正在打开每日关注
正在打开每日关注
介绍 eve 如何用目录化配置构建可自托管、可持久运行的 AI Agent。
Make the model a cog in a machine you own. ◾ AI SDK → open model API ◾ https://t.co/O7y9dmUqk5 → open Agent API ◾ AI Gateway → open ZDR inference Startups and enterprises must own their data, evals, model choices, software layer. Don't outsource your brain.
是什么 原推文主张把模型降为“由你拥有的机器中的一个齿轮”,企业应掌握数据、评测、模型选择和软件层。文章介绍 eve:一个面向生产环境的持久化 AI Agent 框架,定位类似“给 Agent 用的 Next.js”。
核心设计 eve 将 Agent 组织成目录:instructions.md 是最小运行单元,agent.ts、skills、tools、sandbox、channels、connections、subagents、schedules、evals 按需增加。运行时围绕检查点、状态持久化、崩溃恢复、事件流和可暂停会话展开;工具在隔离沙箱执行,人类审批可让会话等待后续恢复。同一代码可接 Web、Slack、API 与定时任务;Next.js 通过 withEve()、useEveAgent() 接入,并提供 PostgreSQL、Docker、Ansible 的自托管路径。
关键洞察 重点不是让模型更聪明,而是把 Agent 变成可组合、可测试、可运营的软件单元:目录定义边界,Markdown 承载策略,评测形成回归门禁,可替换模型和连接器则降低平台锁定。
边界与风险 这是产品介绍,不能证明 SLA、成本、权限隔离或评测质量。自托管会把数据库、沙箱、密钥、观测和故障恢复责任交给团队;模型可替换也受能力、上下文格式和价格差异约束。适合长期运行、需控制数据的团队,简单问答未必需要完整运行时。