由左到右:環境與模型怎麼接進來、操作者怎麼下任務與放行、管理者怎麼監看多台節點。有副作用的動作一律先問過人。
點圖開大圖左右滑動看完整流程,點圖開大圖
多數 agent 框架綁死單一廠商的 API,還拖著龐大的相依樹。我們把核心壓到最小、其餘都做成插件,不靠任何第三方套件也跑得起來。
核心只有約 150 行,其餘全是可卸載的插件;全套約 18,500 行、純標準函式庫、547 項自動測試。要在客戶環境裡跑的東西,應該讓人讀得懂再決定信不信它。
任何 OpenAI 相容端點都接得上,地端推論服務與企業閘道都可以,多個模型還能自動分流。除了你設定的模型端點,不會對外傳送任何資料。
動檔案、執行指令、連外網這類有副作用的工具,互動模式下一律先問。工具本身跑在作業系統沙箱裡,寫入限制在工作目錄。
每次模型呼叫的 token、工具次數與延遲都記下來,超過上限直接停。多人共用時各帳號有自己的額度,管理者可產出 Word 版服務使用報告。
前兩區是一個人日常使用;接著三區讓多個代理、多個模型分工;後四區把多機監看、通知、記憶與外部工具接上,適合要長期維運多台 agent 的團隊。
Web、命令列、桌面應用三種入口,也能接進支援 ACP 的編輯器。打 / 叫出指令、@ 帶入檔案、貼圖讓模型看;缺只有人知道的事,模型會列選項問你,不自己猜。
第一步有副作用的動作送出審批,同意才執行;指令跑在作業系統原生沙箱裡,可一併斷網。計畫模式下模型只能查看並列出步驟,你核准計畫才動手。
第二步一個檔案定義一個代理角色(工作說明、工具、模型、上限),角色只能縮小權限。交給子代理分工、放到背景執行,或依相依關係排成工作流程;按停止就全部一起停。
多代理讓代理開會:圓桌、辯論、審查、組對組四種形式,各組可在不同機器用自己的資料加入。發言裡的數字與出處由程式比對實際查到的資料,查不到的標成未查證、不進共識。
討論設定了多個模型時,每個請求自己挑:簡單的給便宜的、困難的給強的,連不上就換備援。個資、金鑰、內網位址與本機檔案內容不送外部模型,來源國不允許的直接排除。
多模型每台機器跑自己的節點,任一台列出其他節點就成為總控。一頁看完所有對話與代理的狀態、用量與等待中的許可,可就地審批或停止。
多機管理者在網頁上設定 Telegram、LINE、Teams,任務完成、失敗或等核准時發訊息,金鑰加密保存。Telegram 是雙向的,手機上就能下任務、按允許或拒絕。
遠端跨對話記憶一則事實一個檔案,久未確認的標待確認,可合併重複、歸檔過期。技能資料夾需要時才載入全文;模型也能查這個人過去的對話。
進階以 MCP 接外部系統的工具,接上地端真瀏覽器就能讀 JavaScript 才長出來的頁面。評測套件在乾淨工作區跑、用確定性檢查計分,選模型前先量它會不會用工具。
延伸SSE 串流客戶端、TOML 設定讀取、MCP 客戶端全部自己實作,裝起來就只有它自己。
服務、事件與工具註冊都掛在共享的 context 上,卸載插件時自動回捲它註冊的一切。要加自家工具不必改核心。
macOS 與 Linux 都用作業系統內建的隔離機制,不自己造沙箱。設成必要模式時,沒有可用後端就拒絕啟動而不是默默放行。
總控代理審批與停止指令到各節點,節點權杖只存在總控端,瀏覽器永遠碰不到。內建機密防護檢查頁,哪項設定有風險、怎麼修一頁看完。
云碩多台 AI 伺服器上常駐 xHarness 節點,xIR 的 AI 研究小組也是用它的代理與討論功能做的。開源在 GitHub,MIT 授權可自由商用。
現成框架多半綁死單一廠商的 API,而且相依樹龐大——要在客戶機房裡長期維運的東西,相依越多越難交代。我們需要的是讀得懂、能接地端模型、每個危險動作都攔得住的東西,所以自己寫了一套並開源。
預設不會。動檔案、執行指令、連外網這類動作在互動模式下一律先問,而且工具本身跑在沙箱裡,寫入限制在工作目錄與暫存目錄。要全自動執行得自己明確關掉審批,那是刻意的選擇而不是預設值。
可以。接地端的推論服務就完全不需要外網,除了你指定的模型端點之外不會對外傳送任何資料。搜尋功能接的也是地端的瀏覽器,不走商用搜尋 API。設定裡同時有外部模型時,個資與本機檔案內容一律只送自家機器上的模型。
分工不同。xStudio 管的是「模型從哪來、誰能用、花多少錢」;xHarness 管的是「拿到模型之後,agent 怎麼安全地動手做事」。xHarness 可以把模型端點指向 xStudio,兩套一起用就同時有治理與稽核。
可以,MIT 授權。原始碼公開在 GitHub,可以自由使用、修改與商業散布。需要導入協助、客製工具或長期維運支援,云碩另外提供技術服務。