Avernet 多智能体协作平台
为持久、多运行时智能体提供组织级连接、协调与执行基础设施。
按维度查看评分与理由
证据显示 CI 仅授予 contents:read，示例玩家技能禁用工具，身份、权限、认证失败和秘密泄露路径也有针对性测试；架构与两类集成路径提供了基本数据流说明。扣分在于权限仍标为 Partial，安全为 Planned，审计尚在进行中；未见平台级用户确认机制、完整敏感数据生命周期、依赖漏洞扫描或系统级回滚方案。外部调度和会话完成效果较明确，但恢复证据主要限于游戏状态与所宣称的 Pack 版本。Apache-2.0 来源明确，但发布者身份和正式归属链未得到所给文件充分确认。
README 的能力状态、演示边界与测试中的状态机约束总体一致；CI 覆盖 Rust 架构检查和 Node 构建、检查、测试，安装入口及依赖文档也被列出。扣分在于所给材料没有依赖清单细节、支持矩阵或 CI 结果，无法静态确认全部组件可用。失败消息处理表现突出：认证、禁止访问、不可读权限、名单变化、无效成功响应和连接失败均有区分，并避免回传私密诊断。
项目明确面向组织级、多代理、异构运行时及人机协作，并提供插件和网关两种接入方式。能力边界尤其清楚，逐项区分 Available、Partial、In progress 与 Planned，且明确演示不覆盖规模、权限隔离、审计深度和故障恢复。扣分在于触发精度的强证据主要来自一个卧底游戏配置而非整个平台；环境适配虽涵盖本地脚本、Docker、外部平台和固定 Python 版本，但缺少更完整的操作系统、部署拓扑及兼容性说明。
README 结构清晰，包含快速开始、架构、集成、仓库布局、文档索引、安全提示和中英文入口；已提供基本安装步骤、演示与多个指南链接。已知限制和公开覆盖状态说明充分，完整 Apache-2.0 许可证与元数据一致。扣分在于项目名称 Avernet、包名 ocb 和组件名 BCS 并存，命名迁移关系未解释；没有可见 FAQ、版本发布策略或 changelog；维护者、支持渠道、贡献和升级责任仅能从仓库组织名弱推断，且发布者未经注册验证。
工作台、五个本地测试机器人、结构化协调流程及机器可读 JSON 错误使输出具备普通评估和集成用途；相较孤立代理，其发现、路由、团队形成、编排和评估组合具有合理增量价值。扣分在于生产成效和 90%+ 完成率只是 README 声明，且若干关键能力尚未公开；未提供资源消耗、运维负担、延迟、规模或成本数据，因此成本收益只能获得有限支持。
能力状态、架构、安装入口、许可证、CI 定义及若干安全和状态机行为可追溯到具体文件；README 主张与测试、工作流在部分领域相互印证。扣分在于内部生产部署、12 个业务组和 90%+ 完成率没有随附报告、数据或第二来源，且部分链接文档内容未提供。事实与推断分离做得较好：公开可用、部分开放、计划中和演示限制被显式区分，没有把未公开的生产能力直接等同于仓库能力。
- 不要将“在蚂蚁集团生产验证”、覆盖 12 个业务组或 90%+ 完成率视为已独立验证；所给材料没有指标定义、样本量或报告。
- 公开版本的权限仅为 Partial，安全和治理仍为 Planned，审计与生命周期功能仍在开放中；敏感或高权限工作负载部署前应进行独立威胁建模与权限审查。
- 依赖安装步骤包含系统包、Rust 工具和 npm 包，但未显示漏洞扫描或供应链策略，且 Node CI 明确使用 --no-audit。
- 缺少平台级回滚、灾难恢复、版本兼容和升级责任说明；生产采用前应验证恢复目标与维护路径。
这个 Agent 能做什么，适合哪些场景？
Avernet 是一个可自托管的开源基础设施层，用于运行持久、异构且相互协作的多智能体系统。核心 Avernet/BCS 层负责连接、注册、路由、消息投递、会话、协作状态和多机器人网络管理，前端工作台则提供交互入口。智能体既可通过插件或 /ws/bot 运行时主动接入，也可由 Avernet 向现有机器人平台的下行网关派发任务，再接收调度结果和回调。公开仓库还包含 AgentEvolve 的诊断、Bench 评测、优化和可恢复 Pack 版本，以及 TaskGuard 工作流编排。推荐的本地启动方式会运行 Avernet 进程、前端工作台和 5 个本地测试机器人；公开演示并不代表其完整生产规模能力。
端到端流程从机器人或智能体接入开始：插件模式或 /ws/bot 运行时向 Avernet/BCS 执行 connect、register、receive 和 report；BCS 随后维护连接与注册信息，完成发现、关系建立、团队组建、路由、消息投递、会话和协作状态管理。对于已有机器人平台，BCS 通过下行网关执行 dispatch 和 schedule，外部平台完成运行后再 callback 并报告结果。bcs-cli/tools 用于 onboard 和 inspect，前端 workbench 用于人工交互。AgentEvolve 可进行机器人诊断、可重复 Bench 评测、目标或诊断驱动的优化，并生成可恢复的 Pack 版本；TaskGuard 提供工作流编排。
- 需要在一个自托管环境中同时运行多个本地机器人，并通过统一工作台验证注册、发现、路由和协作流程的研发团队。
- 已有 OpenClaw、本地智能体运行时或自定义机器人进程，希望通过插件方式加入统一协作网络的集成团队。
- 运营多实例机器人服务或外部调度系统，需要由中心平台派发任务并在完成后接收回调结果的平台团队。
- 需要对机器人进行诊断、重复 Bench 评测和目标驱动优化，同时保留可恢复 Pack 版本的评测与改进团队。
- 需要把人工参与、异构运行时和长期多智能体协作放进同一基础设施边界的组织。
这个 Agent 有哪些优点和局限？
- 同时提供插件接入和网关接入，可连接主动上线的本地运行时，也能保留已有机器人平台的调度体系。
- 协调层覆盖发现、关系、组队、路由与协作，而不仅是单次任务执行。
- 推荐本地脚本可一次启动后端、前端工作台和 5 个测试机器人，便于复现公开演示。
- AgentEvolve 将诊断、可重复评测、优化和可恢复版本纳入同一项目；TaskGuard 提供工作流编排。
- 项目声明已在蚂蚁集团生产环境中使用；截至 2026 年 7 月初覆盖 12 个业务群，测量的多智能体工作流任务完成率超过 90%。
- 公开能力与内部生产能力并不完全一致；权限仅部分公开，审计和生命周期仍在开放中，安全与治理处于计划状态。
- 上下文和记忆仍为计划能力，因此 README 所述的组织记忆愿景尚不能全部由公开仓库实现。
- 容器支持仅为部分公开、集群支持仍属计划，面向大规模生产部署时需要额外验证。
- 公开演示明确不覆盖大规模连接、权限隔离深度、审计深度、故障恢复或长期组织协作。
- 材料没有列明运行时版本、认证配置、容量指标或具体故障处理保证，正式采用前需要自行验证。
如何安装或部署这个 Agent？
需要能够使用 shell、Git、网络和本地文件系统。来源未规定具体操作系统、语言运行时版本或凭据，也未说明推荐脚本依赖哪些预装工具。执行：
git clone https://github.com/inclusionAI/Avernet.git
cd Avernet
./scripts/singlebox.sh install-tools
./scripts/singlebox.sh仓库另有 Docker 部署路径，但给出的材料未包含可直接复制的 Docker 命令，因此不能确定 Docker 是否是推荐脚本的硬性依赖。
如何使用这个 Agent？
启动完成后，在浏览器打开 http://127.0.0.1:8000/。本地栈包含 Avernet 进程、前端工作台和 5 个测试机器人，可用于体验本地接入、工作台交互与协调流程。接入真实系统时，可为 OpenClaw、本地运行时或自定义机器人进程采用插件集成，让其完成注册、接收消息和报告结果；也可采用网关集成，由 Avernet 向现有机器人平台派发任务，并等待平台调度完成后回传结果。来源没有给出具体 API 请求样例、环境变量或认证配置，生产接入还需依据对应集成文档补全。
这个 Agent 与同类方案有什么区别？
相较于孤立的单智能体演示，Avernet 面向多个持久智能体之间的发现、组队、路由和长期协作；相较于绑定单一智能体引擎的方案，它通过插件运行时和平台网关接入异构系统。不过，其公开演示和部分公开组件尚不能证明所有生产规模特性。