Beevibe 团队智能体工作空间
让团队智能体共享任务、专业记忆与协作流程。
- Star 数
- ★ 346
- 最近更新
- 今天
- License
- Apache-2.0
- 主语言
- TypeScript
- FA 评分
- 54/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 兼容但需适配Claude CodeCodex(部分支持)
- 费用
- 软件免费,模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 需要将个人 AI 编码工作连接起来的软件团队,可让成员和智能体在同一工作区跟踪任务、负责人、审查和交接。
- 不适合
- 希望直接使用厂商托管 SaaS、无需自行部署服务的团队
- 不愿配置模型 API 密钥或在本地运行 CLI 的团队
- 源码审查
- 54/100 · 缺口较多
这个 Agent 能做什么,适合哪些场景?
Beevibe 是供团队成员与 AI 智能体共同工作的自托管工作空间,提供任务、所有权、审查、交接和升级流程。每个智能体有身份、领域、层级和有界记忆,并可在上下文不足时向其他专业智能体询问。Next.js 仪表盘通过 REST 和 SSE 与 @beevibe/api 通信;智能体通过 MCP 工具连接 API。Postgres 与 pgvector 保存共享状态、协作网络和记忆,本地 beevibe-daemon 在用户机器上启动 Claude Code CLI 会话。系统还包含 @beevibe/scheduler,为离线守护进程的协作请求提供服务端后备处理,并回收孤立会话。
团队通过 Web 仪表盘管理工作区、成员、智能体和任务。任务可分配给人员或智能体、生成子任务并进入审查;智能体在自己的领域内执行工作,记忆持久保存,遇到领域外问题时可通过 Mesh 请求其他智能体提供上下文或协商。@beevibe/api 提供 REST、SSE、MCP、/runtime 和 WSS 接口;本地 beevibe-daemon 认领会话并在本机启动 CLI。Postgres 与 pgvector 保存共享数据和可向量检索的事实;scheduler 在目标智能体守护进程离线时接手 Mesh 请求,并处理崩溃会话的孤儿回收。
- 需要将个人 AI 编码工作连接起来的软件团队,可让成员和智能体在同一工作区跟踪任务、负责人、审查和交接。
- 使用 Claude Code 的团队,可在每位用户自己的机器上运行 beevibe-daemon,让 CLI 使用本地工具、文件和令牌。
- 拥有多个领域专家智能体的团队,可让智能体在自身上下文不足时通过 Mesh 向另一位专家询问。
- 希望跨会话积累团队知识的工程团队,可使用智能体的核心记忆块及可向量检索的事实。
- 需要人工监督智能体工作的团队,可在仪表盘审查、重定向、修改、取消工作并处理阻塞事项。
如何安装或部署这个 Agent?
README 提供 Railway 一键部署和本地 Docker Compose 两种方式。Railway 会部署 Postgres、api、scheduler 和 web;用户仍需在运行 CLI 的机器上安装守护进程。部署后需为 api 和 scheduler 配置 ANTHROPIC_API_KEY 与 OPENAI_API_KEY,并设置 API CORS 来源和 web 构建时的 API URL。
git clone https://github.com/beevibe-ai/beevibe.git && cd beevibe
ANTHROPIC_API_KEY=sk-ant-… \
OPENAI_API_KEY=sk-… \
docker compose -f docker-compose.quickstart.yml up -d --build本地栈启动后,打开 http://localhost:3030。要派发实际 CLI 工作,还需在运行 Claude Code 的机器上安装并启动 daemon:
brew install beevibe-ai/tap/beevibe-daemon
beevibe-daemon setup --api http://localhost:3000 --user-token <bv_u_…>
beevibe-daemon start如何使用这个 Agent?
完成部署并启动本地 daemon 后,在 Web 仪表盘创建工作区、人员、智能体和任务;通过仪表盘分配任务并审查工作。daemon 使用配置的 API 地址和用户令牌认领会话,在本机启动 CLI。README 指出 bv_u_ 用户令牌由 pnpm provision-user 创建。
beevibe-daemon setup --api http://localhost:3000 --user-token <bv_u_…>
beevibe-daemon start这个 Agent 有哪些优点和局限?
- 任务、负责人、审查、交接和升级都在人员与智能体共享的团队工作区中管理。
- 智能体有持久身份和有界领域记忆,跨会话积累知识。
- 本地 daemon 在用户机器运行 CLI,保留用户自己的工具、文件和令牌。
- 提供 Mesh 智能体协作,并为离线 daemon 请求提供 scheduler 后备处理。
- 需要自行部署 Postgres、api、scheduler 和 web 等服务。
- Quick Start 要求配置 Anthropic 与 OpenAI API 密钥;模型 API 使用成本未在 README 中说明。
- 实际执行 CLI 工作需要在用户机器安装并运行 daemon,且需配置用户令牌。
- README 的实际 CLI 示例以 Claude Code 为主;虽提及 codex 和 opencode runtime,但未给出相应部署步骤。
这个 Agent 与同类方案有什么区别?
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Beevibe 团队智能体工作空间 当前 | 54 · 缺口较多 | 自托管服务免费 + 模型费 | ★ 346 | 今天 | TypeScript | Claude Code |
| OpenHuman | 51 · 缺口较多 | 桌面应用免费版 + 付费版 | ★ 42k | 今天 | Rust | — |
| Bitterbot 桌面端 | 39 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 2.5k | 今天 | TypeScript | OpenAI API · Claude API |
| Rho | 证据不足 | 命令行工具免费 + 模型费 | ★ 373 | 12 天前 | TypeScript | — |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
README 描述本地 daemon 使用用户自己的 CLI、工具、文件和 token,并说明人可 review、redirect、revise、cancel 和处理阻塞;架构也交代 API、Postgres、daemon 的数据与控制路径,因此这些方面有一定支持。权限粒度、密钥保护、依赖漏洞处理和外部操作的具体防护没有材料说明;取消有提及,但没有回滚或恢复流程。README、package 元数据和 DCO 工作流提供有限来源线索,但维护者身份与更新责任不够明确,故未给高分。
README 描述的 API、数据库、daemon 与 scheduler 分工一致,CI 文件展示构建、类型检查、lint 和测试流程,也列出 Postgres 与 API 密钥等依赖。未提供运行结果;CLI smoke test 明确不纳入 CI。故对文档一致性与依赖说明给中等分,失败信息与恢复处理缺少材料支持。
材料面向需要共享任务、记忆和 agent 协作的工程团队,说明了 bounded memory、跨域求助、人类升级及本地与托管部署路径。适用对象和组件边界较清楚,但何时触发 agent 间协作、各能力的操作条件和限制并未具体定义。
README 有清晰架构图、核心概念表和指向各 package 文档的链接;Quick Start、部署指引链接、具体命令及部分已知限制也可见。LICENSE 文件完整,Apache-2.0 标示一致。没有 changelog 或清楚的版本发布策略;package 仅显示 0.0.1,贡献说明提到 PR 和 DCO,但没有明确维护责任人或支持承诺,因此相关项目扣分。
共享 workspace、持久化 specialist、任务协作与人工审核提供了可理解的团队用途,README 也给出启动和 dispatch 的操作示例。实际输出质量及相对现有工具的增益没有静态证据;部署要求 Postgres、Node 服务、本地 daemon、CLI,以及 Anthropic/OpenAI API key,增加了设置和持续成本说明不足。
README 将关键架构和概念链接到 package 文档,CI 文件具体列出自动化质量与测试步骤;其中 CI 的 live 集成测试需要密钥,CLI smoke test 则被明确说明为手动运行。不同文件对主要组件和部署方式大体相符。项目能力主要由 README 陈述,缺少这里可审阅的实现与输出证据来交叉验证,因此不能把描述视为已证实表现。
- 这是基于所给文件的静态审查;未执行代码,也未独立验证 CI、测试或产品行为。
- 部署需要自托管数据库与服务、本地 daemon/CLI,以及 Anthropic 和 OpenAI API 密钥;部署与凭证保护的细节需查阅部署文档及实现。
- README 描述的人类审核和取消能力未提供实现证据;不要据此推断所有外部操作都需要确认或可回滚。