伟达是美国开放权重…
Anthropic 开放澳大利亚散户 IPO 认购，11 月 17 日截止；同时澳洲要设有处罚权的 AI 安全监管机构
IPO 最多募 644 亿美元，加上 260 亿私募合计最多 904 亿，每股 70 至 78 美元，纳斯达克代码 ANT；澳大利亚、日本、加拿大和欧洲部分地区的散户能直接买。背景是一个 OpenAI 智能体未经授权访问了澳洲 Medicare 的统计网站，总理宣布将对部分 AI…
CoreWeave 三季度营收 36.6 亿美元、同比涨 168%，上调全年指引，但到 2027 年不再发母公司无担保债
收入和指引都超预期，说明 AI 算力需求没降温；但股价过去一个月跌了四成多、部分债券收益率超 16%，CFO 表示按当前利率不再发母公司层面无担保债，改用客户预付款、硬件伙伴融资和合同挂钩的债务。新云厂商的瓶颈已经从需求转到资金成本。
亚马逊 Ring 推出 AI 巡逻无人机和地面机器人，2026 年底到 2027 年初上市
Ring Rover Cam 和 Ring Drone Cam 用 AI Pilot 系统结合视觉模型、端侧传感器和云端处理规划巡逻路线，并自动绘制家里或店铺的平面图、建议巡逻点。会动的摄像头也带来新的隐私问题，Ars 回顾了亚马逊上次推室内飞行摄像头时引发的争议。
Tendrils 获 Benchmark 领投 3000 万美元，要从头重做 CPU：数千核并行、配套开源语言 Vine
他们认为现有 CPU 被向后兼容拖累，卡在缓存一致性和乱序执行上，于是放弃共享可变内存和线性指令流，做并行优先的处理器；英国主权 AI 基金、Conviction 等参投，Jack Altman 进董事会。离量产还很远，但代表了 AI 时代对通用计算架构的又一次押注。
删权重就能后训练：只把不到 0.05% 的权重置零，效果追平全量微调，还几乎不遗忘
进步在哪：在可验证奖励强化学习、监督微调和在线蒸馏三种后训练里，Deletion Tuning 都达到全量微调的水平，训练出的掩码比完整检查点小几百到几千倍；强化学习时旧任务准确率基本保持，而全量微调、LoRA 会掉最多 5.4 分。靠什么：只在 Transformer 门控投影…
Meta FAIR 发布 e-means：k-means 的直接替代，约十分之一的轮数达到同样损失，已进 FAISS 1.16.0
进步在哪：在 24 种数据配置上，1.4 到 2.6 轮就达到 Lloyd k-means 跑 25 轮的损失，GPU 上比 Flash-KMeans 快 10 到 45 倍，测试规模到 100 亿点、1670 万簇。靠什么：小批量更新，用指数滑动平均让旧的统计量按比例衰减，而不…
TIS-100 编程谜题评测：16 个模型在 55 道题上找到 133 个新的帕累托前沿解，3 项周期数纪录被刷新
TIS-100 是一个极度受限的汇编小游戏，玩家社区优化了十年。作者给模型游戏和手册、不给排行榜，让它们不断改进；Opus 5.5 和 GPT-6 Astra 领先、全部解出，几天后人类玩家又在模型解法上继续改进。说明模型在长时间、多目标的代码优化上已经能做出人类没想到的东西。
dNaViT：离散编码也能做通用视觉表示，一个分词器同时支撑理解、生成和编辑
进步在哪：原生分辨率的离散视觉 Transformer，在理解、生成、编辑任务上追平或超过专用基线。靠什么：分组乘积量化加双分支训练目标，让离散 token 同时保留语义和重建细节。对做统一多模态模型（同一套 token 既看又画）的路线是个支撑。
世界模型要见几次才学会新规则？在测试时学习没见过的游戏机制
作者把每次观察到某条机制定义为一次「曝光」，系统测量世界模型需要多少次曝光才能预测新机制的效果。这关系到智能体进入陌生环境（比如新软件、新业务系统）时，能多快靠少量交互学会规则。
World ICL：让机器人在上下文里学操作技能，而不是把技能写死进权重
进步在哪：以往上下文学习在机器人操作上一直打不过训练出来的策略，这篇尝试缩小差距。靠什么：把「世界」本身作为上下文示例给智能体，让它在部署时从示范中学技能，避免训练分布绑定。