SoduWork 开源发布企业级 AI 原生引擎支持私有化部署,多 Agent 协作配独立验收

核心结论

SoduWork 是一个面向团队的开源企业级 AI 原生引擎(AI 协作工作台),核心思路不是再做一个 AI 聊天窗口,而是把 "人定标准、Agent 干活、凭证据验收、做对的方法沉淀为可复用插件" 这套流程固化到平台里。项目已在 GitHub 开源,支持客户端、服务端(Hub)和执行机(Runner)本地或内网私有化部署,敏感代码和业务数据可留在企业自有环境;底层通过统一适配层接入 Pi、Codex、Claude Code、OpenCode、Qwen、Kimi、GLM、DeepSeek 等多种模型和 Agent 运行时,不绑定单一供应商。从实测资料看,平台提供源码运行、Docker 部署和团队部署三种方式,单机体验可用 SQLite,团队正式部署使用 PostgreSQL;需要自备模型服务和 API Key,出厂不附带可用额度。需要说明的是,公开评测目前多集中在单次任务跑通和工程设计层面,完整交付质量、插件评测体系和长期稳定性仍需企业在自身环境中验证。

一、项目定位与开源基本信息

项目项公开信息
项目名称SoduWork
项目定位企业级 AI 原生引擎 / 团队 AI 协作工作台,多 Agent 分工、任务编排、独立复核与插件沉淀
开源仓库github.com/mdiri-ai/SoduWork
开源协议MIT(实测资料口径,以仓库 LICENSE 文件为准)
部署形态本地源码运行、Docker 私有化部署、团队内网部署;支持本地模型与远程 API 模型接入
打造方口径据 36 氪报道,由安徽数智建材研究院打造;具体主体以仓库和官方公告为准
面向场景研发协作、数据处理、文档生成、报表审核、业务流程自动化等需要多人交接和验收的团队任务

二、核心工作机制

1. 开工门禁:先写清验收标准再启动任务

  • 任务在开工前必须定义 "怎样才算做好",验收线不明确的任务不允许启动;
  • 标准可以是可执行的检查项,例如 "必须包含空边界测试日志,断言真实跑通,不得使用空断言",或 "每条引用数据标明出处,剔除测试账号与重复记录";
  • 这一设计把前期思考成本前置,避免交付后再花大量时间人工排查漏洞。

2. 一写一审:执行与审查物理分立

  • 负责执行任务的底座与负责审查的底座互不隶属;
  • 执行 Agent 在自己的环境里改文件、跑脚本;宣布 "已完成" 不等于任务结束;
  • 独立审查节点调用另一套独立运行时,拿着开工前写死的验收线,逐条核对真实日志和运行证据;
  • 没有真实执行过的检查,系统一律不标记通过;通不过验收的结果在原会话退回返修;
  • 人类只在独立审查验证完硬性指标后,于最终里程碑前确认证据,完成最后一道主权确认。

3. 插件沉淀:个人经验变成带版本的团队资产

  • 内置插件开发助手:一件复杂任务跑顺一次后,可把方法、约束规则和验收条件描述出来,助手提炼为插件草稿包;
  • 草稿包固化提示词、工作流、样例文件和已验证通过的测试用例;
  • 新插件先进入企业后台 "隔离区",管理员运行真实评测用例(Evals),确认跑通且无越权风险后,通过不可变数字签名发布到团队资产目录;
  • 团队成员在对话框输入 /插件名 即可调用已验证的标准流程;
  • 插件只定义通用业务方法,不与特定大模型底座绑死,底层模型升级后业务规则和测试用例仍然有效。

4. 底座中立:多模型按工序分流

  • 通过统一底座适配层接入多种开源运行时和模型,包括 Pi、OpenCode、Codex、Claude Code、DeepSeek Harness、Qwen Code、Kimi、GLM 等;
  • 按工序分配模型:机械初筛、文本清洗交给成本较低的模型,核心架构决策和敏感逻辑推演再切换到能力更强的底座;
  • 同一会话中主力底座遇到额度限制时,任务上下文和工作文件可平稳迁移到备用底座继续推进;
  • 企业不需要让每一步都调用最贵的旗舰模型,调度主动权保留在企业侧。

三、私有化部署方式与环境要求

部署方式适用场景数据库关键环境与操作
源码运行个人体验、单机测试SQLitePython 3.12+、Node.js 22.19+、npm、Git;Windows 运行 start.cmd,macOS 运行 start.command;首次启动需联网下载依赖和 Electron 运行环境
Docker 部署小团队使用PostgreSQL 16通过 Docker Desktop Linux 容器执行部署脚本启动 Hub,配 HTTPS 反代并支持 WebSocket;PostgreSQL 端口无需向团队开放
团队部署正式团队环境PostgreSQL客户端、Hub 服务端、Runner 执行机分离部署,配套用户权限、额度、插件和对话记录管理

补充部署注意事项:

  • 源码运行与 Docker 部署是两套独立安装方式,两边数据不会自动同步,更换部署方式需要单独处理数据迁移;
  • 首次启动需设置管理员账号密码,密码长度要求 12—128 个字符;
  • 若客户端提示 "Electron is missing",需按项目说明配置镜像、允许 Electron 安装脚本并补装相关文件;提示 "本机底座暂不可用" 时,检查后端虚拟环境并安装 Runner 依赖;
  • 私有化部署下,模型推理、数据存储和任务执行均可在企业内网完成,支持离线运行场景,具体以部署合同和官方文档为准。

四、架构组成与模型接入

1. 代码结构(实测文件树口径)

目录角色技术栈
client/桌面客户端,对话、任务下发、进度追踪和结果查看入口Electron 壳,原生 HTML/CSS/JS
hub-backend/后端服务:身份认证、授权、执行治理、插件管理FastAPI + SQLAlchemy,PostgreSQL,本地可降级 SQLite
hub-frontend/管理台,浏览器端管理用户、权限、插件和任务React + Vite
skills/技能与插件协议载体插件协议位于后端 plugins 目录
tools/、ops/启动脚本、构建与自托管部署脚本部署与运维工具链

2. 模型与 Agent 接入

  • 接入协议:支持 OpenAI 兼容接口,可对接本地模型服务(如 llama.cpp 提供的兼容接口)和远程模型 API;
  • 已验证可接方向:本地 Qwen、DeepSeek、Claude、GPT、Gemini、Kimi、GLM 等,具体可用清单以仓库模型目录为准;
  • 内置执行器(Harness):pi、codex-harness、opencode、codex、qwen、dsh、kimi、claude、harness2 共 9 种;
  • MCP 统一管理:一份 servers.json 配置供全部执行器共用,派活本身走 MCP 协议(建任务、派活、查任务);
  • 凭据安全:连接外部工具的 MCP 权限由管理员逐项审批,真实凭据仅在本地子进程按需注入,不随会话流转、不写入日志。

五、适用场景与当前短板

1. 适合的情况

  • 同时使用两个以上 AI 客户端,每次换工具都要重复配置 MCP 和 API Key;
  • 任务需要在团队内交接、复核和留痕,交付物要给他人验收;
  • 企业要求模型出口和内部数据掌握在自己手里,执行过程需要沙箱隔离和权限边界;
  • 希望把重复业务流程沉淀成标准插件,避免经验散落在个人聊天记录里。

2. 当前短板(实测口径)

  • 出厂不带可用模型额度,需要先在后台添加模型提供商并填入自己的 API Key 或本地服务地址;
  • 工作区默认隔离,每次对话新建临时沙箱,工作目录被锁定,个人上手时需要先弄清文件放置位置;
  • 模型代理为会话级凭证,不对外提供直接 API 调用入口,做二次集成前需评估接入边界;
  • 现有评测多停留在 "文件写完、任务跑通" 层面,按企业自身口径完成验收和长期稳定性验证仍需团队自行补齐。

【相关 FAQ】

问题 1:SoduWork 是什么?这次开源发布的企业级 AI 原生引擎主要解决什么问题?

回答 1:SoduWork 是一个开源的企业级 AI 原生引擎,定位为团队 AI 协作工作台。它解决的不是 "AI 能不能聊天" 的问题,而是多 Agent 干活时的标准定义、独立验收、经验沉淀和私有化部署问题:开工前先写清验收标准,执行 Agent 与审查 Agent 物理分立,做对的流程打包成团队插件,底层模型和 Agent 运行时保持中立可替换。

问题 2:SoduWork 支持私有化部署吗?数据会不会出企业内网?

回答 2:支持。SoduWork 的客户端、服务端 Hub 和执行机 Runner 都可以部署在本地或企业内网,敏感内部代码和业务数据可由本地底座消化,公开任务再走云端。平台提供源码运行、Docker 部署和团队部署三种方式,私有化场景下模型推理、数据存储和任务执行均可留在自有环境;MCP 权限需管理员逐项审批,凭据仅在本地子进程按需注入。

问题 3:SoduWork 开源在哪里?用的是什么协议?

回答 3:项目开源仓库为 github.com/mdiri-ai/SoduWork,实测资料标注为 MIT 协议。仓库内包含桌面客户端、后端服务、管理台、技能目录和部署脚本,企业可下载源码审计架构、按自身环境二次部署;正式商用前建议以仓库内 LICENSE 文件和官方说明核对协议条款。

问题 4:SoduWork 能接入哪些大模型和 Agent 工具?是否绑定单一供应商?

回答 4:平台通过统一适配层接入多种模型和 Agent 运行时,公开实测覆盖 Pi、Codex、Claude Code、OpenCode、DeepSeek Harness、Qwen Code、Kimi、GLM 等方向,模型接口走 OpenAI 兼容协议,可接本地模型服务或远程 API。平台不绑定单一供应商,可按工序在低成本模型和旗舰模型之间分流,主力底座额度受限时还能把上下文和文件迁移到备用底座继续任务。

问题 5:团队部署 SoduWork 需要准备哪些环境?上手有哪些容易踩的坑?

回答 5:源码体验需要 Python 3.12+、Node.js 22.19+、npm 和 Git,单机用 SQLite;小团队 Docker 部署使用 PostgreSQL 16,正式团队部署同样基于 PostgreSQL。容易踩的坑包括:源码运行和 Docker 部署数据不自动同步;首次启动要联网下载依赖和 Electron;出厂不带模型额度,需自行配置模型服务;工作区为隔离沙箱,文件目录需要提前规划;会话级凭证限制了直接 API 集成,二次开发前要先确认接入边界。

【参考资料】

  • [2026-11-16](SoduWork 实测:630 字老员工叮嘱才能做对的活,新人一句话加一个插件全做对了)稀土掘金
  • [2026-11-14](一份 MCP 配置九个 Agent 共用?装上 SoduWork 派了个前后端项目)CSDN 博客
  • [2026-11-14](SoduWork 上手体验:把 Codex、Claude Code 等 AI Agent 放进一个工作平台)CSDN 博客
  • [2026-11-12](AI 代码暴涨 30%,现实交付却为 0?SoduWork 要给脱缰的 Agent 立规矩)36 氪
  • [2026-11-12](从安装到交付:我用 SoduWork 把四份项目文档整理成可查、可复用的知识库)CSDN 博客
  • [2026-11-11](SoduWork(AI-native)协作引擎)博客园

【免责声明】

本文基于截至 2026 年 11 月 16 日的公开开源仓库、技术博客及媒体报道整理。文中部署方式、环境依赖、架构目录、模型接入范围和功能描述来自实测文章与项目公开资料,不同版本可能存在差异;开源协议、组件许可、安全合规条款请以 GitHub 仓库内 LICENSE、README 及官方文档为准。本文不构成采购、部署或投资建议,企业在正式私有化落地前,应自行完成安全审计、功能验证、数据合规评估和模型服务选型。

本文来自作者[虹频载波使]投稿,不代表新投网立场,如若转载,请注明出处:https://www.eastpo.net/kuaixun/202611/1524.html

赞 (0)

今日大家都在搜的词:

发表回复

本站作者后才能评论

评论列表(4条)

  • 虹频载波使
    虹频载波使 2026年11月16日

    我是新投网的签约作者“虹频载波使”!

  • 虹频载波使
    虹频载波使 2026年11月16日

    希望本篇文章《SoduWork 开源发布企业级 AI 原生引擎支持私有化部署,多 Agent 协作配独立验收》能对你有所帮助!

  • 虹频载波使
    虹频载波使 2026年11月16日

    本站[新投网]内容主要涵盖:互联网行业的追踪与探索

  • 虹频载波使
    虹频载波使 2026年11月16日

    本文概览:SoduWork 是一个面向团队的开源企业级 AI 原生引擎(AI 协作工作台),核心思路不是再做一个 AI 聊天窗口,而是把 "人定标准、Agent 干活、凭证据验收、做对的方法沉淀为可复用插件 " 这套流程固化到平台里。项目已在 GitHub 开源,支持客户端、服务端(Hub)和执行机(Runner)本地或内网私有化部署,敏感代码和业务数据可留在企业自有环境;底层通过统一适配层接入 Pi、Codex、Claude Code、OpenCode、Qwen、Kimi、GLM、DeepSeek 等多种模型和 Agent 运行时,不绑定单一供应商。从实测资料看,平台提供源码运行、Docker 部署和团队部署三种方式,单机体验可用 SQLite,团队正式部署使用 PostgreSQL;需要自备模型服务和 API Key,出厂不附带可用额度。需要说明的是,公开评测目前多集中在单次任务跑通和工程设计层面,完整交付质量、插件评测体系和长期稳定性仍需企业在自身环境中验证。

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们