两个人类,三个 Agent,一个没有冲突的下午- Tutti · VM开始内测

首页 AI资讯 AI技术研报 AI监管政策 AI产品测评 AI商业项目 arena全球大模型排行榜 AI产品热榜 AI 源力市场 AI新闻日报

两个人类,三个 Agent,一个没有冲突的下午- Tutti · VM开始内测
AI资讯 2026-08-25 20:02
+9587 阅读

记录一次 Agent 实况级协作体验。


两个人类,三个 Agent,一个没有冲突的下午


Google Docs 在 2010 年前后教会了所有人一件事:


多人可以同时在云端编辑同一份文档,改动即时可见,冲突自动解决。


这种体验后来成了协作类软件的默认设定,飞书、腾讯文档、Notion 都建立在这个前提之上。


但到了 Agent 时代,这个时刻至今还没有出现。


一个公司内的每一个部门里的每一个人,都需要单独开一个 Claude Code 或 Codex,Agent 之间无法「交互」。


没出现的原因,大致有 3 点。


【1】厂商之间有「生殖隔离」


每个人用的 Agent 来源不同,有人用 Claude Code,有人用 Codex,有人用Opencode,它们各自在自己的运行时环境里,没有一套通用方案能把它们真正放到一起。


【2】个人边界太强


现在的 Agent运行时环境都是围绕单个用户设计的,不管是本地电脑模式还是云端电脑模式,主语始终是「我」。


想和别人协作,物理设备本身就是一道越不过的墙。即使离开了自己的本地工具、配置、账号凭据,将 Agent 放到云端,依然会面临每个 Agent 沙箱的边界隔离问题。


【3】 Agent 底层协作困难


今天的 Agent 都和沙箱一对一绑定,每个 Agent 活在自己的「平行宇宙」里,它们之间缺少可实时同步上下文、共享资源、互相调用的通道,只能在事情完成后,通过网盘的上传下载、部署,或者在群里发送结果,来交换各自的产物。


实时协作需要的是一种新方案,能把这些 Agent 放进同一个「时空」。


所有原因叠加在一起,结果就是 Agent 越强,人在中间搬运上下文的工作量越大。复制粘贴、上传下载、总结背景、转发进度,这些「为了让工作能继续而做的工作」没有减少,反而随着 Agent 数量增加在变多。


虽然难点重重,但也有从产品创立之初就「全力押注」Agent 实况协作的团队,而这个团队在 8 月 24 日发布了正式产品 ——


Tutti · VM


两个人类,三个 Agent,一个没有冲突的下午


在讲解这个产品之前,我们决定先把现在市面上的方案过一遍,才能回答:


【1】我们离「Agent 届的 Google Docs 时刻」到底还有多远?


【2】Tutti · VM 的产品逻辑是什么?产品价值到底在哪里?


Agent 经历了 4 次尝试


现有的探索大致有四条路线,代表性的形态分别是:Slack(群聊 Bot)、CrewAI(多 Agent 编排)、Devin/Replit Agent(云端数字员工),以及 Claude Code/Codex(Remote Control)


每一类都解决了一部分问题,也各自离那个「Google Docs 时刻」差着一段距离。


两个人类,三个 Agent,一个没有冲突的下午


【1】IM / 群聊类。


这类方法主要是把 Agent 拉进频道,让它被 @、任务执行完成后再回复消息、同步进度,Agent 之间传递的主要是消息和摘要,执行任务的实时过程依然跑在各自的本地电脑或者云端沙箱里,彼此无法看见。


如果拿 Google Docs 来类比,这相当于停留在「把文档截图发到群里」。


【2】本地多 Agent 编排类。


这类方法主要解决的是一个人管多个 Agent,可以同时开更多并行任务,效率确实提高了。但它面向的是个人,本身不涉及多人协作,就算勉强协作,也很难跨过物理机器的隔离。


【3】云端数字员工类。


这类方法是目前最常见的,例如 Devin、Replit Agent。


其主要是把 Agent 整个搬到云上,你在浏览器里就能让它干活,也方便把链接发给别人看。


快速分享产物的问题解决了,但因为 Agent 沙箱隔离的原因还是没有解决 Agent 之间的实时协作问题,而且需要你进入它的工具体系,自己本地的工具生态和文件都带不过去,要重新适应一套环境,并且再为它提供的 Agent 能力付一次费。


【4】Remote Control


Claude Code 今年 2 月上线的 Remote Control 和 Codex 的同类功能是这个方向最典型的例子,它们的工作流是让会话继续跑在你自己的电脑上,文件、凭据、本地配置都可以不动,而你可以从手机、平板或任意浏览器接着指挥。


但仔细看会发现这个工作流的本质是 Agent 在我的电脑上干活,我从别的设备盯着它。


没有其他协同者可以参与进来。


从这个角度来看,桌面 Agent 越普及,Claude Code、Codex、Cursor 人手一个,「Agent 实况干活」的缺口只会越来越大。


这4次尝试都具有一定真实价值,主要目的是让我们可以同时发起更多的并行任务,但这些并行任务必须是边界清晰的。


而在复杂的工作中,协作者之间的任务往往是相互依赖的,真正的并行协作还要求Agent 能有效分工、共享环境和状态、协调冲突并汇总结果。


这时候再回来看 Tutti · VM 。


两个人类,三个 Agent,一个没有冲突的下午


它的产品逻辑是把大家连接起来,先尝试解决的是「我们的工作在哪相遇」。每个人的 Agent 放在各自电脑上跑,工作实况天然产生在同一个云端 Room 里。将大家连接起来后,就能发生很多有意思的事情,比如实时共享和实时协作。


共享和协作的中心,也变成了多个人和他们各自的 Agent。


换个说法,Remote Control 服务的仍然是你一个人和你的 Agent,只是让你离开座位也能接着用。Tutti · VM 服务的是一群人和他们各自的 Agent,整个团队和各自的 Agent 围坐在同一张会议桌前,所有人都能看到彼此在干什么


Agent 留在本地,现场搬到云端


根据官方信息,Tutti · VM 把自己定义为行业「首个实况级」多人、多 Agent 实时协作空间,其把本地工具和云端工具的优点结合到了一起。


它的机制大致可以分为三点:


【1】每个人的 Agent(目前支持 Claude Code、Codex)继续跑在用户自己的电脑上,利用用户已有的订阅、配置和 skills。


【2】Agent 的指令经过多层虚拟化,由系统决定这条指令到底发往物理机、本地虚拟机还是云端,协作者在云端共享同一个运行时环境。


【3】云端 Room 成了所有人与 Agent 的「实况空间」


谁改了代码、Agent 在干什么、最新产物是什么,大家在同一个房间里彼此可见、随时复用。


概念讲到这里,产品逻辑算是基本理清了。


官网也给了一些和其他现有工具的能力对比:

两个人类,三个 Agent,一个没有冲突的下午- Tutti · VM开始内测



下面,我们再来看看 Tutti · VM 实际上是如何使用的。


我们深度实测了几天,接下来分享我们的真实体验。


一个工程师,一个设计师,一个 Room


现在,我们来看这个场景:


我们有团队成员 Vibe Coding 了一个叫做 Crossing Writing 的网站,主要就是 AI 类目的专业信息做个有反向链接的知识库。  但 UI 设计略粗糙、代码架构、前端逻辑也略粗糙。  这次负责更新迭代的是两位同事,工程师用户 A 和设计师用户 B,他们共同进入 Tutti · VM 的同一个 Room。


先简单介绍下这两位同事:


用户 A:工程师,手里有一堆 Agent 产品订阅,Claude Code Max 账户、Codex Pro,主要工作是日常开发,做产品初版。


用户 B:UI 设计师,手里几乎没有 Agent 产品订阅,但是有设计 Taste,做设计把关。


接下来,我们按照他们的真实工作流讲解下 Tutti · VM 。


1.建立 Room,两人加入


首先,Tutti · VM 的官网网址是:


https://tutti.sh


下载之后,我们登录完账户,就可以直接进来主页面创建 Room 。


两个人类,三个 Agent,一个没有冲突的下午


在这个 Room 内部,我们可以一键把邀请信息发送给对方。


两个人类,三个 Agent,一个没有冲突的下午


用户 B 拿到邀请信息后就进入了 Room,可以直接看到 Agent 看板,上面会显示整个 Room 内所有正在执行、已经完成和失败的任务(包括用户 A 所执行过的任务)。


两个人类,三个 Agent,一个没有冲突的下午


下面来看看具体的协作开发流程。


2. 创建项目


对于新的项目,可以直接启动,项目直接就会在 Tutti · VM 中创建,所有协同者立即共享。


如果是历史项目,可以直接在 Tutti · VM 中导入 Local Project。


两个人类,三个 Agent,一个没有冲突的下午


或者也可以在终端中使用 Git 进行 Clone。


两个人类,三个 Agent,一个没有冲突的下午


3. 工程师用 Tutti · VM 搭初版


用户 A 也就是工程师,他的工作流程一般是先用 Tutti · VM 搭建初版。在进入 Tutti · VM 后,就可以一键关联电脑本地的 Codex 和 Claude Code,等于说在 Tutti · VM 里的开发所用到的 Agent 都是本地 Agent:


两个人类,三个 Agent,一个没有冲突的下午


工程师搭好项目后,设计师就可以直接进来使用这个项目,不用再自己折腾一遍环境。


同事 A 一般会把 Codex 和 Claude Code 搭配使用,比如用 Codex 做主力开发、搭建骨架,用 Claude Code 负责审查和规划。


用 Claude Code 完成规划和审查之后,可以直接在 Codex 的页面里使用「Big @」功能。它能引用其他 Agent 的会话、文件、任务、应用等上下文。


这样 Codex 就可以在对话框里直接引用 Claude Code 做审查和规划的那个会话。


两个人类,三个 Agent,一个没有冲突的下午


比如用 GPT 5.6 Terra 模型,@  Claude Code 里的审查会话,让它复盘整个项目,找出 10 个在代码结构和交互上可以改善的点,整理成一份 Todo List。


两个人类,三个 Agent,一个没有冲突的下午


Codex 就会基于 Claude Code 的上下文,按重要级别给出一整份 Todo List,覆盖补齐项目、工作台、路由框架骨架等内容。


两个人类,三个 Agent,一个没有冲突的下午


有意思的是,在这个 Room 里,用户 B 可以通过 Agent 看板实时看到用户 A 整个项目的进展。


两个人类,三个 Agent,一个没有冲突的下午


比如他可以站在设计师的视角查看这份 Todo List,直接在聊天对话框里发表意见,指出整个项目在设计上存在的逻辑问题。


两个人类,三个 Agent,一个没有冲突的下午


工程师可以按照设计师的想法进一步修改。反过来,设计师在聊天框里也能用 Big @ 引用工程师的上下文,自己上手修改,这一步非常有意思。


跨人、跨 Agent 的 session 引用,改变的是提需求的方式。比如工程师的对话流里有非常多技术向的表达,像是整个 Crossing Writting 项目的交互为什么这么设计。


这些对于设计师来说原本可能是读不懂的,也复述不出来。现在他只要在自己的对话框里 @ 上工程师的这条 session,这些内容就作为上下文被完整带了过来,他只需要用设计语言描述自己想要的结果,具体怎么落地代码上由 Agent 结合已有上下文去判断。


两个人类,三个 Agent,一个没有冲突的下午


某种程度上,引用会话本身就是一次「借能力」。设计师借的是工程师和他的 Agent 已经完成的技术判断,跳过了「先把需求翻译成工程师听得懂的话,再等工程师翻译给 Agent」这一层。


跨职能协作里最耗时的部分往往就在这两次翻译上。


使用过程中我还发现,做完一个项目之后,项目直接就可以在沙盒里运行,非常好用。


具体效果如下,我们做的这个 Crossing Writing 是一个非常大的知识库,里面加载了多个 Concept,每个概念都标注了对应的公众号或出处来源,并且采用多嵌入机制。


直接在沙盒中运行之后,它会通过一个 Localhost 地址打开。


两个人类,三个 Agent,一个没有冲突的下午


这是因为 Room 里的协作者共享的是同一个运行时,Localhost 不再只属于开发者本机,谁在房间里谁就能直接访问。如果你在继续开发和调整,对方都可以实时看到最新版本,不需要重新部署、重新发送。


如果对方需要参与开发,加入 Room 就从看结果切换成了实时协作,也就是用户 A 和用户 B 现在的情况。


两个人类,三个 Agent,一个没有冲突的下午


除了这种在 Room 里用 Localhost 共享路径之外,对于 Room 之外,不参与协作、只需要看结果的人,你可以在 Room 的文件夹里找到对应的 html 文件,点击分享拿到链接,把链接发出去就可以。


对方可能是你的老板,也可能是客户。他们不需要下载 Tutti · VM,不需要加入 Room,也不需要你先把项目部署到任何服务器上,在自己的浏览器里打开链接即可。


当设计师用户 B 也能看到 Agent 实况空间里发生的一切之后,他肯定会有更多需要用 Agent 执行的需求,比如改造整个项目的 UI 设计。


按原来的工作流,设计师用户 B 手里没有 Claude Code 或 Codex 的订阅,自己调不动任何 Agent,只能在群聊对话框给工程师提意见,让工程师去改善交互、排查内在逻辑问题。


两个人类,三个 Agent,一个没有冲突的下午


但这样就有了断点和摩擦,因为设计师还是要依赖工程师来继续执行。


所以此时就用到了 Tutti · VM 的另一个功能 —— 设计师可以直接向工程师借用他的 Agent


4. 借用 Agent


在 Tutti · VM 里借用 Agent 非常方便,在左下角点击「共享你的 Agent」就可以。


两个人类,三个 Agent,一个没有冲突的下午


可以看到,设计师用户 B 已经能使用用户 A 共享的 Codex 或 Claude Code 了。


两个人类,三个 Agent,一个没有冲突的下午


因为整个项目都运行在 Tutti · VM 的 共享工作区里,设计师用户 B 又获得了 Agent、拥有整个 Room 里所有的上下文,他可以按自己的想法自由修改样式、做前端 UI 设计。


两个人类,三个 Agent,一个没有冲突的下午


Tutti · VM 里还有一个应用中心,集成了产品原型设计等功能,同样可以调用底层 Agent。


两个人类,三个 Agent,一个没有冲突的下午


现在,设计师可以用共享的 Agent,围绕共享的 Localhost 页面,在 Tutti · VM 的产品原型设计应用里,做设计稿了:


两个人类,三个 Agent,一个没有冲突的下午


5.并行时刻


回顾整个流程,工程师用户 A 做主力开发,完成了项目的骨架和初版。过程中设计师实时关注工作实况空间,提出设计和开发意见,工程师再据此优化。初版完成后转交给设计师,由他借用工程师的 Agent 做前端整体设计。


我们注意,上面的整个工作流程还是串行的,为了避免代码发生冲突,所以很多时候大家的工作习惯还是等一个人做完了事情,另一个人才敢接着做。比如通常是设计师先vibe coding完静态页面,提交到git,工程师再把静态页面从git上拉下来,在上面补充代码逻辑。


但其实 Tutti · VM 在「实况空间 Room」里完全支持多人协同,就像在google docs或者figma里协同一样。两个人可以对着同一个页面和项目,分别调度各自的 Agent 同时跑迭代,Tutti · VM 会帮助多个 Agent 自动避免和解决冲突情况。


为了更直观地展现 Tutti · VM 的「并行时刻」及其流畅度,我们通过一段 3 人在同一个 Room 中协作的实测视频来进行拆解。


视频前半段,同事 A 与同事 B 共享同一个 Localhost 预览,各自调度 Agent 执行不同的前端任务:A 负责为任务列表补充图标,B 同步调整顶部标题样式。在两人操作期间,第三位同事进入 Room,直接为列表左侧接入时间轴。至此,三人基于同一套代码结构,完成了无冲突的多 Agent 并行迭代:


两个人类,三个 Agent,一个没有冲突的下午- Tutti · VM开始内测


整体协作非常顺畅,多人在同一空间内调度各自的 Agent 并行迭代,没有出现代码冲突或任务重叠的摩擦。


这样的 Agent 实况空间带来几个好处。首先就是效率提升了,两人的 Agent 执行环境是共享的,所以他们能同时使用 Agent完成同一个项目,实现跨职能协同。也不用担心潜在的代码或者操作冲突等。


而且协作过程中各自 Agent 的上下文和产物也都是实时共享的,每个 Agent 都能及时知道其他 Agent 正在做什么,最后做出的项目也会更完整。


回到我们这次的项目,最终落地的效果是这样的:


两个人类,三个 Agent,一个没有冲突的下午


现在这个知识库已经加上了图片懒加载和事件防抖,很多重复的卡片重构成了可复用的组件,整个 UI 设计也重新改了一遍。


回顾这几天的协作,最直观的感受是有一批动作全程没有再出现。不需要每个人重复搭一遍开发环境;也不需要频繁地操作 Git 和解决冲突;没有人在群里同步一遍「我现在做到哪了」;也没有人为了传一份改动去导出、上传、再下载;也不需要在终端、文档、设计工具和聊天软件之间来回切换。


所有事情都发生在同一个环境里。看板上显示着彼此的 Agent 正在执行什么任务、产出了什么,每个人都是用的同一份代码,想接着对方的进度往下做,用 Big @ 引用他的会话或文件就可以。前面提到的那些「为了让工作能继续而做的工作」,在这个 Room 里被消化掉了。


整个工作流没有出现明确的断点,上手也很快,快到让我一度以为 Tutti · VM 的产品逻辑并不复杂。但支撑这种「产品简单」的背后技术方案,实际上极其复杂。


它到底是怎么做到「本地云端结合」的?


回过头看 Tutti · VM 这条技术路线,核心动作是把「身份」「执行」「共享」三件事拆开,各自放到合适的位置。


两个人类,三个 Agent,一个没有冲突的下午


首先,Agent 的「身份」留在了本地。


你的 Claude Code、Codex 依然作为本地工具跑在你的物理机上。登录态、订阅、API key、SSH key、公司 SSO、IP 白名单、内网服务,这些敏感资产都不出你的电脑,云端拿不到。


对企业用户来说这一点很关键,因为 Agent 的请求仍然从你的真实设备和网络发出,模型厂商的风控、企业的安全策略都照常有效。


「借用别人的 Agent」也因此能安全成立,借出来的只是能力授权,不涉及账号转移,授权方随时可以收回。


其次,Agent 任务的执行在本地虚拟化层。


通过多层虚拟化,Claude Code、Codex 的运行时环境被放进一个受管的 Linux 环境里。系统会接管 Agent 的进程调用和文件读写,从正确性、性能、沙箱成本几个维度做判断,决定每条指令最终去往物理机、虚拟机还是云端。


Agent 自己感知不到差别,用户也不需要改变任何使用习惯。


最后,Agent 之间的共享和协作都在云端 Room。 真正进入云端的只有工作实况这一层,Agent 正在改什么文件、任务执行到哪一步、生成了什么产物。这些内容在 Room 里实时共享,Room 里的人和 Agent 基于它产生连接和并行协作。


按官方的说法,因为只有和协作相关的指令上云,沙箱成本只有普通云端方案的 20% 到 25%。


这里还有一个值得单独说的技术细节:


实时协同的冲突是怎么解决的?


Google Docs 和figma等产品的冲突处理在应用层,因为文档的操作是有限的,插入、删除、格式修改,可以穷举。但 Agent 不一样,它的命令和文件操作五花八门,没有办法在应用层逐一适配。


Tutti · VM 的做法是把实时协同下沉到文件系统层,据官方信息,其自研了一套文件级实时协同引擎。所以,协同发生在文件系统这一层之后,上面跑的是什么工具就无所谓了,Claude Code、Codex、VS Code 基本不需要改代码,就具备了协作能力。


团队自己的形容是:


「让三十年来的工具生态一夜之间全部学会了协作。」


这个形容或许稍显激进,但产品逻辑是有一定支撑的。


如果所有 Agent 都在同一个房间里,会发生什么?


如果所有人的 Agent 都突破了本地物理机的限制,在同一个 Room 里共享运行时,往后看会有几点价值,这很有想象力。


首先,Agent 会从个人助手,进化到组织成员


今天的 Agent 大多只属于一个人:它的上下文、工具、产物和工作过程,都留在个人电脑与一次次会话里。人离开、会话结束,项目容易失去记忆。人离职,组织可能永久失去在个人电脑上的上下文。


Tutti · VM让人继续使用自己的电脑和 Agent,不改变工作习惯喜好的同时,把项目的文件、任务、运行状态、决策与工作过程沉淀在持续存在的 Room 中。成员和 Agent 可以自由加入、离开、切换项目;项目本身不会随着任何一个人的退出而停止或消失。


Agent 不再只是替某个人完成一次任务,而是以项目为单位参与协作,成为组织可共享、可交接、可积累的能力。


组织也将具备「长期 Memory」,当一个项目做完,Agent 可能会退出,但 Room 还是存在的。下一个项目、下一个季度,新的 Agent 进来后,面对的是带着完整历史的组织记忆,而非一个空白的新会话。


其次,Agent 之间会产生「默契」。


这点很有意思,人和人长期协作会形成默契,谁负责什么、决策习惯是什么、现在手上在做什么,不用每次都说。


Room 里的 Agent 也可以知道其他 Agent 是谁、归属谁、什么职能、正在做什么。这样,新人入职,他的 Agent 第一天就继承了整个组织的上下文。


最后,Agent 之间将会自然形成自主分工。


当每个 Agent 都看得到全局,它们可以自己判断哪些任务能并行、哪些要等待、怎么避开冲突,不需要一个中央编排器在上面指挥。


这几件事的共同前提只有一条:


所有 Agent 在同一个空间里,观看同一份实况,共享同一个运行时。



Tutti · VM 目前还在内测, 十字路口拿到了一批「内测邀请码」,公开如下:

- ACVXM4

- LRBR4N

- 4CGJN5

- 4LXEGT

- S4F7QR

- PHKOJW

- PQNX3O

- HLQ4GQ

- O3Y34H


欢迎大家围观它所带来的「想象力」。


文章来自于微信公众号 “十字路口Crossing”,作者 “十字路口Crossing”

1
AI工作流

【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!

项目地址:https://github.com/coze-dev/coze-studio


【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。

项目地址:https://github.com/n8n-io/n8n

在线使用:https://n8n.io/(付费


【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。

项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file



【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。

项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file

在线使用:https://vectorvein.ai/付费

2
AI数据分析

【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。

项目地址:https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file

本地安装:https://www.deepbi.com/

【开源免费airda(Air Data Agent)是面向数据分析的AI智能体,能够理解数据开发和数据分析需求、根据用户需要让数据可视化。

项目地址:https://github.com/hitsz-ids/airda

3
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md

4
知识库

【开源免费】FASTGPT是基于LLM的知识库开源项目,提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信,飞书的AI项目都基于该项目二次开发。

项目地址:https://github.com/labring/FastGPT

添加客服微信openai178,进AITNT官方交流群