跳到正文

面向 AI Agent:文档索引位于 https://ankole.agentbull.com/zh-Hans-CN/llms.txt。

Ankole
开源 · 企业自托管 · 企业级

企业级 Agent Harness配备公司大脑

Ankole 是面向企业的开源 Claude Tag 替代方案。公司大脑提供共享知识,实时信号触发工作,企业权限限定操作范围,实际结果更新后续决策。

投研9 人
  1. 周远14:02

    周期股要覆盖完整周期,3 年窗口太短

  2. 林书宁14:03

    同意,至少看 7 年

Ankole 自动从团队对话中提取了一条公司规则

三天后

  1. Bob09:41

    @Ankole 做一版有色金属板块估值

  2. Ankoleagent09:41

    好。按照这个群三天前确定的规则,周期股估值采用 7 年数据计算分位。

    有色板块估值.pdf14 页 · 已校验
  • 进程故障后可恢复的 Agent
  • 获授权的 Agent 共享企业上下文
  • 企业身份、权限和审计
  • Apache 2.0 许可证

01公司大脑

团队规则进入公司大脑

公司大脑从对话、资料、纠正记录和实际结果中提取企业知识,并根据新信息更新这些知识。获授权的 Agent 使用同一份当前知识。

公司大脑 · 投研规则4 条

  1. 07-14周期股估值使用 7 年数据计算分位两名同事在群聊中确定
  2. 07-19报告先给结论,并说明风险根据退回意见修正
  3. 07-22数据缺失时明确说明,仅使用观测值根据事故复盘写入 Skill
  4. 07-25分别评估港股和 A 股根据一次人工纠正更新

公司大脑如何管理规则

向量数据库按相似度检索消息片段,可能同时返回当前规则和被当前规则取代的旧规则。

Ankole 记录每条规则的适用时间,并将结论与时间、来源、持有者和置信度关联。系统将多次纠正归纳为更明确的规则,并将预测与检验预测的实际结果关联。

下一次决策使用当前企业知识。实际结果可以更新后续工作所用的知识。

Ankole 使用自身代码库检验公司大脑

一个 Agent 使用同一套 Brain、工具和工作规则维护 Ankole 仓库。纠正和实际结果会更新后续维护所需的上下文与流程。

02Harness

模型需要完整的执行系统

模型负责推理。Harness 管理模型可见的上下文、可执行的操作、任务恢复方式和结果反馈。

  1. 01

    当前企业上下文

    Ankole 根据当前决策组装企业知识、实时信号、参与者、历史判断和可用权限。

  2. 02

    判断附带证据

    系统保留证据、不确定性、竞争假设和信息缺口,供人工复核。

  3. 03

    实时信号触发工作

    消息、计划任务、Webhook 和外部事件发生时,会唤醒负责该工作的 Agent。

  4. 04

    进程故障后恢复工作

    系统保存长任务状态、已提交结果、纠正记录和投递历史,并在进程故障后恢复同一任务。

  5. 05

    运行时执行权限规则

    身份、AuthZ、审批节点、审计记录和升级路径限定 Agent 的操作范围。每项权限由企业授予。

03决策系统

从信号到可验证判断

Ankole 更新企业上下文、检验假设、调用已连接的工具,并将结果用于下一次决策。

长任务持续执行

长时研究、定时检查和后续复核在聊天结束后继续。进程发生故障后,系统从持久状态恢复同一任务。

公司大脑提取隐性知识

公司大脑从日常工作中提取规则、偏好、被否决的方案和隐性知识。

公司大脑维护当前企业知识

Brain 保存来源、时间、持有者、置信度、冲突和可见范围。新证据会更新当前判断,并保留判断历史。

Deep Research 检验竞争假设

系统独立收集证据、比较竞争假设、分层复核并记录证据缺口,随后生成带引证的决策简报。

Agent Computer 执行工作

Agent 使用浏览器、终端、文件、脚本和外部工具开展调查并执行获准操作。

人工纠正更新工作规则

反复出现的问题和人工纠正可以形成适用范围明确的 Skill Lesson。人工审核每条 Lesson,并决定批准、拒绝或停用。

独立上下文降低错误之间的相关性

Workflow 将一项决策分别交给多个 Agent。每个 Agent 使用独立上下文。系统校验结构化结果后再合并。独立上下文可以降低错误之间的相关性。

运行时执行权限

运行时使用企业身份、条件式 AuthZ、审批、审计和渠道边界约束每项操作。

04决策

用证据检验决策

行业研究、产品与市场选择、深度数据分析都使用证据和实际结果检验假设。

  1. 行业研究

    证据图谱、竞争假设和带引证的决策简报

    后续事件用于检验预测和假设

  2. 产品与市场选择

    需求证据、情景模型和排序后的方案

    销量、库存与预测误差

  3. 深度数据分析

    可复现分析、因果假设和决策选项

    实际业务结果和模型误差

生成流畅文字很容易。每项决策都必须接受证据和实际结果的检验。

05企业级运行时

企业任务在进程故障后继续执行

Actor 保持任务身份,OTP 隔离故障,ZeroMQ 传递实时控制,Worker 可以替换,PostgreSQL 保存任务状态。

  1. 01

    会话在进程重启后保持同一身份

    每个活跃会话都是 Virtual Actor,包含地址、状态、信箱、生命周期和恢复点。

  2. 02

    OTP 把故障隔离在单个执行分支

    OTP 监督树隔离卡住、超时或崩溃的执行分支。Ankole 从持久状态恢复该执行分支,其他工作继续运行。

  3. 03

    实时控制作用于运行中的 Agent

    Agent 执行期间,Rust 内核和 ZeroMQ 传递唤醒、引导、取消、检查点、流式输出和背压。

  4. 04

    每个 Agent 使用独立工作环境

    Agent Computer 运行模型循环、工具、浏览器、文件、终端和脚本。Worker 本地状态可以重建,PostgreSQL 保存已确认的企业事实。

  5. 05

    已提交工作在进程故障后仍可恢复

    PostgreSQL 保存消息、回合、提醒、决策、投递状态和已提交操作。流式输出报告进度;持久记录标明已完成的工作。

06运行

运行完整的 Agent Harness

单机实例可以在 Linux、macOS 或 Windows 上使用 Docker Compose 启动。企业部署使用 Kubernetes,开发环境也可以直接从源代码运行。

Docker 可运行 Linux 容器时,这套 Compose 配置可在 Linux、macOS 或 Windows 上启动。配置包含 PostgreSQL、一个 Worker 和 Caddy HTTPS。

bash
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

给公司一个大脑

Ankole 在企业控制的基础设施上运行。获授权的 Agent 使用同一份持续更新的企业知识。