跳到主要内容
赞助推荐 搬瓦工怎么选:三网直连 CN2 GIA-E
核对于 2026-11-07
课程目录 · 5 节

Agent 框架源码

第 4 节:把商业 agent 换成自托管要补什么

核对 2026-11-07 更新 3 次 引用 5 个来源

商业 agent 和自托管的差距不是「功能多少」,是三类要自己接的外部服务:连接器、语音通道、记忆质量。前两类有钱有工期就能补,第三类补不了——它靠的是长期积累的「什么值得打扰你」的判断。

关键事实 · 4 条口径随行标注
连接器差距
6000 个Claude Duet 公开的 Marketplace 连接器与插件数
月费上限
200 美元商业产品从免费档到 Max 档的跨度上限
补位成本
3 类连接器、通道、记忆三块都要接第三方才能追平
审批红线
4 类商业产品统一要求确认:发送、支付、签署、删除

差距分两类:能花钱补的,和补不了的

速览:把「和商业产品的差距」拆成两类:能花钱补的(连接器、通道、界面)和补不了的(记忆质量、主动性判断、信任)。后半段给九项迁移验收和一笔 5 人团队的成本算例。

把商业产品和自托管放一起比功能条目,结论永远是商业赢——它有人专门做这件事。真正有用的问题不是「差多少」,而是「哪一部分我花钱能补上,哪一部分花钱也补不上」。

差距的两类 差距分两类:能买的,和买不到的 工程量 · 有钱有工期就能到 积累 · 花钱也买不到 连接器数量 按需接,一个应用 1–3 天 语音与电话 2–4 周,含 SIP 中继与号码 界面完成度 1–2 周,照着三个仓库抄 记忆质量 靠长期使用产生,按月算 主动性判断 什么值得打扰你,按月算 信任与责任 值班、审计、出事有人签字
左栏能算工期,右栏不能。选型的真实问题是:右栏这三项,你愿不愿意自己养。
先分清性质,再决定要不要自托管
差距 性质 怎么补 补完要多久
连接器数量 工程量大,无技术难点 接聚合层或自己写 OAuth 按需,一个应用 1–3 天
语音与电话 难点在 PSTM 与实时链路 买 TTS 服务 + SIP 中继 2–4 周
界面完成度 纯工作量 直接抄三个仓库的界面 1–2 周
记忆质量 数据与调优积累 没有捷径 按月算
主动性判断 产品经验 没有捷径 按月算
信任与责任 组织能力 自建值班与审计 长期

前三行是「有钱有工期就能到」。后三行不是——它们不靠代码量,靠持续使用产生的数据和组织能力。这张表是整节的核心,下面逐行展开。

连接器:6000 个数字背后是权限粒度,不是接口数量

Claude Duet 公开的数字是 6000 个连接器与插件,OpenAI Dots 是 4000 多个应用。自托管这边接的是聚合层:rakazo 用 Composio 加 Pipedream Connect 加速,OpenDots 也接 Composio 并支持 MCP,OpenMuse 只做了 Google 一个。

三种接法,三种成本结构
路线 覆盖 你付出的 典型项目
聚合层 几百到几千,看套餐 按调用计费,能力被聚合层框住 rakazo、OpenDots
MCP 自接 有多少社区 server 算多少 自己管部署、升级、鉴权 三者都支持
自己写 OAuth 要几个写几个 每个应用 1–3 天,含刷新与限流 OpenMuse 的 Google 适配

真正的差距不在数量,在权限粒度。自建一个 Gmail 连接器,写完收信列表才到一半,后面还有:附件怎么下、编码怎么判、增量同步用什么游标、限流了怎么退避、用户撤销授权后本地缓存怎么办。这些没人会写进 README,但它们决定了这个连接器能不能上生产。

商业产品在这里的隐性优势是:它为一个应用写的连接器,被几百万用户用过。所有边界情况都被踩过一遍。自建的第一个版本一定会在某个没人想到的地方出错,而那个错误发生在深夜。

务实的选择是按用途倒推,而不是按数量对标。真正常用的应用不会超过十个——邮件、日历、云盘、文档、IM、代码托管、记账。把这十个吃透,比接三千个半通不通的连接器有用。6000 这个数字是卖点,不是需求。

通道:语音是最贵的一块

三个开源项目里,只有 rakazo 把通道做全了:Slack、Telegram、飞书、短信、SMTP 收发,加上五家 TTS。OpenDots 是 Web、Slack、语音三个;OpenMuse 基本只在 Web 和手机 app 里。

商业侧把语音当核心卖点。Claude Duet 的宣传语是「用一个线程,打字或说话都行」,OpenAI Dots 支持在 ChatGPT 里点电话按钮通话,xAI 的文章里专门讲「presence as interface」——状态怎么用头像动效表达。

三个层次的语音,成本差一个量级
层次 能做什么 要什么 难度
网页对讲 在浏览器里跟它说话 一个 Realtime API + WebRTC 低,OpenDots 已实现
语音消息 发一段录音,它回一段 STT + TTS 两段式 低,rakazo 五家 TTS
真电话 拨号、接听、断线重连、号码 SIP 中继 + 运营商资质 高,三个开源项目都没做

第三行是关键。前两个层次是软件问题,第三个是电信问题:要号码、要资质、要处理丢包和单通。三个仓库里没有一个实现了 PSTN,OpenDots 那个「call」是浏览器 WebRTC,不是电话。

所以对照要小心。商业产品说「可以给电话留言」「会议替你参加」,那是真的拨出去了;开源侧说「voice mode」,多数指网页对讲。这两个东西在演示视频里长得一样,在落地时差着一条供应链。

如果语音是刚需,预算里要留出 SIP 中继和号码的钱,以及一个能处理实时音频的人。这块自建不会比买便宜。

记忆与主动性:唯一补不了的部分

这一段是五家商业产品真正的护城河,而它看起来最不像技术。

Claude Duet 的核心体验是「每天早上给你一份简报」:它扫一遍邮件和日历,挑出最需要你注意的几件事,顺手把回复草稿写好。中午和下午再各巡检一次,只在真的有事时找你。Anthropic 在发布文里写得很直白:It helps you prioritize where to spend your time.

OpenAI Dots 的表述更克制但同源:It tracks progress, works out what needs to happen next, and follows through as things change. 它在你不在的时候推进,只在需要判断时回来。

开源侧现在有什么?OpenMuse 定义了 Monitor(盯着某件事)和 Idea(它主动提的想法)两个实体,方向对了,但实现停在「有类型、没策略」。rakazo 有 routine,而它的 VISION 明确写了 routine 就是「定时触发的 prompt」,不做可视化编排。OpenDots 的定时任务是同一线程里再发一条消息。

从「按时叫你」到「知道什么值得叫你」
层次 机制 开源侧现状 商业侧现状
定时执行 cron 到点跑一轮 三家都有 都支持
事件触发 有变化才跑 rakazo 有 watch 机制 普遍支持
判断该不该打扰你 按你的偏好与历史决定 基本没有 核心卖点

第三行不是模型能力,是产品能力。它需要三样东西同时存在:足够长的使用历史、对「什么算重要」的显式规则、以及一套不会误报的策略。少一样就变成「每天推十条没用的提醒」——那比不推更糟。

这也是为什么这块抄不动。你可以把 Duet 的界面抄下来,把简报的格式抄下来,但那份「什么值得放进简报」的判断,是它在你邮件上跑了三个月才有的。自托管的记忆可以补,主动性只能养。

务实做法是先把范围缩到极小:只盯一个来源(比如日历),只做一种判断(时间冲突),只在一个时间点推。跑顺了再加。商业产品也不是一开始就能判断对的。

治理:出事时谁签字

商业产品在给企业卖的时候,卖的不只是 agent,还有一整套「出事了有人负责」的材料:渗透测试报告、合规认证、数据处理协议、审计日志导出、SLA。

三家开源里只有 rakazo 往这个方向做了实事:AuditEvent、AuditEventForwarding、SecurityEvent、ScimUser、ScimGroup,还有 AccessGrant 和 ActionApprovalRule。这套表结构是真的按企业内部工具设计的。

但表存在不等于治理成立。SCIM 同步要接你的 IdP,审计日志要有人看,密钥轮换要有流程,离职交接要有清单——这些都不在代码里。

还有一条经常被忽略:审批红线。商业产品在这件事上高度统一,四类动作必须确认——发送消息、支付、签署文件、删除内容。Claude Duet 还额外禁止证券交易和账户间转账,即便用户同意也不做。

自托管侧没人替你划这条线。rakazo 的做法是按域设白名单(shell、write_file 免审批,花钱与不可逆动作必审批),但这个判断是它替你做的,你部署的时候必须重新做一遍——因为你的沙箱隔离程度、你的用户群、你的合规要求都和它假设的不一样。

建议在动手前先写下来三件事:哪些动作永不自动执行、哪些数据永不出这台机器、出事后谁在几小时内响应。这三条写不出来,就先别上自托管。

算一笔账,再给一张迁移清单

先算人少的场景。五个人,商业产品按 100 美元一个席位算是 500 美元/月,一年 6000 美元,什么都不用维护。

自托管这边:一台能跑 Docker 的机器(云上 8 核 32G 约 150–300 美元/月)、一份 PostgreSQL、一份对象存储,加上模型 token。如果每人每天跑十来个长任务,token 很容易超过商业方案的总价。

结论是反直觉的:人少的时候自托管更贵,人多的或者本来就有闲置算力的时候才省钱。月费从免费档到 200 美元封顶,商业产品的价格带其实很窄;自托管的成本却是线性的、随用量走的。

所以自托管的理由不该是省钱,应该是这三条之一:数据不能出门、模型要自己选、行为要能改到循环那一层。如果三条都不占,直接用商业产品。

真要动手时,按这个顺序验
# 要确认的 判据
1 断网能不能跑 拔掉外网,核心流程是否仍可用
2 模型能不能换 换成另一家的 key,行为是否只是变差而不是崩
3 数据落在哪 能否一条 SQL 导出全部会话与记忆
4 沙箱隔离到什么程度 给 shell 免审批是否安全
5 审批红线写下来了吗 四类不可逆动作是否都有拦截
6 通道覆盖够不够 团队实际用什么,不在用的别接
7 失败怎么恢复 进程崩溃后任务状态是否可读、可重领
8 谁值班 半夜挂了有没有人看
9 能不能升回去 不满意时迁回商业产品的路径是否存在

第 9 项很少有人提前想。自托管最大的隐性成本是「沉没」:一旦把工作流、审批规则、自定义工具都长在这个系统上,迁回去的成本比迁出来还高。

所以第一次部署时,把「数据可导出」和「模型可替换」当成硬要求写进验收。这两条守住了,自托管就还是个可逆决策。可逆,才敢自己扛。

本节依据:OpenAI Dots 发布页与开发者文档、Claude Duet 发布页与帮助中心、Grok Bot 发布页、Meta Muse 与 Instinct 的公开评测资料。价格与档位按 2026-11 口径。核对日 2026-11-07。

变更记录

日期类型改了什么范围
新建 把差距拆成可补与不可补,给出迁移清单与成本算例 全页
口径 商业产品功能与价格取各家官方页与帮助中心,2026-11 档位 全页
待更 价格变动快,核对日之后一律按打折看 全页
赞助推荐 一键部署 AI 大模型
赞助推荐 一键部署 AI 大模型