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。
想象一下：你们公司有 15 个人，都在用同一个 AI 助手处理日常事务。它知道所有人的邮件、文档、代码库权限，每次提问都像在办公室里大喊一声"谁能帮我查一下"——混乱、权限不清、历史记录互相覆盖。
YC Software 团队在开发 AI 应用时遇到了同样的困境：单人 AI Agent 设计简单，但要扩展到多人协作、权限隔离、共享上下文的工作场景，就成了一团乱麻。他们的解法是从头重新设计多智能体协作架构，这就是 QM（Query Manager）。
QM 由 YC Software 团队开发和维护，GitHub 地址 yc-software/qm，目前约 3,500+ Stars（PIFS 记录 3,359★），采用 MIT 开源许可证。
项目定位非常明确：面向创业公司（startups）的多智能体工作平台。与传统的"单人 AI 助手"不同，QM 从架构层面支持多人协作，每个员工拥有独立的隔离工作空间，同时可以在 Slack 频道、项目群组中与 AI 协同工作。
QM Web UI：两个并发会话同时运行，左侧栏包含个人文件、定时任务、密钥管理、部署管理、记忆和技能面板。
QM 的架构可以分为三个核心层次：
1. 头部核心（Headless Core）
核心引擎完全跑在 Node.js 上，使用 Fastify 处理 HTTP 请求。关键特性：
2. 持久化层（Postgres）
QM 选择 Postgres 作为唯一数据库，存储：
所有持久化通过 Postgres 实现，避免引入额外的数据存储依赖。
3. 沙箱层（Per-Scope Sandbox）
每个 Scope（个人/频道/项目）拥有独立的隔离沙箱：
Agent 执行命令时，运行在对应 Scope 的沙箱中，权限与该用户完全一致，所有操作均有审计日志。
把 QM 想象成一个团队共享的 AI 中枢神经系统：
| 功能 | 说明 |
|---|---|
| 个人 + 共享双作用域 | 个人定制 AI，同时在频道中协作 |
| Slack + Web 双入口 | 同一身份配置跨平台同步 |
| 后台任务（Crons & Watches） | 定时自动执行，如"每天早 8 点整理邮件草稿" |
| Web Apps | 团队内部工具，精准推送给需要的人 |
| 共享技能（Skills） | 组织级技能库，可从 Git 仓库导入 |
| 密钥管理（Keychain） | 安全的凭证存储与权限控制 |
| 记忆管理（Memory） | 个人 + 共享两层记忆，精准检索 |
后端核心：
前端 UI：
部署层：
npm exec qm -- init / up / plan / check）测试体系：
Web UI 适合：日常对话、文件管理、查看部署状态、管理技能
Slack 适合：即时协作、频道讨论、项目追踪
开发/运维：qm CLI 完整覆盖 init → check → infra render → build → plan → up 全流程
最低硬件要求：
node >= 24.15.0，这是极新的版本（截至 2025 年 7 月），主流 Linux 发行版的默认 Node 版本可能不满足，需要通过 nvm 或 volta 管理QM 代表了 AI Agent 发展的一个新方向——从"单人助手"到"团队中枢"。随着 Claude Code、OpenCode、Codex 等工具成熟，AI Coding Agent 的个人使用已经标准化，但团队协作场景仍缺乏成熟方案。QM 在这个交叉点上提供了有价值的开源参考实现。
其多 Harness 架构（同一核心驱动不同 AI 模型）也值得关注：未来企业可以根据任务类型切换不同的 AI 引擎，而无需重建整个系统。
# 1. 初始化部署目录
npm exec --yes --package=@yc-software/qm@latest -- \
qm init . --org acme --target aws
# 2. 安装依赖
npm install
# 3. 本地 Docker 运行
npm exec qm -- check
npm exec qm -- doctor
npm exec qm -- up --yes