Cumora：一个让 AI 智能体"入职"的团队协作平台

痛点故事：被工具淹没的 AI 时代

想象一个场景：你引入了 Claude Code 做代码审查，接入 ChatGPT 做文案，用 Gemini 处理数据分析，还有一个 Cursor Agent 在写前端——结果你的团队每天在五个不同的聊天窗口之间疲于切换，每个 AI 都有自己的记忆、自己的上下文，互相之间完全不知道对方在做什么。这不是 AI 赋能，这是 AI 碎片化。

Cumora 正是为了解决这个痛点而生。它的核心洞察是：AI 智能体不应该只是被人类召唤的工具，它们应该成为团队中有名字、有角色、有记忆、有自主行动能力的一员。

背景：一位 indie 开发者的实验

Cumora 由独立开发者 yetone（GitHub @yetone）于 2026 年 8 月中旬开源，上线首日即斩获 948 stars，两周内突破 3,200 stars。这个增长速度在 2026 年的开源项目中名列前茅，证明了"AI 团队协作"这个赛道正在被市场关注。

它不是大厂产品，而是一个 indie 开发者对"多智能体 + 人类协作"这一前沿命题的完整实现。代码量达到 5.5M LOC 的 TypeScript 代码库，涵盖 Electron 桌面端、iOS/Android 移动端、PWA Web 端，展示了相当成熟的工程能力。

核心功能：四个维度重新定义 AI 协作

1. 角色即资产：Persona-driven Agent

每个 AI Agent 都有独立的 Persona（角色设定）、Voice（语气风格）、Memory（长期记忆）和 Status（在线状态）。用户可以自定义系统提示词，让某个 Agent 扮演"项目经理 Nova"、另一个扮演"工程师 Bram"。Cumora 默认创建一个四人 starter team（Atlas 研究员、Iris 设计师、Bram 工程师、Nova 产品经理），开箱即用。

2. 双轨运行：Cloud vs. BYOA

这是 Cumora 最具差异化的设计：

• Cumora Cloud：Agent 运行在 Cumora 托管的 K8s Pod 中，基于 OpenAI Responses API 执行工具调用（bash、文件、浏览器、邮件、记忆、skills 等）
• BYOA（Bring Your Own Agent）：用户在自己的 Mac 或 VPS 上运行 npx cumora agent computer，接入 Claude Code / Codex / Grok Build / Cursor Agent / OpenCode 等本地 CLI 工具，API Key 仅在本地存在，Cumora 服务器永不接触用户凭证。这解决了企业数据隐私顾虑

3. 多 Agent 协调：不打架的智能体

多 Agent 同时运行最大的风险是"冲突"——两个 Agent 同时修改同一个文件怎么办？Cumora 实现了三层协调机制：

• Seen-cursor 新鲜度门控：旧回复被 HELD（暂停），待新消息进入后重新决策
• 原子化工作认领：Agent 只能认领空闲的工作单元，已被认领的任务对其他 Agent 不可见
• 小脑分诊门控：低优先级任务由小模型处理，保护大模型算力

文档 docs/COORDINATION.md 有 30,000 字符的详细设计说明，工程化程度相当高。

4. 全平台覆盖

Electron 桌面端（macOS/Windows/Linux）、PWA Web 端、iOS 端（TestFlight 公测中）、Android 端（源码已开放），所有端共享同一套 React 组件库，数据实时同步。

技术架构：严肃的全栈工程

• 前端：React 18 + Vite + TypeScript + Tailwind，跨四端共用组件，desktop/（Electron）、mobile/（Capacitor）、web/、admin/ 均基于同一 src/ 目录
• 后端：server/src/ Node.js Express + WebSocket，Postgres + Drizzle ORM，Redis pub/sub 做实时状态广播和在线状态管理
• Agent 运行时：Cloud Agent 在 K8s Pod 中运行（Go FUSE 驱动挂载服务端工作区）；BYOA 在本地守护进程中运行
• 协作层：Redis 实时 pub/sub，多实例水平扩展时通过 Redis bus 保持同步
• 邮箱： Resend 发送 + Cloudflare Email Worker 接收，每个 Agent 有独立邮件地址
• 移动端：Capacitor 跨端框架，iOS Swift 源码开放，Android 源码同样完整

主要技术模块：server/src/agents/ 下包含 agenda.ts（议程管理）、board-columns.ts（看板列）、convene.ts（会议召集）、embeddings.ts（向量嵌入）、idle.ts（空闲检测）等 Agent 核心逻辑。

部署挑战：不是给初学者的项目

Cumora 没有提供一键部署方案。自行部署需要：

• 必需：PostgreSQL 数据库、Redis 服务、OPENAI_API_KEY
• 云端模式：Kubernetes 集群 + kubectl 配置（已有 GKE 和 Orbstack manifest）
• BYOA 模式：Node.js + npm，门槛相对低，但需本地安装 Claude Code 或 Codex CLI

服务端 Dockerfile（server/docker/cumora-server.Dockerfile）提供了单进程构建，支持 API + WebSocket + SPA bundle 三位一体 Serving。这套架构适合有 DevOps 经验、愿意自托管的团队。

上手指南

# 环境准备
createdb -h localhost cumora
export OPENAI_API_KEY=***

# 安装并启动
npm install && npm run setup
npm run dev:all        # 前端 :5180 + API :5181

# Electron 桌面端开发
npm run electron:dev

桌面端可直接从 GitHub Releases 下载各平台安装包。

局限与风险

1. 极早期项目：截至 2026 年 8 月底仅两周历史，1 人维护，功能稳定性待验证
2. 强依赖 OpenAI：Cloud 模式对 OpenAI Responses API 的强依赖，存在供应商锁定风险
3. BYOA 体验不一致：Cloud 模式体验统一，BYOA 依赖用户本地 CLI 配置，差异较大
4. 邀请制：目前需要申请访问，对尝鲜用户有一定门槛
5. 多 Agent 协调复杂度：三层协调机制设计精巧，但实际运行效果需要大规模验证

行业意义：从"AI 工具"到"AI 同事"的范式转变

Cumora 真正值得关注的地方不在于它的代码量或功能完整度，而在于它对 AI 使用方式的前提假设：AI 不是被你召唤的工具，而是和你一起打卡上班的同事。这个假设正在被越来越多的产品（如 Teammates.ai、Taskade）验证。

GitHub 上 3,200 stars 和"首日 948 stars"的数据表明，市场对"AI Agent 团队协作平台"的需求是真实的。随着 Claude Code、Codex 等编程智能体的普及，开发者需要一个统一的空间来管理自己和 AI 的协作关系——Cumora 正是这个赛道的早期探索者。

值得跟踪，但建议保持距离观察。