andrewyng/aisuite

📌 【Andrew Ng 最新開源】aisuite：一套讓 LLM 跨模型統一調用，並實現桌面 AI Agent 的輕量框架

你是否在開發 AI Agent 時，被不同 LLM 供應商（OpenAI, Anthropic, Google）各自不同的 API 格式搞得頭大？每次切換模型都要重寫一遍調用邏輯，這種重複性工作不僅低效，更增加了維護成本。

🤔 跨模型調用的痛點：API 碎片化與開發成本

目前 AI 生態系中，每個模型供應商都有自己的 Chat Completions 格式。雖然有 LangChain 等框架嘗試統一，但對於許多工程師來說，有時只需要一個更輕量、更直接的介面，而不需要承擔過重的框架依賴。

Andrew Ng 團隊推出的 aisuite 正是為了解決這個問題，旨在提供一個統一的進入點，讓開發者能用同一套代碼輕鬆在不同模型之間切換，並在此基礎上快速構建 Agent。

🧪 雙層設計：從統一 API 到 Agent 實作

aisuite 的設計分為兩個核心層級，將基礎通訊與高層邏輯解耦：

1. Chat Completions API (底層)：提供統一的介面，讓開發者可以用相同的方式調用不同供應商的模型。
2. Agents API (上層)：在統一 API 之上構建，整合了 Tools（工具）與 Toolkits（工具集），讓 AI 能從單純的「聊天」轉化為能「執行任務」的代理。

這種分層設計讓工程師可以根據需求，選擇僅僅是統一模型接口，或是直接開發複雜的 Agent 邏輯。

🚀 實作範例：OpenCoworker 桌面 AI 同事

為了證明 aisuite 的實用性，該專案同步開源了 OpenCoworker。這是一個直接運行在桌面端的 AI Agent，展示了 aisuite 如何將 LLM 轉化為真正的生產力工具：

• 深度研究與執行：不只能聊天，還能進行深度研究並在電腦上執行具體任務。
• 上下文感知：在獲得權限後可讀取本地文件以獲取背景資訊。
• 跨平台溝通：能讀取與發送 Slack 訊息、電子郵件等。
• 產出實體交付物：能直接生成 PDF 報告、文檔或電子表格。
• 自動化排程：支持定時任務，例如每天自動提供新聞摘要。

💡 本地化與靈活性：BYOK 與隱私保障

aisuite 與 OpenCoworker 在部署上提供了極高的靈活性：

• Bring Your Own Key (BYOK)：支持 OpenAI, Anthropic, Google 的 API Key。
• 完全本地化：支持透過 Ollama 運行，確保所有數據留在使用者自己的機器上，解決企業級開發最擔心的隱私外洩問題。
• 開源參考：OpenCoworker 的源碼位於 platform/ 目錄下，為想要構建自有 Agent Harness 的工程師提供了完整的實作參考。

⚠️ 目前的限制與適用場景

由於 OpenCoworker 是作為 aisuite 的參考實現，其功能深度依賴於所連接的模型能力。對於極其複雜的長流程工作流，可能仍需額外的狀態管理機制。此外，目前 OpenCoworker 的可執行檔主要支持 macOS (Apple Silicon) 與 Windows 10/11。

🎯 工程實踐建議：快速原型開發的理想選擇

如果你正在構建 AI Agent，且希望在不同模型之間快速做 A/B Test，或者想開發一個能與本地文件、第三方通訊軟體互動的桌面助手，aisuite 是一個非常高效的起點。

建議開發者先從 aisuite 的統一 API 開始，將模型切換邏輯抽象化，再利用其 Agents API 逐步加入工具集，模仿 OpenCoworker 的結構來構建自己的桌面代理。

🔗 專案連結 📝 aisuite / OpenCoworker 👤 Andrew Ng 🔗 GitHub: https://github.com/andrewyng/aisuite

你會選擇將 AI Agent 部署在雲端，還是像 OpenCoworker 這樣直接運行在桌面端？歡迎在下方分享你的看法 👇

#AI #LLM #OpenSource #AndrewNg #AIagent #Python #aisuite #OpenCoworker #生產力工具