QM 是一个面向企业/创业团队的多人 AI Agent 工作平台（TypeScript/Node.js），支持 Slack 与 Web 两种使用入口。它不是单人助手，而是为组织内每个员工、频道、群组或项目提供隔离的工作空间、记忆、文件、密钥视图、权限、定时任务、Web 应用和持久化沙箱。项目核心是一个 Headless Agent Core，可接入不同的 Agent harness 和模型，例如 Pi、OpenCode、Codex、Claude Code，避免绑定单一模型或供应商。数据持久化主要依赖 Postgres，HTTP 服务基于 Fastify，Slack 插件基于 Bolt，Web UI 使用 Vite 和 Lit。
适用领域
企业 AI Agent 平台 / 多人协作 AI 助手 / Slack Bot / 协作机器人 / 内部工具与自动化 / AI 编程助手集成 / 知识库检索与企业记忆 / 定时任务与后台工作流 / 安全沙箱与权限管理 / 开发者平台 / Internal Developer Platform
配置难度
高。该项目不是简单库或单体应用，而是企业级 AI Agent 平台，需要理解 TypeScript/Node.js、Fastify、Slack Bolt、Vite/Lit、Postgres、云部署、沙箱隔离、权限模型、AI harness 和模型接入。适合有后端、DevOps、安全和 AI 工程经验的团队评估与部署。
商业价值
较高。QM 的核心价值在于把 AI Agent 从个人工具升级为组织级协作基础设施：员工可拥有个人助手，团队可在 Slack/项目频道中共享上下文，Agent 可访问企业知识、执行代码任务、构建内部应用并运行后台自动化。对于研发密集型创业公司，它有机会提升知识检索、内部工具开发、项目跟踪、代码维护和日常运营自动化效率。由于支持私有化部署、自选模型和组织级安全策略，也更适合对数据控制和供应商锁定敏感的团队。不过商业落地价值高度依赖企业内部数据接入质量、权限设计、运维能力和员工实际采用率。
01
技术亮点
- 面向多人协作设计，而不是简单的个人 AI 助手包装。
- 每个人、每个房间、每个项目拥有隔离的记忆、文件、密钥视图、权限、定时任务和持久化沙箱。
- 同时支持 Slack 和 Web，身份与配置可跨入口复用。
- 核心层不绑定具体模型或 Agent harness，可在 Pi、OpenCode、Codex、Claude Code 等之间切换。
- 支持组织级管理能力，包括模型开放范围、安全姿态、权限和技能推广。
- 支持后台任务、crons 和 watches，可让 Agent 在无人值守时持续工作。
- 支持内部 Web 应用生成与发布，适合构建企业内部工具。
- 部署设计强调开源和私有化，可运行在组织自己的云账号中。
- 安全模型较明确，提供 Strict、Auto、Dangerous 三种姿态，并有命令策略兜底。
- MIT License，商业使用和二次开发限制较少。
- 项目关注度较高，已有 4400+ stars 和 400+ forks，说明社区关注度不错。
02
目标用户
- 希望在公司内部部署 AI Agent 的创业公司和中小型技术团队
- 需要把 AI Agent 接入 Slack、Web、项目频道和内部知识库的团队
- 希望员工各自拥有隔离 AI 工作空间，同时又能在频道中协作的组织
- 需要私有化部署、可控权限、安全审计和自有云环境的企业
- 需要让 AI 读写代码仓库、运行测试、开 PR、监控 CI 的研发团队
- 希望构建内部 AI 应用、自动化邮件/文档/数据库检索的运营和产品团队
- 熟悉 Node.js、TypeScript、云部署、Postgres、Slack App 配置的工程团队
03
配置要求
- Node.js 与 npm 环境
- Postgres 数据库，用于保存 sessions、memory、queue 等持久化数据
- 组织 slug 与部署目录配置
- 目标部署平台配置，目前 README 示例提到 fly 或 aws
- 至少一种 Agent harness / 模型后端配置，例如 Pi、OpenCode、Codex 或 Claude Code
- Web 登录配置
- 连接器凭据，例如内部文档、邮件、数据库或其他服务的访问凭据
- 可选 Slack App 配置，包括 Slack Bot、OAuth、事件订阅等相关凭据
- 沙箱镜像、工具、技能和权限策略配置
- 安全策略配置：Strict、Auto 或 Dangerous
- 内容筛查/分类器配置，Auto 模式下可指向自有 screening proxy
- 命令执行策略配置，包括审批规则和破坏性命令硬拒绝规则
- 组织级 admin 配置，包括可用 harness、模型、权限、安全姿态和技能发布策略
04
适用场景
- 在 Slack 频道、群聊或项目空间中与共享 AI Agent 协作，跟踪项目进展并自动发布更新
- 为每位员工提供独立 Agent 工作区，包含自己的记忆、文件、密钥、权限和持久化沙箱
- 搜索公司内部笔记、邮件、文档、数据库和 Web 信息，形成企业知识问答入口
- 让 Agent 在现有代码仓库中运行测试、修改代码、打开 Pull Request、查看 CI 和系统日志
- 构建、发布和维护公司内部小型 Web 应用，并按权限分发给合适成员
- 根据历史邮件或文字内容学习个人写作风格，定时整理收件箱、打标签和生成回复草稿
- 通过 crons 和 watches 让 Agent 在后台持续执行任务，例如监控项目、同步数据、生成报告
- 在组织自有云账号中部署 AI Agent 平台，接入自选模型、沙箱镜像、连接器和安全策略
05
部署与配置
- 准备 Node.js/npm 环境、Postgres、目标云环境账号，以及可选的 Slack App 凭据。
- 创建一个由组织拥有的部署仓库，而不是直接在生产中使用源代码仓库。
- 在部署仓库中运行初始化命令：npm exec --yes --package=@yc-software/qm@latest -- qm init . --org <slug> --target <fly-or-aws>
- 执行 npm install 安装依赖。
- 根据初始化向导配置基础设施、Web 登录、连接器凭据、可选 Slack 接入、模型和 harness。
- 阅读并补充 .env.example 中所需环境变量。
- 根据 deployment.md、docs/getting-started.md、cli/README.md 和 docs/deploy-directory.md 完成部署目录配置。
- 执行部署与在线验证，确认 API、Web UI、Slack 插件、Postgres、沙箱和 Agent loop 正常工作。
- 如果需要深度私有定制，可创建私有普通克隆仓库，而不是使用 GitHub Fork 功能，并将组织相关配置放在 deploy/layers/<org>/ 下。
06
风险与注意事项
- 系统复杂度较高，涉及 Agent core、Slack、Web UI、Postgres、沙箱、权限、模型、云部署等多个组件，不适合没有基础设施能力的团队直接上手。
- README 明确建议以组织部署仓库或私有普通克隆方式使用，说明生产部署并非一键式 SaaS，运维成本需要自行承担。
- Agent 会以用户身份使用其凭据和权限执行操作，虽然有审计和策略，但仍需严格设计权限边界，避免误操作或数据泄漏。
- Dangerous 模式风险很高，不建议在生产或敏感环境中启用。
- Auto 模式依赖内容筛查/分类器，对提示注入、恶意外部数据和工具输出污染的防护效果取决于具体实现。
- 持久化沙箱中工具和登录状态会保留，如果隔离、清理和审计不到位，可能产生横向访问或密钥暴露风险。
- 需要妥善管理 Slack、云账号、数据库、模型 API、内部系统连接器等大量密钥。
- 项目贡献模式较特殊，接受 human-written text 而非直接代码 PR，外部开发者想直接提交代码可能不符合维护者流程。
- 如果采用私有克隆方式，需要处理上游同步、CI secrets、工作流禁用和组织敏感信息隔离问题。
- 作为 AI Agent 执行平台，可能产生不可预测输出、错误代码修改、错误自动化决策或高额模型调用成本。
2026-08-05
第1名
新收录 · github_search
2026-08-04
第1名
新收录 · github_search
2026-08-03
第2名
新收录 · github_search
2026-08-02
第2名
新收录 · github_search
