AgentRun
把代理執行包上一層:每次跑完把重複的步驟提成技能或工作流程,經過檢查與評分才採用;跑到一半伺服器掛掉也能從存檔接著跑,再加上一個主控台管理所有代理、執行紀錄與花費上限
AgentRun 是 Parcha Labs 開源的代理管理平台,這家公司另一個產品是做金融業後台流程代理的 Grep(客戶有 Worldpay、IG、Airwallex)。AgentRun 11 月 12 日在 Hacker News 的 Show HN 拿到 130 多分。它的出發點很實際:代理很會摸索,但同一份工作做了一百次,它還是每次重新查 API、重讀文件、重排計畫,每個 token 你都在付錢。
功能特色與適用場景:AgentRun 不取代你的代理框架,而是包在外面。目前支援 Pi、Claude Code(透過 Claude Agent SDK)、Codex 與 OpenCode,推理與工具呼叫仍由框架負責,AgentRun 管定義、版本、執行紀錄、復原與學習。開啟 learning 後,每次執行完代理會提出筆記、技能或工作流程草稿,先過結構檢查與 AI 評分;凡是放寬權限、鬆綁檢查或牽涉金錢與資料流向的改動,一律要負責人核准,學到的東西都有版本、可以檢視或停用。它改的是保存下來的知識與流程,不是模型權重。
執行層面,每次執行都存在同一個儲存區,伺服器中途被砍、重啟後會從存檔接續;運算可以接 Docker、Daytona 或 Modal 的沙箱,依工作給輕量沙箱、完整 Linux 開發環境或高規格機器。用 TypeScript 或 Python SDK 建代理時可以設 max_cost_usd 限制單次花費,代理要問人時也能暫停等回覆。官方案例裡,他們用便宜模型調出自己的程式碼審查代理,每次審查成本 18 美分;另一個商家分類工作從每筆 0.89 美元降到 0.12 美元。官方也提醒省多少要看工作重複程度,反思與評分本身也會花錢。
台灣使用者怎麼用:適合已經在用 Claude Code 或 OpenAI Codex 跑固定流程的開發團隊,例如每天對帳、分類客訴單、審 PR。自架時資料留在你設定的目錄,對金融或有資料落地要求的公司比較好交代;文件全英文,要有能讀程式碼的人負責導入。同類可比較 HarnessRouter、Mastra。
TheAI學院 編輯建議
編輯實測後的真心話代理每次都從零開始,是很多團隊帳單暴增的原因,AgentRun 的「把學到的東西存起來、但要審過才能用」我覺得是比較負責任的做法。我沒有實測,從官網與 GitHub 說明看來,它最適合已經有固定代理流程、想壓成本的團隊;託管版價格還沒公開,現階段比較像是給願意自架的工程團隊用。
主要功能
- 把重複步驟提成技能或工作流程,下次執行直接沿用以省 token
- 學到的改動需通過結構檢查與 AI 評分,涉及權限與金錢的改動需人工核准
- 支援 Pi、Claude Code、Codex、OpenCode 等代理框架
- 持久執行:伺服器中斷後可從存檔接續同一次執行
- 運算可接 Docker、Daytona、Modal 沙箱,依工作配置規格
- TypeScript 與 Python SDK,可設單次花費上限並在需要時暫停詢問使用者
如何使用 AgentRun
- 到 GitHub 的 Parcha-ai/agentrun 依說明在本機啟動,或註冊 AgentRun Cloud
- 設定 AGENTRUN_BASE_URL 與 AGENTRUN_API_KEY,並填入你的模型供應商金鑰
- 用 npm i @parcha/agentrun-client 或 Python SDK 建立代理,選擇 harness 並開啟 learning
- 啟動執行時設定 max_cost_usd 花費上限,在主控台觀察執行紀錄
- 到代理的 Learning 分頁審核提出的技能與工作流程,決定採用或停用
適用場景
- 讓每天跑的對帳或報表代理越跑越便宜
- 用便宜模型調出專屬自家程式庫的 PR 審查代理
- 先讓高階模型摸索分類規則,再交給便宜模型重複執行
- 需要長時間執行、不能因中斷重來的研究或資料處理代理
- 在自家機房自架代理平台,符合資料落地要求
AgentRun 的優點與缺點
優點
- Apache-2.0 開源,可自架、資料留在自己的環境
- 沿用既有代理框架,不必重寫代理邏輯
- 學習機制有審核與版本控管,改動可檢視、可停用
缺點
- 託管版 AgentRun Cloud 官網未公開價格
- 省下多少 token 取決於工作重複程度,反思與評分也有成本
- 文件與介面全英文,需要有開發能力的人導入
價格方案
開源(Apache-2.0)可免費自架,模型與運算費用依你設定的供應商自付;託管版 AgentRun Cloud 官網未公開價格,企業方案需聯絡業務
AgentRun 常見問題
AgentRun 要錢嗎?
AgentRun 以 Apache-2.0 授權開源,可以免費在自己的電腦或伺服器上架設,模型與運算費用依你設定的供應商自付。託管版 AgentRun Cloud 的價格官網沒有公開,企業方案要聯絡業務。
AgentRun 支援哪些代理框架?
官網列出 Pi、Claude Code(透過 Claude Agent SDK)、Codex 與 OpenCode,每個框架需要各自的設定。
自我學習會不會讓代理亂改自己?
代理提出的筆記、技能與流程要先通過結構檢查與 AI 評分;凡是放寬信任、鬆綁檢查或牽涉金錢與資料流向的改動都需要負責人核准。被採用的改動有版本紀錄,可以檢視、編輯或停用。
真的能省很多 token 嗎?
官方沒有保證固定比例,強調要看工作重複程度,反思與評分也會增加成本。官方案例中,程式碼審查每次約 18 美分,商家分類每筆從 0.89 美元降到 0.12 美元。
使用者評價
還沒有足夠評價,搶先分享你的使用心得!
寫下你的評價
AgentRun 的替代方案
查看相似的 AI 工具 →相關 AI 工具
Claude
Anthropic 的 AI 助理,長文件與寫作品質是它的主場。
Humyn Labs
自製雙鏡頭頭戴設備錄下真人在家做家事的第一人稱影片,加上語音、IMU 與握力;經十道品質關卡、四道處理、人工複檢後,輸出 21 點手部關鍵點、深度、動作切分等標註,格式有 MCAP、RLDS、LeRobot v3、ROS Bag
Pedestal AI
先掃描你的 ERP、TMS、WMS、資料倉儲與試算表,整理成「Logistics Graph」並向資深員工追問缺口;上面跑現成代理:送貨前打電話確認時段、從 Email/PDF/EDI 讀採購單寫進 ERP、排隔天班表、預測哪些訂單會延誤、哪台機器快壞、哪個客戶要流失
Dreamteam
不用業務手動輸入,CRM 從 Gmail、行事曆、Zoom 會議與筆記自己更新欄位;Rachel 研究名單、Sally 起草跟進信與會前準備、Raj 盯管道並標出有風險的商機、Alex 用一句英文幫你改銷售流程設定,也能從 Claude 或 ChatGPT 透過 MCP 查詢
LexiCAD
用平常交代設計師的方式寫下尺寸與用途,代理會自己追問細節、建模、量測並修到符合規格,輸出可再編輯的 STEP,以及 STL、3MF、DXF 與 Bambu Lab 可用的切片檔;也會顧到壁厚、懸空與列印方向
HarnessRouter
產品要內建 AI 代理時不必自己養執行環境:同一支 API 就能切換 Claude Code、Codex、Hermes、Qwen Code 等框架,每個任務有獨立沙盒、可延續的工作階段、完整追蹤,還有跨框架共用的長期記憶 Harness Memory
猜你也想看的AI 開發者工具
更多美國的 AI 工具
同樣來自美國的 AI 工具,一起看看。