一句话总结
MOOGH 适合想让 AI 真在自己 Windows 电脑上干活、又怕它乱改文件、还不想被月费绑死的普通办公和开发者人群；不适合追求企业级治理、需要无人值守定时任务或坚持完全自托管的开源原教旨用户。
核心数据一览
| 项目 | 数据 |
|---|---|
| 产品名 | MOOGH（AI Agent Desktop Workspace） |
| 官方站 | aimoogh.com（含 en/es/de 多语言页），下载页 agent.aimoogh.com/download |
| 开发商 | 个人开发者 youlemei2022（GitHub：youlemei2022-web/moogh-desktop-agent），品牌站 aimoogh.com |
| 当前版本 | v2026.10.12-2（官网多语言页标注，2026-10-12 构建） |
| 支持平台 | Windows 10 / 11（x64）原生桌面客户端 |
| 首次公开 | Product Hunt 发布于 2026 年 9 月（约 1 个月前），标签 Developer Tools / Artificial Intelligence |
| 开源状态 | 公开 GitHub 仓库（含 README 与 docs 文档），产品本身为开放测试期商业客户端 |
| 计费方式 | 开放测试无订阅，按量付费，1 美元=60 积分，充值 $1-$100，无闲置费 |
| 联系方式 | support@aimoogh.com，Telegram 支持 |
核心功能评测
1. 任务规划与逐步审批（评分 4.5 / 5） MOOGH 的招牌姿态是「先出计划、再等批准」。你用大白话描述任务（整理这个文件夹、修复失败的测试、总结这批文档），Agent 会先展示它打算动哪些文件、跑哪些命令，等你点头才执行。官方站与 GitHub README 口径一致，都强调 permission-based execution 与 review the plan before the agent acts。把「改前出 diff、改后可还原」做成产品级默认，而不是大多数 Agent 只给最终结果——这正是它敢称 workbench 而非 chatbot 的底气。扣 0.5 是因为公开文档未明确说明「计划」的颗粒度上限与复杂多步任务的拆解深度。
2. 本地文件作用域与终端代跑（评分 4.3 / 5） MOOGH 仅访问你指定的项目或文件夹，终端命令由它在你批准后代跑，并在回报前核验执行结果。nav-ai.net 的独立评测确认了 scoped folder access 与 command verification 两点，并指出这种「审批前置」适合已有本地代码库、命令行工作流的开发者。短板是：公开材料没有证实它支持 scheduling 或无人值守执行，所谓「可重复例行任务」应理解为「审批后重跑」，而非后台自动跑。
3. 透明行动历史（评分 4.4 / 5） 官方多语言站统一描述 full action history——Agent 的所有读、改、命令都留痕，你可以查看改了什么、调整或还原特定操作，nothing happens invisibly。对一款能碰本地项目的桌面 Agent 而言，可审计性几乎是信任的底线，MOOGH 把这个能力做成了默认姿态，与库内少数「过程可视化」派（如 ToDesk AI 的实时流程卡片）同脉，但比多数只给结果的黑盒 Agent 更让人放心。
4. 项目级上下文 + Skills/Plugins/MCP 扩展（评分 4.0 / 5） GitHub README 写明 MOOGH 把 chat、projects、files、code、tools、Skills、Plugins 与 MCP 收进同一工作区，文件/任务/状态跨会话保留，并通过 Skills、Plugins、MCP 扩展任务专属能力。这意味着它不是一次性问答，而是能围绕一个项目持续干活。保守给 4.0 是因为公开文档对具体 Skill 市场与生态成熟度着墨不多，扩展能力的实际丰富度有待赵生亲测。
价格方案
| 方案 | 价格 | 说明 |
|---|---|---|
| 开放测试（当前官方口径） | 无订阅 | 按量付费，1 美元=60 积分，充值区间 $1-$100，无闲置费、无隐藏费、无锁定（lock-in）；只为真实用量付费 |
| 历史第三方记录档（已非当前） | Basic $20/月、Pro $40/月、Business $90/月 | nav-ai.net 评测曾列出月度档，但当前官网与 GitHub README 均改回「无订阅按量」，疑似早期内测档；以官网实时页面为准 |
需要提醒：MOOGH 处于开放测试期，定价口径在第三方评测与官方当前页面之间存在不一致。写稿时（2026-10-17）官网 aimoogh.com 与 GitHub 仓库均明确「no subscription，top up points，1 USD = 60 points」，因此本文以官方当前口径为准。充值后积分按实际任务消耗，轻量整理文件、跑一次构建这类低频用途成本极低；重度自动化会持续吃积分，属于典型按量产品的天花板。
与竞品对比
| 维度 | MOOGH | ToDesk AI | OpenClaw | DeepSeek Harness |
|---|---|---|---|---|
| 平台 | Windows 10/11 原生 | Windows/macOS/移动端 | 跨平台（含 Windows） | Windows/macOS（多平台） |
| 执行方式 | 本机规划-审批-执行 | 远控+执行融合，手机远程派活 | 开源 Computer-Use，自行部署 | 本地桌面 Agent，多模式 |
| 计费 | 按量，1 美元=60 积分 | 积分+会员混合 | 免费（自备算力/API） | 按 token 计费 |
| 透明度 | 审批+diff+全程留痕 | 实时流程卡片可视化 | 依赖配置，看部署 | Trajectory 日志可回放 |
| 开源 | 公开仓库，产品闭源 | 基于 OpenClaw 封装 | 开源 | 开源（MIT） |
横向看，MOOGH 在库内桌面 Agent 里的最大差异是「Windows 原生 + 纯本机按量」组合。ToDesk AI 同样 Windows 可用，但走远控+执行路线、需 ToDesk 账号与积分体系；OpenClaw 免费可自托管但部署门槛高；DeepSeek Harness 开源多平台、按 token，更适合开发者。若你在 Mac 上，思路最接近的调度层是 Nami（免费开源、多 Agent 并排），但它不在中国 Windows 用户的直接可用范围内。
优势与短板
优势展开 第一，Windows 原生是实打实的稀缺性。库内 28+ 款桌面智能体里 macOS 优先的偏多，赵生这台 Windows 笔记本能直接装、不用开虚拟机，适配成本为零。第二，审批式执行把「安全」从口号变成默认流程——改之前你能看到计划，改之后能还原，对本地项目这种一旦改错就麻烦的场景尤其重要。第三，按量付费对低频用户极度友好，没有月费沉没成本；第四，本地文件夹边界 + 仅上下文上云，隐私姿态比一堆默认把文件传云的工具有克制感。
短板展开 第一，它是个人开发者的开放测试产品（GitHub 用户 youlemei2022），没有大厂背书，长期维护与企业级权限/审计尚未被大规模验证。第二，定价口径反复（第三方曾记月费档、官网现改按量），说明商业模型仍在摸索，用户需自己盯官网实时价。第三，模型走 API/积分，重度任务会持续消耗；国内网络可用性、中文界面与 Windows 真实体验，现有公开资料覆盖不足，需要赵生后续亲测校准后再下定论。
最终推荐
推荐这几类人直接用：①Windows 用户、想要一个「在我电脑上真干活」的助手，但不想折腾 Mac/虚拟机；②对 AI 乱改文件有顾虑、必须「先看计划再批准」的谨慎型用户；③低频使用者，按量付费比月费更划算；④想在本机保留数据、只把任务上下文上云、在意隐私的人。
不建议这几类人：①需要企业级治理、细粒度权限与合规审计的团队，MOOGH 目前是早期个人项目，撑不住；②想要无人值守定时任务/后台自动跑的，公开资料未证实它支持 scheduling；③坚持完全自托管、零外部服务的开源原教旨用户，MOOGH 是闭源客户端；④重度自动化用户，按量积分在高频场景下成本会快速累积，不如 OpenClaw/DeepSeek Harness 这类自备算力的方案。
上手建议：从官网 agent.aimoogh.com/download 取 Windows 安装包，先拿「整理一个本地文件夹」「跑一次项目构建」这类低风险任务试水，重点观察它的审批提示是否清晰、diff 是否准确、还原是否真的可用——这三件事过关，再考虑把它接进日常工作流。
评测声明：本文基于作者实际调研与公开信息撰写。核心事实来自 MOOGH 官方站 aimoogh.com（含 en/es/de 多语言页，标注版本 v2026.10.12-2）、GitHub 仓库 youlemei2022-web/moogh-desktop-agent（README 与 docs）、Product Hunt 产品页，以及 nav-ai.net 独立评测的多源交叉验证。价格以 2026-10-17 官网与 GitHub 实时口径为准。本文不含付费推广。