内置公司大脑的开源 Agent Harness
Ankole 将 Pod 数字总部(协作文档、分片多维表、React 小应用与 Pod Chat)同每位成员的专属个人助理及专业 AI 同事融为一体。依托 Meta Ankole 的公司大脑、Skills 与统一连接器,它们既能在 Pod 内协作,也能直接在飞书、钉钉、企业微信、Slack 与 Microsoft Teams 中推进工作。
- 周远14:02
周期股要覆盖完整周期,3 年窗口太短
- 林书宁14:03
同意,至少看 7 年
没人专门叮嘱,Ankole 自己从群聊里记下了这条团队共识
三天后
- Bob09:41
@Ankole 做一版有色金属板块估值
- Ankoleagent09:41
好。按照群里三天前定下的口径,周期股估值按 7 年历史窗口计算分位。
有色板块估值.pdf14 页 · 已校验
- 长时任务遇到崩溃或重启也能原地恢复
- 自带 Pod 工作空间并打通外部 IM,不绑定单一模型
- 个人助理与 AI 同事分级授权,运行时严格鉴权
- Apache 2.0 开源许可
01典型场景
团队日常都会交给 Ankole 做什么
既可以在 Pod 文档、多维表、小应用与 Pod Chat 中发起,也能在飞书、钉钉、企微、Slack 或 Teams 里一句话交代。
每周整理一份行业动态
创建每周定时任务,定期抓取你指定的 9 个 X 账号动态,按主题归类汇总并排版生成 PDF。
每周五 17:00 准时把 PDF 发到 Pod Chat 或外部群里
修掉一个线上 Issue
委派研发 AI 同事通过统一的 GitHub 与 Linear 连接器,在后台启动 Codex 定位问题、编写修复并跑通测试。
提交经验证的 Pull Request,并把链接发回对话
同步台账并梳理本周进展
运行零模型小应用 Action 将飞书、GitHub 与 Linear 进展同步进分片多维表,再结合授权群聊归纳未闭环待办。
实时多维表记录、交互式 Pod 小应用视图与周度待办清单
做演示文稿或全文翻译
把一段文字提纲扩写成演示文稿,或将整份 PDF 翻译成目标语言。
可直接演示的 PowerPoint 或译文 PDF
核查一条市场传闻
启动 Deep Research 专项调研,分头搜集并权衡支持与反驳该传闻的一手证据。
附带完整出处链接的正反证据核查简报
按编制规则复算指数
拉取底层行情数据,严格照公开编制方案在 Jupyter Notebook 中重算指数序列。
复算序列与官方公布值的拟合对比图
写出漂亮话早已不稀奇;关键是每一次交代,最后都能落成经得起核验的成果。
02公司大脑
没人专门让 Ankole 背下那条「7 年窗口」规则
公司大脑从 Ankole 所在的投研群里捕捉到这项共识,记下出处和时间,等下次有人提估值需求时便自然用上。所有获授权的 Agent 都能共享这份实时演进的组织知识。
公司大脑 · 投研规则台账4 条
- 07-14周期股估值采用 7 年历史数据计算分位两位同事在群聊中达成一致
- 07-19报告开篇先给结论,并同步列出主要风险初稿打回修改后沉淀
- 07-22数据缺失时必须明示,严禁估算替代观测值事故复盘后写入 Skill
- 07-25港股与 A 股标的须分别独立估值经一次人工指正后更新
规则在公司大脑中如何演进
普通向量数据库只会按语义相似度召回零散消息,经常把早已作废的旧规矩和替代它的新规矩混在一起塞给模型。
公司大脑则把每条认知存为结构化断言(Claim),完整记录出处、时间、置信度、披露范围,以及持有该观点的成员或 Agent。有新证据时更新当前结论并保留演变历史;一旦出现前后矛盾,还会显式标出留待复核。
因此,每一次新任务都站在团队今天的最新认知之上:反复指正会让规则越磨越准,过往预测也会与真实结果闭环印证。
我们用 Ankole 自己的代码库实战检验公司大脑
本仓库日常就有一位 Ankole Agent 参与维护,它所用的公司大脑、工具链与权限规则跟企业部署版完全一致。日常评审中的每一次指正与测试结果,都会沉淀为后续维护的上下文与操作规程。
03Harness
只靠提示词加几个工具裸跑模型,每次接活都得从零开始
不知道团队上周刚定了什么规矩,拿到什么权限就一把梭,进程一挂之前干的活全白费——模型外围的 Harness,正是为了补齐这些工程短板。
- 01
记得住团队定下的规矩
Meta Ankole 的公司大脑会从 Pod 文档、分片多维表、群聊讨论与登记入库的网页链接中持续沉淀本体页面与断言。每条知识都留有出处、日期与披露范围;出现新证据时自动更新当前结论,同时完整保留历史脉络。
- 02
人工纠正与真实结果会反哺后续工作
基于真实后台任务轨迹,Dreaming 会自动激活带 7 天租期的技能警示(Skill 教训),避免重复踩进同类工具或流程坑;人工则负责维护长期警示与 Meta Ankole 共享 Skill。公司大脑还会在预测到期后自动与实际结果复盘比对。
- 03
事件一到,自动开工
聊天消息、定时计划、Webhook 与连接器事件既能唤醒负责的 Agent,也能直接在 Function Runtime 上触发零模型开销的已发布小应用 Action,执行确定性巡检与数据同步。
- 04
长时任务不怕进程崩溃
一项任务可以运行几小时甚至几天,中途仍可补充指令。Session 进程异常退出后,Ankole 会从 PostgreSQL 中已提交的输入、模型历史和工具回执恢复执行。
- 05
严格守在你授予的权限边界内
每位成员配有与自身协作权限一致的个人助理,专业 AI 同事则持有独立主体权限,支持 Peer A2A 跨 Agent 委派与 Action Card 审批。统一连接器将凭证安全托管在控制面,员工离职停用后名下任务与定时计划立即终止。
04核心能力
专为企业持续运转的日常工作打造
Ankole 是一整套企业数字总部与 Agent Harness,而非拼装开发库——自带 Pod 工作空间、Meta Ankole、统一连接器、Function Runtime 与专属 Agent 电脑。
关掉聊天窗口,活照样接着干
深度调研、定时巡检与零模型开销的小应用 Action 都会在后台持续推进;即便遇到进程重启,也能从 PostgreSQL 保存的断点无缝续跑。
跨越 Pod 与聊天渠道的共享记忆
Meta Ankole 从 Pod 文档、分片多维表、Pod Chat、外部企业 IM 及已登记链接中提炼业务规则、本体页面与已排除废案,让个人助理与 AI 同事始终基于最新事实协作。
按提问者权限精准裁剪可见知识
公司知识进入模型上下文前,公司大脑会先校验访问权限交集,在 Pod 页面、群聊与 Peer A2A 协作中严格守住受众披露边界。
Deep Research 多假设交叉求证
Deep Research 会在多个彼此隔离的上下文中分头搜集证据,对相互竞争的假设逐一检验,最终交付出处可查的研究报告。
每个 Agent 都配有一台独立电脑
专属 Linux 容器为每个 Agent 提供 /drive FUSE 统一云盘挂载、无头浏览器、终端、Codex 运行时、Skill 与控制面连接器,且持久 /workspace 主目录在容器重建和升级后完整保留。
Meta Ankole 技能库与租期教训
Meta Ankole 统一管理共享 Skill 以及 AGENTS.md 与 DESIGN.md 行为契约。Dreaming 会从真实任务轨迹中自动激活 7 天租期警示,人工则负责沉淀长期教训与标准规程。
Peer A2A 协作、Workflow 与小应用
个人助理可通过隔离的 Peer A2A 会话把专项任务委派给 AI 同事,Workflow 支持多独立上下文并行汇总,React + TypeScript 小应用则可在 Function Runtime 上运行零模型 Action。
请求、调用与交付全程留痕可控
PostgreSQL 记录已接纳的对话输入、模型调用与投递结果。Model Profile 默认配置支持 Agent 逐项覆盖,再配合单 Agent Token 配额管理模型开销。
05工作原理
进程故障后,企业级任务仍可恢复
Actor 持久身份、OTP 故障隔离、Worker 实时控制通道、可替换的计算实例与 PostgreSQL 事务,让长时任务可以从持久化进度恢复。
- 01
进程重启后,会话身份丝毫不变
每个活跃 Session 都作为 Virtual Actor 运行,拥有固定地址、持久状态、信箱和生命周期,并可从已提交的进度恢复。
- 02
独立监督每个 Session 的执行与恢复
Elixir/OTP 为每个 Session 监督独立的执行进程,隔离该进程内的故障,并在重启后从 PostgreSQL 恢复已提交的进度。
- 03
对运行中的 Agent 进行实时控制
每个 Worker 通过一条专属 Phoenix Channel 传输环境工具调用、Codex Job 控制指令、检查点与背压信号,而主对话循环始终稳态运行在控制面。
- 04
每个 Agent 独享可随时重建的工作环境
Agent Computer 负责运行 Shell 命令、Codex Job、无头浏览器、/drive FUSE 云盘挂载与持久 /workspace 文件,而确定性小应用 Action 则在 Function Runtime 上执行。Worker 进程状态可随时销毁重建,已提交的业务事实统一由 PostgreSQL 托管。
- 05
已提交的每一步都落在持久化账本上
PostgreSQL 可靠保存消息、执行回合、定时提醒、权限判定、投递意向与已提交动作:流式推送用于展示实时进度,数据库记录才代表真正落定的事实。
06立即运行
运行完整的 Agent Harness
单机环境可在 Linux、macOS 或 Windows 上通过 Docker Compose 一键拉起;生产环境推荐使用 Kubernetes 部署;本地研发也可直接从源码启动。
只要宿主机支持运行 Linux Docker 容器,即可在 Linux、macOS 或 Windows 上启动这套 Compose 编排——一次拉起 PostgreSQL、Function Runtime、控制面与 Caddy HTTPS,并由控制面按需为每个 Agent 创建专属 Worker 容器。
git clone https://github.com/AgentBull/ankole.gitcd ankole/tools/deploy/docker-composecp .env.example .envchmod 600 .envFill the required values in .env, then:docker compose pulldocker compose up -d