suna
kortix-ai/suna加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
图1：Kortix 团队头像
想象一下：深夜 11 点，你刚处理完一个紧急客户投诉，却发现还有三份合同等法务确认、两份发票等财务复核、一个招聘需求等 HR 发出。你当然可以选择明天再处理——但客户在等，法务在催，HR 在问。
现在想象另一幅画面：这些工作已经在一个「虚拟员工团队」里自动流转了。客服 Agent 刚处理完投诉，就自动生成了事件摘要；法务 Agent 看到摘要，立刻调出合同模板做了初审；财务 Agent 收到发票，用你公司的数据库做了真伪核验；HR Agent 收到招聘需求，已经在 LinkedIn 上筛选好了三份简历。
这不是科幻，是 Kortix 正在做的事。
理解 Kortix 的核心价值，要从一个 AI 行业的根本矛盾说起：模型很聪明，但上下文永远是空的。
每个对话 AI 界面，本质上都是一个「失忆天才」——它可以做任何复杂的推理和创作，但它不知道你是谁、你的公司做什么、你的客户关心什么、上一次和它讨论了什么。你必须每次都从头解释一切，就像教一个新员工接手工作，而这个「员工」其实是你公司最聪明的人。
与此同时，你的真实生活散落在几十个互不相通的工具里：代码在 GitHub，任务在 Linear，对话在 Slack，钱在银行，域名在注册商，文档在 Google Drive。没有一个 AI 能看到所有这些，也就没有一个 AI 能真正帮你做完整的工作。
Kortix 的创始团队 Kortix 公司决定解决这个矛盾：给 AI 一个真正的「家」——一台全功能的 Linux 电脑，配备持久记忆、真实文件系统、API 集成能力和真正的自主执行权限。这不是另一个聊天界面，而是一台会自己工作的电脑。
如果把传统 AI 工具比作外卖平台上的一个个独立厨师（各自只做自己的菜，不知道其他厨师在做什么），那么 Kortix 就是一家完整的中央厨房：
开发者视角：Kortix 运行 Agent 的底层引擎是 OpenCode（由 Anomaly 提供），这是一个支持在真实 Linux 环境中执行代码、bash 命令、浏览网页、操作文件的 AI Agent 运行时。可以说，OpenCode 赋予了 AI 「手脚」，而 Kortix 给 AI 提供了「记忆」和「工具箱」。
Kortix 提供了极为简洁的安装体验——一条 curl 命令全自动配置：
curl -fsSL https://kortix.com/install | bash
安装脚本会自动检测你运行的环境：
localhost，仅本机可访问0.0.0.0，可远程访问官方推荐使用服务器/VPS 以实现真正的 24/7 运行（笔记本合盖后 AI 仍在工作）。支持的 VPS 选项包括 Hetzner、JustAVPS 等。
管理命令同样简洁：
kortix start # 启动所有服务
kortix stop # 停止
kortix logs # 查看日志
kortix update # 更新版本
Kortix 不是一个单体应用，而是由多个模块组成的分布式 Agent 操作系统：
| 模块 | 技术栈 | 职责 |
|---|---|---|
| apps/web | Next.js | Web 管理界面 |
| apps/frontend | Next.js | KDE 桌面风格前端 |
| apps/api | Bun + TypeScript | 后端 REST API |
| apps/desktop | — | 桌面客户端 |
| apps/mobile | — | 移动端（Expo） |
| packages/agent-tunnel | — | Agent 通信隧道 |
| packages/db | — | 数据库封装层 |
| packages/shared | — | 共享工具库 |
| packages/voice | — | 语音交互模块 |
| core | Go + Python + Bash | Sandbox 运行时、s6 服务管理 |
Sandbox 运行时（core/docker/）是核心组件：一个基于 Docker 的隔离 Linux 环境，内置 OpenCode Agent 运行时、持久的 /workspace 数据卷（用户工作区）和加密 Secrets 管理。数据持久化设计非常精细：
/workspace/：持久化用户工作区（代码、仓库、已安装包）/persistent/：持久化系统状态（OpenCode 数据库、加密密钥、浏览器配置）/ephemeral/：随镜像更新而替换的运行时（Kortix 服务本身）这种设计确保镜像更新不会丢失用户数据和配置，同时保持了环境的一致性。
Kortix 的 Agent 之所以能处理真实工作，是因为它内置了丰富的技能（Skills）和外部集成。一个「法务 Agent」能查阅合同，不只是因为它会写文字，而是因为它有：文件系统访问权限（读 PDF/Word 文档）、代码执行能力（运行合同分析脚本）、API 调用能力（调取工商数据核实企业信息）、数据库访问（查询公司合同库）。
3,000+ 集成意味着 Agent 可以连接 Stripe（支付）、Linear（项目管理）、Slack（通信）、GitHub（代码）、各类银行 API（财务）等几乎所有主流 SaaS 工具，打破了 AI 工具与传统软件之间的壁垒。
光有 Agent 不够，还得让 Agent「知道什么时候该干活」。Kortix 支持：
图2：Kortix Admin 管理面板（v2）
终端用户：门槛极低。安装只需要一条命令，Web UI 提供了完整的图形化管理界面。适合希望引入 AI 自动化但不想写代码的团队负责人、创业者、独立开发者。
开发者：如果你想深入定制 Kortix 的 Agent 行为、修改核心运行时或开发新技能，需要熟悉：
官方提供了详细的开发文档（docs/ 目录下有 admin-panel、config-degradation、opencode-config-failsafe 等多种 spec 文档），代码质量较高，采用模块化插件架构，扩展性良好。
1. 数据安全顾虑：虽然支持本地部署，但 3,000+ 集成的第三方 API 调用涉及大量敏感数据。企业用户需要仔细评估每个集成的数据流向。
2. Agent 失控风险：给予 AI Agent 真实的 bash 权限和 API 访问权是一把双刃剑。如果 Prompt 注入或 Agent 幻觉导致误操作，后果可能比传统软件 Bug 更严重。Kortix 在 Sandbox 内做了隔离，但隔离边界的设计质量需要经过更多生产环境检验。
3. 复杂场景下的协调成本：当 Agent 数量增加、任务链变长时，Agent 间的状态同步、错误恢复和调试会变得复杂。官方虽提供了三层健康检查规范，但实际生产中的 Agent 编排仍是新兴领域。
4. 依赖外部 LLM：Kortix 本身不训练或托管大模型，Agent 的推理能力完全依赖外部 LLM API（Claude、GPT 等），存在供应商锁定和成本不可预测的问题。
Kortix 代表的不仅仅是一个工具，而是对「AI 如何真正落地」这一问题的一种系统性回答。
当前 AI 落地存在两条路径：
Kortix 明显押注第二条路径。它不追求在某个单项任务上超过专用工具，而是追求让 AI 能够自主完成需要跨工具、跨上下文、长期记忆的复杂工作流。
从增长曲线看，2025 年 GitHub 上 AI Agent 相关项目的 stars 增速远超其他 AI 细分赛道。Kortix 以近 2 万 stars 位居待分析项目前列，说明市场对「自主运转的 AI 系统」的需求极为强烈——不是让 AI 帮你写一段代码，而是让 AI 帮你运营一家公司。
这条路能否走通，取决于三个核心问题的解决速度：可靠性（Agent 犯错的频率和容错机制）、安全性（权限边界和数据隔离）、经济性（LLM API 成本 vs 人力成本）。Kortix 正在这三个方向上同时推进，值得持续关注。