Eigent：開源 Cowork 遇見 Z.ai GLM-4.7

摘要

在真實的企業環境中，許多內部工具、儀表板與舊有系統都完全運作於瀏覽器或終端機中，構成日常業務營運的基礎。

為了自動化這些複雜系統，我們推出 Eigent，這是一款可在本地執行、可從原始碼完整部署的開源多代理工作團隊應用程式，專注於瀏覽器與終端機自動化，本質上可作為您的 企業工作流程開源 Cowork 替代方案。

在這篇文章中，我們將探討 Eigent 如何運用 CAMEL 的 Workforce 架構 與終端機自動化來處理多步驟企業任務。我們也會進一步 بررسی GLM-4.7，分析其在終端機自動化中的表現，以及支援長程式、agentic workflows 的架構特性。

背景：什麼是 Eigent，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，可在您的桌面上本地執行。它建立於 workforce 風格的多代理架構之上，並具備以下通用能力：

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

這個設計讓 Eigent 中的代理能像真實的人類工作者一樣運作，直接在桌面環境中執行工作，而無需深度 API 整合或持續重新配置工作流程。

隨著基礎模型持續進步，將其與 Eigent 的開源多代理系統整合，能讓開發者與企業快速且有效地把 LLM 能力應用於真實世界的使用情境。

這就是為什麼 Eigent 在 GLM-4.7 發布後立即完成整合。

開始使用 GLM-4.7

• 雲端模式：

  只要從頂部模型下拉選單中選擇 GLM-4.7 即可。

• 自備金鑰（BYOK）：

  前往 Model Settings → GLM，輸入您的 Z.ai API key，並將模型名稱設定為 GLM-4.7。

需要協助嗎？請參考我們關於設定您的 Z.ai API key 的指南。

下方也提供逐步影片教學。

GitHub Repository 與如何設定 Eigent

GitHub Repository

👉 https://github.com/eigent-ai/eigent

快速開始：設定環境

您可以透過兩種方式執行 Eigent：

選項 A：零設定桌面應用程式（建議一般使用者）

適合希望立即開始自動化任務的使用者：

1. 從 官方網站 下載用戶端
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）

適合想要檢視或自訂系統的開發者。

1. 先決條件

• Node.js v18–22
• Python 3.10+

2. 複製並安裝

# Clone the repository
git clone https://github.com/eigent-ai/eigent.git
cd eigent

# Install frontend dependencies
npm install

3. 執行應用程式

# Run in development mode
npm run dev

啟動後，您可以直接在設定中設定 LLM providers（GLM-4.7 等）。

如需進階設定與疑難排解，請參閱 官方文件。

深入架構：Eigent 全端與 CAMEL Workforce 架構

系統概覽

Eigent 是一款**本地優先（local-first）**的桌面應用程式，由建立於 CAMEL Workforce 之上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

前端扮演代理設定與工作流程監控的控制平面。

技術堆疊：

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

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，使用以下技術建置：

• 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：

• Workforce 編排
• LLM 互動（透過 Z.ai 遠端或透過 vLLM 本地）
• 用於瀏覽器、終端機與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，這是一個為複雜企業任務設計的去中心化多代理系統。

代理角色

• Coordinator Agent

  維護全域狀態並分派子任務。

• Task Agent

  將高階目標拆解為原子任務。

• Worker Agent

  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協調：

1. Workforce 啟動任務
2. Worker agents 輪詢待分派工作
3. 完成後將結果回傳

此設計可確保非阻塞、可擴展的執行方式。

動態 DAG 建構

企業工作流程很少是線性的。

CAMEL Workforce 會動態建構有向無環圖（DAG, Directed Acyclic Graph）：

• 相互獨立的任務可平行執行
• 相依任務會在前置條件完成前被阻擋

範例：

• Search Flights 與 Search Hotels 會同時執行
• Generate Itinerary 會等到兩者都完成後才開始

容錯機制

故障被視為預期狀態，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 – 將任務轉派給其他代理
• DECOMPOSE – 將任務拆解為更小的子任務

使用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，針對一個貼近日常工作的實際工作流程評估了 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."

代理必須完成的工作

1. 掃描桌面檔案
2. 建立以日期為基礎的資料夾
3. 辨識並移動工作相關檔案
4. 根據檔案變更推斷每日活動
5. 產生結構化 HTML 報告

這需要長程式推理、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 是一款以程式設計為導向的模型，針對 agent workflows 進行最佳化，提供良好的成本效益比。

交錯式與保留式思考

GLM-4.7 引入了進階推理控制：

• 交錯式思考

  在每次回應與工具呼叫之前先思考。

• 保留式思考

  在不同輪次之間保留推理區塊，降低上下文漂移。

• 輪次級思考控制

  為複雜任務啟用推理，為輕量任務停用推理，以節省成本與延遲。

這些功能使 GLM-4.7 特別適合長程式、多步驟自動化。

結論與下一步

Eigent 提供一個可正式上線、local-first 的環境，用於部署可直接在真實企業系統中運作的 AI 代理。

透過結合：

• CAMEL 以 workforce 為基礎的多代理架構
• 終端機與瀏覽器層級的自主能力
• 強大的可觀測性與容錯能力

Eigent 提供了企業級 AI 部署所需的核心特性：

可控性、可稽核性與資料主權。

我們也展示了 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。

參與我們

Eigent 完全開源。我們歡迎開發者、研究者與企業團隊一起探索與貢獻。

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