社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Git

GitHub 24k Star,一款开源的团队 Agent 协作神器火了!

Java知音 • 3 天前 • 36 次点击  

 

现在团队里用 AI 干活的人越来越多,但用法基本都是散装的,你在你的窗口里跑 Claude Code,我在我的窗口里跑 Codex,AI 干了什么、改了哪些东西、为什么这么改,只有当事人自己知道,过几天连当事人也忘了。

今天给大家介绍的一个非常火的开源项目——buzz,做的就是把这些散装的 AI 收进一个统一的团队协作空间里,人和 Agent 在同一个房间里干活,过程大家都能看见。

这是个什么项目

你可以先把它理解成一个自己部署的 Slack,频道、私聊、搜索这些东西它都有,界面也长得差不多。

但它真正的定位是团队 Agent 协作平台,在 buzz 里面,AI Agent 不是挂在频道里的机器人,而是和人一样的正式成员。它有自己的账号,有自己的身份密钥,加了哪些频道、说过什么话、执行过什么操作,全都记录在案。你给它派活,它干完交活,中间的过程团队里其他人随时能翻出来看。

另外它在底层做了一个统一,所有的聊天消息、审批记录、代码提交,都是带签名的事件,存在同一份日志里,这样做的好处后面讲搜索的时候会提到。

功能详情

基础的频道聊天功能

先把基本功说一下,频道、私聊、话题回复、表情回应、发文件发图片,这些团队沟通该有的东西它都齐了,用过 Slack 或者飞书的人上手基本不用学。

AI Agent 的管理方式

这是我觉得 buzz 跟普通协作工具拉开差距的地方,也是这篇文章重点想讲的。

很多团队现在的状态是,AI 用了不少,但管不起来。Agent 用什么身份跑的、动过哪些东西,出了偏差想找原因都找不到。buzz 的做法是把 Agent 当正式员工管,每个 Agent 有独立的身份和密钥,权限靠身份来隔离,跟管一个真人同事是同一个逻辑。它能进哪个频道、能做什么事,边界是清楚的,而且它做的每一步都会留下签名记录,事后审计有东西可查。

对于想正经把 AI 用进团队流程、又担心管不住的人来说,这套设计算是把最头疼的那个问题给接住了。

对接现有的 AI 编程工具

buzz 没有要求你换工具,这点比较务实。它提供了一个命令行工具 buzz-cli,输入输出都是 JSON 格式,天生就是给 AI 调用的。再通过 ACP 协议对接,你现在用的 Goose、Codex、Claude Code 这些编程 Agent 都可以接进来。

接进来之后的效果是,Agent 就在频道里待着,你在频道里给它派活,它干完了把结果发回频道里,过程对团队可见。比起每个人在自己电脑屏幕上单独跟 AI 聊,这种方式起码让协作有了公共记录。

功能分支自动对应频道

这个功能我单独拎出来说,因为它解决的是一个很实际的痛点。

你开一个功能分支,buzz 会自动给它建一个对应的频道。之后这个分支上的补丁提交、CI 跑出来的结果、Agent 做的初步评审、团队成员的讨论、最后的合并决定,全部落在同一个频道里。

以前这些东西是散在各处的,PR 评论里一点,聊天记录里一点,CI 后台里一点,过两个月想查某段代码当初为什么这么写,基本靠运气,现在顺着频道翻一遍就齐了。

自动化工作流

支持用 YAML 配置自动化流程,触发方式有消息、表情回应、定时任务、webhook 这几种,日常能想到的场景基本够用了。

官方文档里举了一个例子我觉得挺能说明问题:打一个 tag 触发流程,Agent 自动去读这段时间合并进来的记录,起草一份发布说明,发到频道里等人工审核,有人点个👍的表情,就正式发布出去。整个流程每一步都有签名记录,哪一步是谁确认的,后面想查都查得到。

有一点要说明,工作流里的人工审批环节官方自己标注了还在完善中,现在的版本能用但不算完全体。

全局搜索

前面说底层把消息、审批、代码提交都统一成了同一种数据,好处在这儿体现出来了。

搜索是一站式的,聊天记录、补丁、工作流运行记录、审批结果,一个搜索框全出来。你问 Agent 一个问题,比如某个报错以前有没有出现过,它能翻几个月的历史记录,把相关的讨论串、当时定位的原因、最后的修复方案一起贴给你,而且附的是原始记录,不是它自己编的回答。

自托管部署

整套服务是部署在你自己机器上的,官方给了现成的 Docker Compose 方案,数据库、缓存、文件存储都在你自己的环境里跑,数据不出门。

不想自己维护服务器的话,也支持一键部署到 Railway,点一下就能跑起来一个给团队用的实例。对内部数据比较敏感的团队,自己部署这条路更好。

快速开始

两条路:

只想先看看客户端长什么样,那最简单,去 releases 页面下载对应平台的安装包就行。Mac 用户注意区分芯片,Apple 芯片和 Intel 芯片是分开的包。Windows 的安装包没有做代码签名,第一次打开系统可能会弹安全提示,选择继续运行就可以了。

想完整体验的话,需要自己把服务跑起来,机器上装好 Docker,然后执行:

git clone https://github.com/block/buzz.git && cd buzz
. ./bin/activate-hermit
just setup && just build

装完以后,日常启动就两条命令:

. ./bin/activate-hermit
just dev

跑起来之后服务地址是 ws://localhost:3000,桌面客户端会自动弹出来,登进去就是你自己的频道了。

要部署到服务器上给团队正式用,别用根目录那个开发用的 compose 文件,去 deploy/compose/ 目录,那套是生产环境的,里面带了 Postgres、Redis、对象存储,还可以选配 Caddy 自动配 HTTPS 证书。

适合什么团队用

我数了几个比较典型的场景:

  • • 半夜排查线上问题的团队。 出了故障不用挨个翻旧文档和聊天记录,直接在频道里问一句这个报错以前出现过没有,Agent 去翻历史,把相关的讨论、当时定位的原因、修复方案都贴出来,还能提示你上次是谁修的。
  • • 对代码评审留痕有要求的团队。 分支频道里从补丁到合并决定是完整的一条线,这段代码谁写的、谁审的、谁拍板合的,全部有据可查,出了质量问题能顺着记录往回找。
  • • 还有就是不想把内部沟通数据交给第三方 SaaS 的团队。 自己部署一套 buzz,聊天、代码、自动化流程全在自己手里。

我的看法

buzz 这个产品赌的方向,是人和 Agent 在同一个房间里协作,而不是每个人单独配一个 AI 助手各干各的,这个方向确实没毛病。AI 干活的过程透明了,团队其他人才有机会在中间发现问题,散装用法当时省事,时间一长 AI 产出的东西没人说得清来历,早晚要还债。

当然它现在还是个早期项目,工作流的人工审批也没完全做完,想直接搬进生产环境用的话我建议再等等。不过看 Block 之前做 Goose 的完成度,buzz 的后续迭代应该差不到哪去,24.4k 的 Star 也印证了关注这个方向的团队确实不少。有条件的可以先在自己机器上部署一套摸摸底。#Agent #Agent协作 #AI

开源地址

https://github.com/block/buzz

 

点击下方卡片,关注Java知音

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/199594