介绍
Ankole 是开源的 AI Workforce OS。它让 AI Agent 成为自主劳动力：承担岗位职能并接受考核。
给 Agent 一项投研职能，再定义授权边界、工具和绩效指标。它会持续维护假设、产出报告、跟踪判断，并用后来的真实结果复盘。
Copilot 等待人的下一条指令，因为工作仍由人负责。Ankole Agent 在职能范围内负责下一步行动，只在审批、例外和问责边界回到人。
自主劳动力与 Copilot 的区别
- 业务职能，不是聊天人设。 每个 Agent 都有持续承担的职能、明确交付物、工作上下文和结果指标。
- 考核结果，不考核忙碌。 工作由真正影响业务的数字衡量，例如收益、风险、排名、通过率或单位成本。
- 自主闭环，不是下一步建议。 Agent 负责规划、工具调用、跟进、故障恢复和交付。
- 授权有明确边界。 身份、AuthZ、审批点、审计记录和升级路径定义 Agent 能做什么。
- 长时工作，不是一次请求。 会话可以连续运行数小时或数天，接收新信息，从故障中恢复，并保留工作上下文。
自主工作依赖准确的当前上下文。Ankole 按时间和来源记录规则、决策、纠正与结果，而不是把所有旧消息都当成同样有效的事实。
Brain 会淘汰过时规则、裁决矛盾，并用后来的真实结果检验过去的预测。每次执行都从更准确的工作认知开始。
一个实例包含哪些部件
在阅读后续文档时，你会频繁遇到以下核心概念：
| 部件 | 说明 | 详见 |
|---|---|---|
| Agent | 具备明确使命、授权、工具、记忆与对外身份的工作主体。使命与交付标准通过配置文件定义，可随时调整。单套部署支持运行多个 Agent。 | Agent |
| 会话（Session） | 长时执行单元，也是上下文、工作区状态、动态干预（插话）、取消与恢复的交汇点。 | Actor 运行时 |
| 信号路由规则 | 把指定 Agent 连接到某个信号源，并定义它在该场景中的行为边界。 | 信号路由规则 |
| 后台任务 | 从会话派发出的长时任务（可连续运行数小时），完成后自动回到原频道提交交付物。 | Background Agent Jobs |
| 记忆 | 包含频道规则与长程记忆。后者构建了一个动态世界模型：基于经验做出预测，再由真实结果予以校正。 | 记忆、Brain |
| 技能 | 针对特定工作的标准作业程序（SOP）。Agent 可主动提出改进方案，经人工批准后在下一会话生效。 | Skills |
| 主体（Principal） | 人员、Agent 和系统服务在 Ankole 中使用统一的身份，权限与审计由运行时统一管控。 | 主体与 AuthZ |
| Agent Computer Worker | 执行基座：负责运行 LLM 循环、工具调用、文件管理、终端状态与流式输出。 | Agent Computer Worker |
此外，Agent 还可以通过 Deep Research 完成长时间、多来源调研，也可以通过浏览器自动化操作真实网页。
它能承担哪些业务职能
Ankole 适合可以数字化完成、能产出可检查交付物、并有明确结果指标的工作。
例如，效果广告投放按增量 ROAS 考核，交易按风险调整后收益考核，SEO 按关键词排名变化考核，专利申报按授权率考核。
计量单位是业务职能，不是 Agent 数量。多 Agent 协作只是实现方式，不是产品价值。
共同契约是：定义职能，授予有边界的权限，让 Agent 自主工作，再用结果考核。
当前状态
Ankole 是一套完整且可自托管的 AI Workforce OS，已在生产环境实际运行，但目前仍处于早期阶段。控制面、Agent Computer Worker、内核及运维控制台已实现端到端可用。
当前公共 API 暂无兼容性承诺。版本迭代中可能包含破坏性变更（Breaking Changes）。