Eigent：開源 Cowork 遇上 Z.ai GLM-4.7

摘要

在真實的企業環境中，許多內部工具、儀表板同舊系統都完全透過瀏覽器或終端機運作，構成日常業務運作的基礎。

為了自動化這些複雜系統，我們引入 Eigent，一個可本地執行、可從原始碼完整部署的開源多代理工作團隊應用程式，重點支援瀏覽器及終端機自動化，本質上可視為你用於企業工作流程的 開源 Cowork 替代方案。

在這篇文章中，我們會探討 Eigent 如何運用 CAMEL 的 Workforce 架構 同終端機自動化去處理多步驟企業任務。我們亦會深入了解 GLM-4.7，分析它在終端機自動化上的表現，以及支援長週期、agentic 工作流程的架構特性。

背景：Eigent 是甚麼，以及它如何支援 GLM-4.7

Eigent 是一款開源、多代理工作團隊產品，可在你的桌面本地運行。它建立於工作團隊式多代理架構之上，並配備以下通用能力：

• 瀏覽器自動化
• 終端機自動化
• MCP（Model Context Protocol）整合

這個設計讓 Eigent 中的代理可以像真正的人類員工一樣運作，直接在桌面環境中操作——無需深度 API 整合，也不需要持續重新配置工作流程。

隨著基礎模型持續進步，將它們與 Eigent 的開源多代理系統整合，可讓開發者同企業快速而有效地把 LLM 能力應用於真實世界案例。

這就是為甚麼 Eigent 在 GLM-4.7 發布後立即整合它。

開始使用 GLM-4.7

• 雲端模式：

  只需在頂部模型下拉選單中選擇 GLM-4.7。

• 使用自己的金鑰（BYOK）：

  前往 Model Settings → GLM，輸入你的 Z.ai API key，並將模型名稱設為 GLM-4.7。

需要協助？請查看我們有關設定你的 Z.ai API key 的指南。

下方亦提供逐步影片教學。

GitHub 倉庫及如何設定 Eigent

GitHub 倉庫

👉 https://github.com/eigent-ai/eigent

快速開始：設定環境

你可以透過兩種方式執行 Eigent：

選項 A：零設定桌面應用程式（推薦一般使用者）

適合想即時開始自動化任務的使用者：

1. 從官方網站下載客戶端
2. 安裝 .dmg（macOS）或 .exe（Windows）
3. 啟動應用程式 — 本地後端會自動啟動

選項 B：開發者設定（從原始碼）

適合想檢查或自訂系統的開發者。

1. 前置條件

• Node.js v18–22
• Python 3.10+

2. 複製並安裝

# 複製倉庫
git clone https://github.com/eigent-ai/eigent.git
cd eigent

# 安裝前端依賴
npm install

3. 執行應用程式

# 以開發模式執行
npm run dev

啟動後，你可以直接在設定中配置 LLM 提供者（GLM-4.7 等）。

如需進階設定及疑難排解，請參考官方文件。

內部運作：Eigent 全端與 CAMEL Workforce 架構

系統概覽

Eigent 是一款local-first 桌面應用程式，由建基於 CAMEL Workforce 的多代理協調引擎驅動。

關鍵架構原則：

• 完全本地執行
• 解耦的全端設計
• 強大的資料主權保證
• 不在雲端執行代理

1. 前端

前端作為代理設定及工作流程監控的控制平面。

技術棧：

• React + TypeScript
• Electron
• Zustand（狀態管理）
• React Flow（可視化代理編排）

前端透過安全的本地 HTTP 請求與後端通訊。

2. 後端

後端是一個本地 Python 伺服器，建基於：

• FastAPI + Uvicorn
• Python 3.10+（由 uv 管理）
• PostgreSQL（透過 SQLModel / SQLAlchemy）

它承載 CAMEL 多代理框架，負責管理：

• 工作團隊編排
• LLM 互動（透過 Z.ai 遠端或透過 vLLM 本地執行）
• 用於瀏覽器、終端機及文件自動化的工具套件

CAMEL Workforce：受組織啟發的多代理系統

Eigent 的核心是 CAMEL Workforce，一個專為複雜企業任務而設的去中心化多代理系統。

代理角色

• 協調代理

  維護全域狀態並派發子任務。

• 任務代理

  將高層目標拆解為原子任務。

• 工作代理

  使用特定領域工具執行任務。

非同步通訊：TaskChannel

任務執行透過非同步訊息佇列進行協調：

1. 工作團隊啟動任務
2. 工作代理輪詢分配
3. 完成後回傳結果

這個設計可確保非阻塞、可擴展的執行。

動態 DAG 建構

企業工作流程很少是線性的。

CAMEL Workforce 會動態建構一個有向無環圖（DAG）：

• 彼此獨立的任務會平行執行
• 相依任務會被阻擋，直到前置條件完成

例如：

• Search Flights 同 Search Hotels 會同時執行
• Generate Itinerary 會等待兩者都完成（DONE）

容錯機制

失敗會被視為預期狀態，而非致命錯誤。

支援的復原策略：

• RETRY – 重新執行任務
• REPLAN – 根據失敗日誌修改任務
• REASSIGN – 將任務轉交另一個代理
• DECOMPOSE – 將任務拆分為更細的子任務

以真實世界終端機自動化測試 GLM-4.7

我們使用 Eigent 的終端機自動化，在一個貼近現實的日終工作流程中評估 GLM-4.7。

範例任務

"Off work now! Please help me organize the work files on my desktop into today's folder, and then write an HTML daily report summarizing what I did today."

代理必須做甚麼

1. 掃描桌面檔案
2. 建立按日期分類的資料夾
3. 識別並移動與工作相關的檔案
4. 根據檔案變動推斷當日活動
5. 產生結構化 HTML 報告

這需要長週期推理、上下文保留，以及多次工具呼叫。

在我們的測試中，GLM-4.7 成功完成了整個工作流程。

GLM-4.7 如何支援 agentic 任務表現

GLM-4.7 是一個以編碼為導向的模型，針對 agent 工作流程作最佳化，提供出色的成本效能平衡。

交錯式與保留式思考

GLM-4.7 引入進階推理控制：

• 交錯式思考

  在每次回應及工具呼叫之前先進行思考。

• 保留式思考

  在不同輪次之間保留推理區塊，減少上下文漂移。

• 輪次級思考控制

  為複雜任務啟用推理，為較輕量任務停用推理，以節省成本及延遲。

這些功能令 GLM-4.7 特別適合長週期、多步驟自動化。

結論及下一步

Eigent 提供一個可投入生產、local-first 的環境，用於部署直接在真實企業系統內運作的 AI 代理。

透過結合：

• CAMEL 基於工作團隊的多代理架構
• 終端機及瀏覽器層級自治能力
• 強大的可觀測性與容錯能力

Eigent 提供企業級 AI 部署所需的核心特性：

可控性、可審計性，以及資料主權。

我們亦展示了 GLM-4.7 與 Eigent 整合後，如何為複雜工作流程提供穩健的推理能力。

參與其中

Eigent 完全開源。我們歡迎開發者、研究人員及企業團隊探索並貢獻。

• 👉 GitHub: https://github.com/eigent-ai/eigent
• 👉 Discord: https://discord.camel-ai.org