跳到正文

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

Ankole
开源 · 自托管 · 从一人公司到大型企业均可部署

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。

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

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

  1. Bob09:41

    @Ankole 做一版有色金属板块估值

  2. 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。

  1. 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

  2. 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

  3. 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

  4. 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

  5. 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

  6. 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

  1. 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
  2. 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
  3. 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
  4. 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。

  1. 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。

  2. 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。

  3. 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。

  4. 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。

  5. 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。

  1. 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。

  2. 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。

  3. 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。

  4. 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。

  5. 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。

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

为你的团队装上一颗公司大脑

在自有基础设施上托管 Ankole。企业上下文存储在自己的服务器上,模型与搜索请求只发送给你配置的 Provider。