Sugabots：让团队和他们的 AI Agent 在同一个群聊里干活
Sugabots：让团队和他们的 AI Agent 在同一个群聊里干活
这两年我们习惯了"一个人对着一个对话框"用 AI：开着一个 Cursor、一个 Claude Code、一个 ChatGPT 窗口，各聊各的。但真实的事情——出差、报 bug、交周报、安排全家旅行——从来不是一个人干完的，它发生在一个群聊里。
Sugabots 想做的就是把这件搬进群里。它的首页标语是 "Multiplayer agents on any model"：让人和 Agent 在同一个空间协作，每个群配自己的 Agent，用你自己选的模型。而且它开源、可自托管——这是它和一堆"云端 Agent 产品"最大的不同。
目录
- 一、从"单人 Agent"到"多人群聊"
- 二、Pod：一个群聊，装着人和他们的 Agent
- 三、Bots：一份工作，一个模型，一张脸
- 四、Agent 之间会互相求助
- 五、任意模型：订阅、API Key 还是本地
- 六、不只是聊天：定时任务、MCP、用量
- 七、自托管：数据、密钥、审批都在自己手里
- 八、跑起来
一、从"单人 Agent"到"多人群聊"
大多数 AI Agent 产品是"单人模式"：你有一个 Assistant，你问它答，上下文只属于你自己。这在个人使用上没问题，但一旦进入团队协作就露怯了——同事看不到你们的 Agent 聊了什么，Agent 之间的分工和决定也没人知道，最后又退化成人肉转述。
Sugabots 把协作的最小单位从"一个会话"改成了"一个群聊"。一句很关键的设计描述是：群里每个人看到的是同一批聊天、同一批结果、同一批审批。Agent 在群里干活，等于全组都看得见它在干什么、卡在哪、要不要放行。
二、Pod：一个群聊，装着人和他们的 Agent
群聊在 Sugabots 里叫 Pod——一组人和他们的 Agent 共享的空间。官方给的例子很接地气，覆盖了完全不同的场景：
- Work：线索、bug、周一例会汇报
- Family：旅行、生日、谁去接奶奶
- Unit 4B：水电费怎么摊、周二谁倒垃圾
- Personal：笔记、收件箱、提醒——只有你自己看得见
最后一条值得单独说：个人 Pod 连管理员都看不到。这不是一个"团队工具顺手加的个人空间"，而是从权限模型上就把"私人"和"共享"分开设计的。
三、Bots：一份工作，一个模型，一张脸
Pod 里的 Agent 叫 Bot。每个 Bot 有自己的提示词、自己的模型、自己可以调用的工具——每个 Agent 可以用不同的模型。官方首页给了一组典型分工，恰好说明"合适的脑子干合适的事"：
| Bot | 工作 | 用的模型 |
|---|---|---|
| Copywriter | 起草回复、帖子、邀请 | ChatGPT（OpenAI） |
| Researcher | 替你啃长文档 | Claude（Anthropic） |
| Inbox Sorter | 分诊、提醒等杂活 | Gemini Flash（Google） |
| Journal | 私密笔记，只进不出 | Llama（本地 Ollama） |
同一件事里，写作交给一个模型、研究交给另一个、快速分类交给一个便宜的小模型、涉及隐私的留在本地——这种"按活配模型"的用法，比"所有任务共用一个最强模型"实在得多。
四、Agent 之间会互相求助
这是 Sugabots 比较有意思的地方：Agent 遇到搞不定的，会去问群里的另一个 Agent，而这整段对话你是读得到的。
首页那个"订墨尔本机票"的例子把流程演示得很清楚：
- 妈妈在群里问："谁能赶在涨价前把墨尔本的机票订了？"
- 你 @ 了 Trip Planner："找周五 5 点以后的，顺便看下度假金够不够。"
- Trip Planner 找到两个航班，然后主动去问 Budget Keeper："四个座位 $176 一个，墨尔本预算撑得住吗？"
- Budget Keeper 查了表格，回："金库里还有 $924，付完机票剩 $220；酒店每晚别超过 $150。"
- 爸爸拍板："要 6:40 那班，谁也别再坐 6 点的红眼了。"
- Trip Planner 请求批准："要用 Flights 订 4 张 6:40 的票"——等一个人点 Allow。
Agent 之间的"求助"和"确认"都摊在群里，谁做了决定、依据是什么，一目了然。这比一个黑箱 Agent 默默跑完更让人放心。
五、任意模型：订阅、API Key 还是本地
"Any model" 不是一句口号。你可以：
- 用 ChatGPT 或 SuperGrok 的订阅直接登录（不用再单独买 API）；
- 填 Anthropic、Google 等厂商的 API Key；
- 或者用 Ollama 在本地跑模型。
每个 Agent 各选各的。对隐私敏感的任务走本地模型，这时候消息哪儿也不去。
六、不只是聊天：定时任务、MCP、用量
除了对话，几个让 Agent"真的能干活"的能力：
- Routines（例程）：把 Agent 挂到定时计划上，或者用 webhook 触发。每一次运行都被保留，同样要过审批。
- 连接工具：任何 MCP server（从 Linear 到 Notion）都能接进 Pod。可以让 Agent 每次调用工具前先问你，也可以授权它自由跑。
- 用量可见：每一段对话背后的 token 和费用都能看到——这在多 Agent 并行时尤其重要。
- 角色权限：owner、admin、member、viewer 分级，各管各的。
七、自托管：数据、密钥、审批都在自己手里
Sugabots 完全自托管，这一点决定了它的数据姿态。技术上它是一个 React 前端 + Hono API + PostgreSQL 的应用，官方强调：
- 你的账号、对话、配置和加密后的厂商凭证，都存在你自己的数据库里。
- 消息只在人和你选的模型厂商之间流动；用本地模型时，一条都不外发。
- 审批控制在人手里：把 Agent 接上工具后，它在改动任何东西之前都要先问你（Approve / Ask / Deny）。
代码用 MIT 协议开源（产品名、Logo、品牌素材除外，二次分发需要换自己的牌子）。项目由 Nitric Group Inc. 出品。
八、跑起来
自托管需要 Node.js 26+、Bun 1.4.2+，以及带 Docker Compose 的 Docker。最简流程：
git clone https://github.com/nitrictech/sugabots.git && cd sugabots
bun install
cp .env.example .env # 填两个密钥：BETTER_AUTH_SECRET / CREDENTIALS_ENCRYPTION_KEY
docker compose up -d # 起 PostgreSQL
bun run db:migrate # 建表
bun run dev # 打开 https://sugabots.localhost两个密钥用 openssl rand -base64 32 各生成一个。注意 CREDENTIALS_ENCRYPTION_KEY 丢了已存的凭证就解不开了，BETTER_AUTH_SECRET 一换所有人都得重新登录——这两个值要备份好。
本地开发由 Portless 提供稳定的本地域名和 HTTPS：
| 服务 | 地址 |
|---|---|
| Web 应用 | https://sugabots.localhost |
| API | https://sugabots.localhost/api |
| PostgreSQL | localhost:5436 |
要部署给团队用，一个 Docker 镜像就把整个应用打包好了（API 顺带托管前端产物），任何能构建 Dockerfile 的平台都能跑（Suga、Railway、Render…），配一个 PostgreSQL 18 数据库即可；公开地址由 PUBLIC_URL 指定。
作者: itech001 来源: 公众号：AI人工智能时代(the-ai-era) 网站: https://www.theaiera.top/ 关注每日最新AI新闻和技术博客，主页有更多的文章的AI 技术参考：https://www.theaiera.top
本文首发于 AI人工智能时代，转载请注明出处。
