eve
vercel/eve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。
想象这样一个场景：你在凌晨两点调试一个 AI 客服 agent，改完一条指令后 agent 突然崩溃了，重启后它丢失了所有上下文，之前的对话历史荡然无存。这个痛点，正是 Vercel 推出 eve 想要解决的核心问题。
eve 是一个以「文件系统即编排接口」（Filesystem-First）为核心理念的 AI Agent 框架，于 2025 年 10 月正式开源。与传统框架（LangChain、AutoGen 等）需要写大量代码来定义 agent 行为不同，eve 让你用文件夹 + Markdown + TypeScript 文件来描述一个 agent 的一切——它的角色定位、工具能力、技能清单、接收消息的渠道，甚至定时任务。一个 agent 就是一个目录，所有配置一目了然。
eve 框架 Logo
大模型能力在 2024-2025 年飞速提升，但把模型变成可靠的生产力工具这件事，门槛仍然很高。传统 agent 框架存在三个根本性问题：
1. 框架语义过重。 用 LangChain 或 AutoGen 构建 agent，你需要理解大量框架概念（Chain、Agent、Tool、Memory……），代码量和框架学习成本成正比。开发者的注意力被迫分散在「如何让框架工作」而非「agent 真正要做什么」。
2. 生产级能力缺失。 很多教程级别的 agent 实现无法应对真实场景：对话中断后状态丢失（不持久）、缺少沙箱导致代码执行危险（不安全）、无法追踪 token 消耗（不透明）、调试全靠 print（不可观测）。
3. 自托管代价高昂。 要让 agent 在生产环境可靠运行，你需要自己实现：持久化执行（checkpoint + resume）、沙箱隔离计算、审批门控、渠道分发……这些能力每一条都需要大量工程投入。
Vercel 作为拥有大量前端开发者的平台，意识到这个痛点，决定把内部 agent 构建经验封装成开源框架——这就是 eve。核心理念：框架负责生产级基础设施，开发者只定义 agent 的「做什么」，不负责「怎么做」。
eve 的最大创新在于架构哲学：将 agent 的每个能力维度映射到一个标准目录位置，开发者通过文件系统结构即可理解 agent 的全貌，无需记忆任何框架 API。
一个典型的 eve agent 项目结构如下：
my-agent/
├── agent/
│ ├── agent.ts # 可选：模型与运行时配置
│ ├── instructions.md # 必选：始终加载的系统提示词
│ ├── tools/ # 可选：Typed 工具函数（TypeScript 单文件）
│ │ └── get_weather.ts
│ ├── skills/ # 可选：按需加载的技能指南（Markdown）
│ │ └── plan_a_trip.md
│ ├── channels/ # 可选：消息渠道（Slack/Discord/HTTP...）
│ │ └── slack.ts
│ └── schedules/ # 可选：定时任务（Cron 风格）
│ └── weekly_recap.ts
工具（tools/） 是 eve 最核心的扩展机制。每个工具是一个 TypeScript 文件，使用 defineTool 定义 Zod 输入 schema 和 execute 函数。文件名自动成为工具名，agent 在运行时可直接调用，无需注册。例如 run_sql.ts 实现 SQL 执行工具，search_context.ts 实现向量检索工具。TypeScript 类型安全。
技能（skills/） 是 Markdown 文件，描述 agent 执行特定任务的完整步骤流程。eve 的 agent 会根据上下文按需加载 skills，而非每次都加载全部上下文——这让 agent 既能掌握复杂技能，又能保持每次调用的 token 效率。
指令（instructions.md） 是 agent 的核心角色定义，类比于系统 prompt，但 eve 保证它在每个 session 中始终加载，不受工具调用干扰。
eve Getting Started 截图
这是 eve 最具区分度的能力。传统的 LLM API 调用是无状态的——模型不记得上一次对话的内容，靠开发者自行管理 memory。eve 引入了Checkpoint + Resume机制：agent 的每次操作都被持久化到 Vercel Workflows，任意时刻 agent 崩溃、函数冷启动、甚至你手动暂停后，agent 都能从上一次 checkpoint 精确恢复，继续未完成的任务。
这意味着你可以让 agent 处理一个需要数小时的工作流，中途关闭电脑，第二天回来 agent 已经自动完成了剩余任务——而不是从零开始。
eve 的 sandbox 环境让 agent 拥有真正的 shell 访问权限，可以执行 bash 命令、运行 Python 脚本、读写文件系统。agent 自己可以写代码然后执行，这是传统 agent 框架很难安全实现的能力。Vercel Sandbox 负责隔离：恶意代码不会影响宿主机，资源使用有上限保证。
对于敏感操作（删除数据、执行危险命令、调用付费 API），eve 支持设置审批门控：agent 遇到这类工具调用时会自动暂停，进入等待状态，等人类批准后才继续。审批可以来自任何配置的渠道（Web UI、Slack、Email……）。这让 agent 在生产环境中既能自动化，又能保持人类监督。
同一个 agent 代码，可以同时部署到：Web Chat（网页对话）、Slack（团队协作）、Discord（社区支持）、HTTP API（供其他系统调用）、Cron（定时触发）、CLI。渠道定义是独立的 TypeScript 文件，新增渠道不需要修改 agent 核心逻辑。这极大降低了 agent 在不同场景复用的成本。
eve 支持嵌套 agent：父 agent 可以将特定任务委托给子 agent，每个子 agent 拥有自己的提示词、工具集和沙箱。子 agent 完成工作后将结果汇报给父 agent，父 agent 继续协调。这种设计让复杂任务可以被自然地分解。
eve 通过 MCP（Model Context Protocol）服务器 或 OpenAPI 规范连接外部服务，凭证由 Vercel Connect 安全管理，agent 永远无法看到 API keys 或认证信息。官方开箱支持的集成包括：Slack、GitHub、Snowflake、Salesforce、Notion、Linear。
低门槛创作体验： 写一个能跑起来的 agent，只需要一个 instructions.md 文件和 agent/ 目录。Markdown 的学习成本对任何技术人都接近零，这让非专业开发者也能参与 agent 的设计。
Vercel 深度集成，基础设施开箱即用： 无需自建持久化存储、消息队列、审批系统。eve 把这些生产级需求封装成平台能力，开发者不需要理解底层原理。
TypeScript 类型安全： 工具定义使用 Zod schema，输入输出有类型检查。相比纯 Python 生态（LangChain 的动态类型），TypeScript 的类型系统减少了运行时错误。
活跃的生态系统： 官方 monorepo 包含多个预构建包：
eve-code：代码编写 agent，支持代码生成、PR 描述等eve-git：Git 操作 agent，支持 commit、branch、PR 管理eve-computer-use：视觉理解型 agent，能感知屏幕截图并操作 GUIeve-self-modification：让 agent 能自主改进自己的 instructions.mdeve-catalog：预制 skills 市场强平台锁定： eve 的运行依赖 Vercel Functions、Vercel Sandbox、Vercel AI Gateway 等 PaaS 组件。截至目前，没有 Dockerfile 或 docker-compose 支持，无法在传统服务器或 Kubernetes 上自托管。这对追求基础设施自主可控的团队是实质性限制。
Beta 阶段稳定性风险： 官方明确标注 eve 处于 Beta，API 和行为可能在正式版发布前发生变化。生产环境使用需要评估版本稳定性风险。
调试体验有限： 对于 agent 启动前的事件（如 Webhook 未触发导致 session 未建立），eve 的 Agent Runs 视图无法提供诊断信息。调试这类问题需要对照 connector 配置逐一排查。
国内访问受限： Vercel 平台及相关文档（eve.dev）在国内访问不稳定，AI Gateway 等依赖的境外 API 在国内网络环境下可能需要额外配置代理。
eve 的出现代表了一种范式转变：从「代码即 agent 定义」到「文件结构即 agent 规范」。这个思路与 GitOps、Infrastructure-as-Code 一脉相承——用人类可读、可版本控制的文件来描述系统行为，而非用程序化 API。
从 GitHub 5,500+ Stars 的增长曲线来看，eve 在发布后迅速获得了开发者社区的关注。作为 Vercel 内部也在使用的框架，它具备了「吃自己的狗粮」的工程可信度。但其 Vercel 强绑定的设计，也让它与 Dify、AutoGen 等更开放的选择形成了鲜明对比。
适合选择 eve 的场景： 已经在 Vercel 生态内、需要快速构建生产级 agent、团队有 TypeScript 能力、不介意平台绑定的团队。
需要考虑替代方案的场景： 追求基础设施自主、预算有限（Vercel Edge Functions 有用量限制）、需要支持私有化部署。
如果想体验 eve，最快的路径是：
npm i -g vercelvercel agent init my-agentagent/instructions.md 定义 agent 角色agent/tools/ 添加 TypeScript 工具文件vercel devvercel deployAI 模型支持 OpenAI GPT-4o、Anthropic Claude、Google Gemini 等主流提供商，可通过 agent/agent.ts 灵活配置。
本报告基于 GitHub 仓库 vercel/eve（Apache-2.0 license, TypeScript, 5513★）分析生成。数据采集时间：2026年1月。eve 当前处于 Beta 阶段，部分功能可能与正式版有差异。