useAgent 是一个开源的“AI 同事”平台，用于把 Claude Code、Codex、OpenCode 等 AI 编程/办公代理统一接入到团队工作流中。它为每个任务线程提供隔离的 Linux 云端工作站、终端、浏览器、仓库、可视化桌面和事件时间线，并通过 Web、Slack、REST API、定时任务等入口接收工作请求。核心目标不是只返回聊天答案，而是交付可用成果，例如网站、文档、表格、PPT、研究报告和测试过的 Pull Request。项目采用 TypeScript/Bun/Postgres/pgvector 技术栈，支持自托管，当前处于 Alpha 阶段。
适用领域
AI Agent / 开发者工具 / 团队自动化 / AI 编程助手 / 企业知识库 / Slack Bot / 自托管 AI 平台 / 工作流编排 / 沙箱执行环境 / 文档与办公自动化
配置难度
较高。该项目不是简单的前端或单体服务，而是一个包含前端 UI、后端控制平面、事件溯源、Postgres/pgvector、Agent 引擎适配器、隔离沙箱、Slack/GitHub/OAuth 集成和自托管部署脚本的复杂系统。对于熟悉 TypeScript、Bun、Postgres、Docker、Linux 运维和 LLM 工具链的团队可以尝试部署；对个人开发者或缺少运维经验的团队，上手成本较高。
商业价值
业务价值较高，尤其适合希望把 AI 编程助手从个人工具升级为团队级生产力平台的企业。它能将代码修改、PR、文档生成、研究报告、表格/PPT 制作、知识库检索和 Slack 协作集中在一个可审计、可自托管的平台中。对于重视数据控制、内部工具集成和流程审批的研发组织，自托管和凭证不进沙箱的设计具有吸引力。但由于项目仍处 Alpha 阶段，若用于生产关键流程，需要先进行 PoC、权限收敛、安全评估和成本评估。
01
技术亮点
- 统一 Agent 接口：将 Codex、Claude Code、OpenCode 等不同引擎抽象到同一个事件协议和 UI 中。
- 任务持久化：每次运行都是 Postgres 中的事件溯源时间线，支持重启恢复、回放和事后审计。
- 隔离沙箱：每个线程拥有独立 Linux 工作站，包含终端、仓库、浏览器、noVNC 可视桌面和 MP4 录制。
- 凭证安全设计：凭证不进入沙箱，集成调用通过后端可信网关以 typed tools 方式完成。
- 人工审批机制：破坏性或高风险操作会暂停并生成审批卡，可在 Web 或 Slack 中确认后继续。
- 支持团队知识和记忆：提供组织级检索、引用、Wiki、团队 memory 和人工审核学习通道。
- Slack 原生集成：支持 mention-to-run、线程回复、附件、制品交付和审批。
- 支持原生办公制品：DOCX、XLSX、PPTX、PDF 可作为可编辑、可渲染的交付物。
- 支持自托管：可部署在任意 Linux 主机，并提供 Hetzner Terraform 参考方案。
- 架构模块清晰：frontend、backend、packages、docs-site、infra/self-host、memory 等目录职责明确。
02
目标用户
- 希望在团队内部部署 AI Agent 平台的研发团队
- 需要让 AI 自动完成代码修改、PR、测试和文档工作的工程组织
- 希望统一管理 Claude Code、Codex、OpenCode 等不同 Agent 引擎的开发者
- 需要自托管、数据本地化或私有化部署的企业 IT/平台团队
- 使用 Slack 进行协作并希望通过 Slack 触发 AI 自动化任务的团队
- 希望构建内部 AI coworker、AI 助理或自动化办公系统的创业公司和技术团队
03
配置要求
- Bun 运行时。
- Postgres 16 或更高版本。
- pgvector 扩展，普通 Postgres 官方镜像默认不包含该扩展。
- DATABASE_URL 环境变量。
- Linux 主机环境，适用于 AWS、Google Cloud、Azure、Hetzner 或裸金属服务器。
- 如需调用模型，需要配置相应 LLM/Agent 服务凭证，例如 OpenRouter API Key、Claude Code、Codex、OpenCode 或相关订阅/API Key。
- 如需沙箱能力，需要配置 Daytona 托管沙箱或 CubeSandbox 自托管沙箱。
- 如需 GitHub 集成，需要配置 GitHub App/Auth 权限。
- 如需 Slack 集成，需要配置 Slack App、Bot Token、事件订阅和交互审批相关权限。
- 如需 Gmail、Linear、Notion、HubSpot 等连接器，需要配置对应 OAuth Broker 和服务端密钥存储。
04
适用场景
- 让 AI Agent 自动克隆代码仓库、修改代码、运行测试并提交 Pull Request
- 通过 Slack 提及机器人来启动任务，并在 Slack 线程中审批高风险操作
- 为每个任务创建独立 Linux 沙箱，执行浏览器操作、终端命令和代码任务
- 将公司知识库、团队记忆、技能文件和 GitHub 仓库上下文注入到 Agent 工作流中
- 生成和编辑 DOCX、XLSX、PPTX、PDF 等办公文档
- 构建团队内部可审计的 AI 自动化平台，所有运行过程以事件日志持久化到 Postgres
- 把 Claude Code、Codex、OpenCode 等不同引擎统一到同一 UI、事件协议和工具网关下
- 自托管一个支持隔离沙箱、凭证保护、审批流和制品交付的 AI 工作平台
05
部署与配置
- 安装 Bun 运行时。
- 准备 Postgres 16+ 数据库，并启用 pgvector 扩展。官方示例可使用 pgvector/pgvector:pg16 Docker 镜像。
- 启动数据库示例命令：docker run -d --name useagent-pg -p 5432:5432 -e POSTGRES_HOST_AUTH_METHOD=trust pgvector/pgvector:pg16
- 设置环境变量 DATABASE_URL，例如：export DATABASE_URL=postgres://postgres@localhost:5432/postgres
- 分别进入 packages/agent-harness、packages/artifact-workspace、packages/agent-client、packages/artifact-formats、packages/sandbox-contract、packages/conformance、packages/cli、backend、frontend 等 workspace 执行 bun install --frozen-lockfile。
- 启动后端：bun run dev:backend，默认 API 和编排服务运行在 :3201。
- 启动前端：bun run dev:frontend，默认 UI 运行在 :3400，并将 /api/* 代理到后端。
- 可运行 bun run typecheck 对所有包进行类型检查。
- 生产或自托管部署可参考 infra/self-host/，使用 deploy-app.sh 部署到任意 Linux 主机。
06
风险与注意事项
- 项目当前明确标记为 Alpha，API、数据库 schema 和部署方式可能发生破坏性变化。
- 部署复杂度较高，需要同时理解 Bun、Postgres、pgvector、沙箱运行时、LLM 凭证、Slack/GitHub/OAuth 集成等组件。
- AGPL-3.0 许可证对商业闭源集成有较强约束，若用于专有软件、OEM 或白标产品，可能需要商业授权。
- AI Agent 能执行代码、访问工具和生成 PR，若审批、权限和沙箱隔离配置不当，可能带来安全风险。
- 依赖外部模型服务或订阅，例如 Claude、Codex、OpenRouter 等，成本、速率限制和可用性需要评估。
- 自托管沙箱、浏览器桌面、录屏和制品渲染可能消耗较多计算、存储和网络资源。
- 国内团队使用部分模型、Slack、GitHub 或外部服务时，可能遇到网络访问、合规或账号限制问题。
- 当前星标数量不算非常高，生态成熟度、社区支持和长期维护情况仍需观察。
2026-09-04
第25名
新收录 · github_search
