把 AI 当同事管理——企业 Agent 协作平台赛道地图

把 AI 当同事管理——企业 Agent 协作平台赛道地图先放一张赛道地图全篇的结构都在这张图里。再看一组数字。2026 年 7 月末YC 孵化的开源项目 QuartermasterQM正式开源MIT 协议上线后热度快速攀升截至 2026-08-22 GitHub Star 已达到 1.4 万。2026 年 8 月Anthropic 宣布 Claude Tag 进入公开 Beta公开数据显示它参与了 Anthropic 内部 65% 以上的产品代码改动。同一个月OpenAI 把 Workspace Agents 推给了 ChatGPT 的商业版用户。个人 AI 助手讲的是帮我干活企业级平台讲的是让一堆 AI 员工一起干活。前者已经卷成红海后者刚刚开始。赛道边界“企业 Agent 协作平台和普通 AI 框架、聊天机器人不是一回事。先区分三层Agent 开发框架用来写Agent如 LangGraph、CrewAIAgent 运行底座负责跑和调度本文讨论的是更上一层的组织级协作治理平台”——重点在组织权限、审计、多人协作而不是单纯写 Agent 代码。三层各缺一块拼图谁也替代不了谁写 Agent 的框架解决不了治理——Agent 造出来了谁管权限、谁看审计跑 Agent 的底座解决不了业务流程——任务能调度却和公司已有的审批流、协作流对不上治理平台如果只做管控、不留自定义开发的接口也接不住企业五花八门的内部系统。这也是为什么企业最终需要的是一个平台而不是一个框架加一个调度器。它的核心场景是一个组织内部跑着大量 AI 员工它们要么各自负责一条业务线要么被临时组队解决一个问题平台要解决的是这些 AI 员工怎么安全、可控、有分工地协作。判断一个产品属不属于这个赛道看四个特征多智能体不是单点对话而是多个 Agent 并行或协作组织级治理有角色、权限、审批、审计能回答谁批准了这个 AI 员工做的事对接企业工具Slack、Lark、钉钉、企微、Jira、GitHub 这类真实工作流可见与可控能看见 AI 员工在做什么能随时叫停、回滚按这个口径很多热门项目其实不算OpenClaw 有 38 万 Star但它是个人助理定位单机运行没有组织治理MAF、OpenHands Enterprise、AnythingLLM、Letta 也都沾边但不严格同类。真正落在这个赛道里的开源侧目前有这三家值得关注Multica、QM、kagent。开源侧三派分立的格局看板派Multica47,169 StarMULTICA GitHub 是这个赛道目前星数最高的开源项目47,169 Star2026-08-22 实测Go 语言Apache-2.0 协议加附加条款仅当你把 Multica 包装成 SaaS 对外提供服务时才需要商业授权企业内部部署自用完全免费。Multica 最像为组织打造的产品的地方是它把 AI 员工的管理做成了看板。你给 AI 员工建工位Squads像派任务一样给它开 issue、挂看板它就在自己的看板上认领任务、更新状态、交付结果。这个设计把 AI 员工纳入了团队已有的工作流人类同事看得见它在做什么、卡在哪。它支持 23 种 Agent CLI接 Slack、Lark、钉钉、企微等 IM自带角色权限、审计日志和发布门禁。换句话说它把员工管理那套流程也搬了进来。对已经有成熟项目制流程的团队Multica 的上手曲线是最平滑的不用重新发明流程把 AI 员工当作又一个会领任务的成员即可。频道派YC Quartermaster14,075 StarQMgithub.com/yc-software/qm是 YC 的开源项目14,075 Star2026-08-22 实测MIT 协议主打 per-scope 隔离。它的核心思路是频道像 IM 频道一样为不同业务线、不同团队建立隔离的 Agent 工作区每个 scope 内的 Agent、工具、数据互不可见。QM 的亮点是治理。它把一个 Agent 能碰什么、能调什么工具、能写哪些数据做成了显式的 scope 边界配合 Slack 和 Web 双端界面人类管理者可以在里面审阅 AI 员工的产出、追踪任务、控制权限。对安全要求高的场景比如金融、政务、客户数据敏感的企业QM 的 per-scope 设计几乎是刚需。需要说明的是QM 定位是 Agent 运行的 Harness底座聚焦权限隔离、上下文隔离和审计追踪Agent 的业务任务逻辑由上层实现本身不内置复杂的自主多 Agent 编排。云原生派kagent3,568 Starkagentgithub.com/kagent-dev/kagent由 Solo.io 贡献、已进入 CNCF Sandbox沙箱项目3,568 Star2026-08-22 实测Apache-2.0。它是三家里最基础设施的一个用 Kubernetes CRD 定义 Agent天然继承 K8s 的 RBAC、审计、可观测能力。如果团队已经上了云原生kagent 的吸引力在于Agent 即资源像管理 Pod、Service 一样管理 AI 员工弹性伸缩、故障恢复、审计都复用 K8s 那套成熟机制。代价是学习成本你得懂 K8s才能用好 kagent。它更适合平台工程师而不是业务团队。闭源侧大厂集体下场开源三派之外闭源大厂的动作更快、更接近开箱即用。它们的产品形态高度一致以聊天/会话为入口AI 员工以同事身份出现在企业 IM 或办公套件里。Claude TagAnthropic2026 年 6 月 24 日在 Slack 上推出2026 年 8 月公开 Beta。Claude Tag 把 AI 员工直接放进了 Slack共享频道、共享对话上下文团队成员可以 它、给它派活、看它和别人的对话。Anthropic 官方披露在自家产品团队内部内部版本 Claude Tag 参与了 65% 以上的产品代码改动。这个数字只代表 Anthropic 的内部场景不代表外部企业能直接复现同样的产出比例。Workspace AgentsOpenAI2026 年 8 月 18 日公布面向 ChatGPT Business、Enterprise、Edu、Teachers 用户的研究预览。它由 OpenAI 的代码智能体能力驱动此前报道常提的 Codex 已整合进新一代模型体系定位是同事不只是工具可以在 ChatGPT 内部使用也可以在 Slack 里调用通过话题thread管理 Agent 的并行工作。和 Claude Tag 抢的是同一批客户已经有 Slack 重度的技术团队。Agentforce CoworkerSalesforceSalesforce 在 2026 年把 Agentforce 升级出 Coworker 形态主打和人类同事并肩作战深度绑定 Salesforce 生态的 CRM 数据。它的卖点不在通用能力而在你的业务数据就在我这。销售、客服团队用起来零迁移成本。Gemini EnterpriseGoogleGoogle 把原来的 Agentspace 整合进 Gemini Enterprise主打智能体编排 企业搜索 数据治理。Google 的打法是靠 Workspace 全家桶的深度集成Gmail、Docs、Calendar、Meet 里的数据天然可被 Agent 调用配合 Agent Designer 拖拽编排。对已经重度用 Google Workspace 的组织切换成本最低。Copilot Studio Azure AI Foundry微软微软的布局是业务侧 底座双线Copilot Studio 负责业务用户低代码搭 AgentAzure AI Foundry 负责底下的大模型、知识库、监控。2026 年微软还加入了 A2AAgent2Agent协议互操作阵营用 Purview 做数据治理。这一套组合拳的优势在 Azure 生态企业本来就在微软云上Agent 只是再叠一层。Claude Managed Agents托管底座Anthropic 还放出了一个偏底座的产品Claude Managed Agents按 $0.08/小时 Token 计费托管运行 Agent。Notion、Rakuten、Asana、Sentry 等公司已经在用。它不算终端产品但它是闭源阵营里把 Agent 当成一种服务卖的代表值得关注。两条路线的本质区别看板派 vs 聊天派把开源和闭源摆在一起会发现一个很有意思的分野开源看板派Multica、QM把 AI 员工当成任务执行者用看板、issue、scope 管理它。AI 员工领任务、干活、交付人类只做审批和验收。适合工程文化强、讲究流程和可审计的团队。闭源聊天派Claude Tag、Workspace Agents把 AI 员工当成同事在 Slack 里对话、共享上下文、并肩协作。门槛低、体验自然但治理和可迁移性弱数据锁在平台里。看板派的强项是治理和透明代价是体验偏工程化聊天派上手快、体验自然但治理和可移植性弱。不存在谁碾压谁取决于你的团队是流程驱动还是对话驱动。另外提醒一句闭源聊天派的数据锁在平台里Agent 迁移成本极高而当前 A2AAgent2Agent互操作协议还在草案阶段跨平台搬 Agent 并不现实。想让 AI 员工上岗职场四件套先备齐不管选哪家企业把 AI 员工真正用起来都绕不开四件事身份与权限AI 员工用什么身份干活能碰什么数据、不能碰什么这条决定安全底线审批与门禁AI 员工做关键操作花钱、发消息、改代码时谁批准有没有门禁审计与追溯AI 员工做了啥事后能不能查出问题能不能回滚工具与数据接入它能不能连上你们已有的 Slack、Jira、数据库连不上就是空壳这四件套哪家做得好哪家就值得优先试。开源侧目前 QM 的 scope 隔离和 Multica 的权限/审计最完整闭源侧微软和 Google 靠平台底座占便宜Anthropic 和 OpenAI 靠对话体验抢市场。选型避坑几个容易踩的坑写下来供参考场景匹配优先先想清楚要解决什么问题、团队是什么形态有没有 K8s、重不重 Slack、治理要求多高再去挑产品。技术栈和热度都是第二位场景不对再好的平台也白搭别拿 Star 数当唯一标准Multica 47k 星不代表它适合你kagent 3.5k 星也不代表它弱。先看你的团队有没有 K8s、有没有 Slack、治理要求有多高警惕框架全能陷阱很多开源项目号称什么都能做实际上手发现关键场景比如企业 IM 集成、审计要靠自己造轮子。试用时先测最痛的一个场景闭源平台先问清楚数据权Agent 会用企业的真实数据数据落谁家、能不能导出合同里写清楚再上AI 员工也要考核没有可观测性就没有管理。上线前先定义好这个 AI 员工的 KPI 是什么不然它成了黑盒出了事没人知道写在最后企业 Agent 协作平台是智能体基建系列的又一块拼图。个人 Agent 解决效率企业级平台解决管理后者才刚刚开始开源侧三派分立、各有拥趸闭源侧大厂全部下场、正面交锋。对大多数团队我的建议是先明确自己是流程驱动还是对话驱动再用职场四件套去逐个验证候选产品最后小范围试点再铺开。这个赛道变化极快本文数据截至 2026-08-23。如果发现漏了重要玩家欢迎留言补充。如果非要给一个极简选型结论金融政务等安全敏感行业优先 QMper-scope 隔离是刚需研发团队优先 Multica看板/issue 与研发流程天然契合云原生基建团队优先 kagentAgent 即资源复用 K8s 全家桶通用型企业没有强流程诉求优先闭源大厂的开箱即用。