ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif;font-size: 15px;">
ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif;margin: 10px 0px;letter-spacing: 0.1em;white-space: pre-line;color: rgb(63, 63, 63);font-size: 15px;">在 AI 领域，其实有一种大家都心照不宣的恐惧，叫「被 Sherlocked」。ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif;margin: 10px 0px;letter-spacing: 0.1em;white-space: pre-line;color: rgb(63, 63, 63);font-size: 15px;">
ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif;margin: 10px 0px;letter-spacing: 0.1em;white-space: pre-line;color: rgb(63, 63, 63);font-size: 15px;">这个词最早来自苹果开发者社区：你辛辛苦苦做出一个体验不错的第三方工具，结果下一次系统更新，苹果直接把同样的功能做到系统里，还免费。ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif;margin: 10px 0px;letter-spacing: 0.1em;white-space: pre-line;color: rgb(63, 63, 63);font-size: 15px;">
ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif;margin: 10px 0px;letter-spacing: 0.1em;white-space: pre-line;color: rgb(63, 63, 63);font-size: 15px;">然后，你的产品就在商业层面被直接 Over 掉了。ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif;margin: 10px 0px;letter-spacing: 0.1em;white-space: pre-line;color: rgb(63, 63, 63);font-size: 15px;">
ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif;margin: 10px 0px;letter-spacing: 0.1em;white-space: pre-line;color: rgb(63, 63, 63);font-size: 15px;">就在昨天，类似的「体验」，落在了一个叫Eigent的 Multi Agent 平台创业团队身上。ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif;margin: 10px 0px;letter-spacing: 0.1em;white-space: pre-line;color: rgb(63, 63, 63);font-size: 15px;">
ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif;margin: 10px 0px;letter-spacing: 0.1em;white-space: pre-line;color: rgb(63, 63, 63);font-size: 15px;">起因是Anthropic 发布了 Claude Cowork。这是一个非常明确的信号：AI 助手开始越过「对话框」，尝试成为真正的数字同事。
它可以直接读取本地文件、理解你的工作环境，甚至顺手帮你整理下载文件夹。
站在用户视角，这回的生产力提升很大；但站在另一边，对于那些正在做「AI 自动化 Agent」的初创团队，很难不感到压力。
于是，一家做同样场景的、叫做 Eigent 的团队 CEO 李国豪 (Guohao Li) 在 X 上发了一条略带自嘲的推文火了：
Claude Cowork 刚刚「杀死」了我们的创业项目，所以我们做了一件最理性的事：把它开源了。
1 天时间，这条 X 推文超过6000 次点赞、近 100 万次浏览。
这也勾起了我们的好奇：这是一个什么项目？
🚥
接下来，分享我们对这个项目的全面拆解。
为什么 Claude Cowork 和 Eigent 会出现？
要理解为什么Eigent 的开源会引起这么大的关注，前提是先搞清楚：
Anthropic 通过 Claude Cowork，到底重新定义了什么。
首先就是，Claude Cowork 被认为是一个面向非开发者、覆盖大量日常工作场景的「Claude Code」。把这种「写代码」的能力扩展到了，范围更大的执行场景里。
它有这么几个特点：
【1】需要本地持续运行一段时间（重点是连续运行）的任务场景。
【2】不用再去打开终端，不用去面对代码，直接在 Cowork 里就能执行任务。
【3】能够直接访问用户的本地指定文件夹，Claude可以在该文件夹中读取、编辑或创建文件。
【4】Browser Use：Cowork 集成了外部工具，如Chrome，增强了Claude的功能。
【5】用户可以将多个任务排队，Claude 可以同时处理这些任务，无需等一个任务完成后再开始下一个任务。
我们找到了几个 Eigent 的案例，一起来看看。
首先，Eigent 接收到你的任务，就会自动将其拆解，并把各个子任务分配给合适的 Agent。然后，这些 Agent 将像团队成员一样，在桌面环境中协作完成任务。
比如下面这个任务：
让它去调研 Claude 的功能 “Cowork”，并撰写一份比较报告，对比 Claude Cowork 与 Eigent 的多 Agent 工作流。
再比如，Eigent 执行 Claude Cowork 很吸引大家关注的「清理桌面」任务：
你会发现，它可以用一些比较模糊的提示词，一步步把整个桌面整理好，特别是那种很复杂很凌乱的桌面，上面已经放满了各种文件，最后都会被分类放到几个特别的文件夹里：
我找了做这个任务的一段视频，放在了下面。
我们再来看看细节，在最终任务结束的做侧边栏里，Eigent 总共整理了 55 个文件以及一些其他图片、音频等等，整个流程还是蛮顺的：
所以，这种 「Multi Agent 并行工作模式 + 本地权限 + Browser Use」 的能力，让很多日常工作场景达到了闭环。
比如，你可以让它访问本地文件夹，把下载目录按类型整理清楚；你也可以把几百张收据截图丢给它，让它自己生成一张结构化的 Excel 支出表。
如果把视角稍微拉远一点，其实会发现一个容易被忽略的事实：Eigent 和 Claude Cowork，做的并不是两件不同的事。
它们的目标几乎一致：让 AI 变成可以直接介入工作流的执行者。
Eigent 到底是什么？
首先，Eigent 是 GitHub 上的一个开源项目。
简单说，它是一个开源的桌面应用。它做的事情就是用多 Agent 框架，然后把那些原本又长又杂、要来回切好几个工具的工作流程，变成可以自动跑起来的任务。
GitHub 项目链接如下，有非常完整的部署 Guide Book：
https://github.com/eigent-ai/eigent?tab=readme-ov-file
除此之外，Eigent 也是非常早的发布 Multi Agent 框架的开发团队（与 CAMEL 其实是同一个团队），在23年初就已经开始在探索 Agent 的 Scaling laws 了，此前还开源了其他几个项目，大概一共 36k+ 星，具体的 GitHub Stars 可以参考以下几个链接：
https://github.com/camel-ai/camel
https://github.com/camel-ai/owl
https://github.com/camel-ai/oasis
目前，Eigent 这个项目已经获得了 4.1k Star：
可以说，前面那些「被巨头杀死」的叙事，让 Eigent 进入了更多人的视野。但让它没有迅速退场的原因，仍然来自技术层面。
我们仔细拆解了下这个项目，发现 Eigent 的团队把注意力投向了：分布式系统。
这也解释了为什么 Eigent 的核心架构被称为Workforce（劳动力），在这个架构下，AI 被当作一组可以拆分、调度和协作的执行节点来组织。每个节点都有明确的角色和任务，协同合作以完成复杂的工作流程。
我找到了 Eigent 团队发出来的一张架构图：
Eigent 和 CAMEL AI 其实是同一个团队，Eigent 的 Multi Agent 架构，其实是基于背后 C AMEL 之前做的 Agent 框架。整个CAMEL Workforce System里的这些任务需要多个人或者多个系统来合作完成。
整个系统会自动分配任务、管理进度，确保每个步骤都能顺利完成。
在 Eigent 的架构中，任务执行被拆分成了不同层级：
【1】Task Manager
负责理解用户的整体目标，然后把模糊的需求拆解成具体、可执行的小任务，并给出一个整体的推进计划。
【2】Coordinator
主要负责调度和组织工作，分配任务，处理任务间的依赖关系，然后在所有任务完成后把结果汇总起来。
【3】Worker Nodes
这一层专注于具体操作，比如查信息、写代码、处理数据或文档。多个工作节点可以同时工作，彼此不干扰。
这种拆解方式其实是借鉴了分布式系统，把复杂的任务分成几个小问题，再通过并行执行来加速整个过程。
从实际效果来看，最大的变化就是效率的提升。
传统的单 Agent 通常是线性推进任务：先搜索、再阅读、整理，最后输出，每一步都依赖上一阶段。
而 Eigent 这类 Multi Agent 工具，则更像是并行调度：当一个节点在检索资料时，另一个节点已经开始搭建报告框架，第三个节点甚至能提前生成草稿或代码框架。
尤其是在一些长链路的复杂任务中，并行执行的效率提升会更明显些。虽然这个提升会根据场景有所不同，但核心还是很明确的：任务效率很大程度上取决于系统的组织方式，而不仅仅是模型的能力。
在 Google 的开发者社区里，Eigent 也被认为是利用 Gemini 3 的比较适配的多 Agent 平台。
去年 2025 年 12 月里， Google for Developers 发布过一个《Real-World Agent Examples with Gemini 3》，在这里面，Eigent 被选为了 6 个官方示例之一。
在 Google 的介绍里，Eigent 被定义为一个local-first 的 Multi Agent 平台，着重强调了其在企业级浏览器自动化（比如 Salesforce 流程）里的实际场景应用。
与之相似的背书，其实还有很多，比如，HuggingFace 的 Co-founder 曾为这个项目点赞：
巧的是 4 天前，Eigent 团队曾发过一个叫做 SETA 的项目，是一个非常大的开源终端 Agent 训练 RL 环境，也被 Andrej Karpathy，John Schulman 等人点赞：
在执行层面，Eigent 不仅停留在概念上。
它通过MCP集成了大量实际工具，支持网页操作、代码执行和常用办公平台的应用。
不过，Multi Agent 系统也都会遇到一个问题：协调成本。
为了解决这个问题，Eigent 同样引入了自我反思和重规划机制，能在任务被卡住时自动调整方向。同时，在关键节点，系统也设置了Human-in-the-Loop接口，让人类可以干预决策，避免失控。
在技术架构之外，Eigent 的另一个关键选择，是Local-First（本地优先）。
用户也可以用自己的 API Key，来选择不同的模型接入到 Eigent 里，不只局限在某个单一模型。
很多传统 Agent 产品都运行在云端环境中。这种模式在个人使用场景下确实很便利，但在一些比较敏感的场景下，就会有点尴尬。
Eigent 的应对方式相对简单直接：它允许系统在用户的本地或私有环境中运行，并提供可替换的模型能力。
用户可以选择继续使用 SGLang、云端模型，或者切换到本地部署的开源模型，比如通过 Ollama 或 vLLM 运行 DeepSeek 等模型。
在这种配置下，系统甚至可以在离线状态下完成任务。
所以，这一整套技术架构和流程顺下来，就会很好地支撑起 Eigent 的功能。
最后，再来说说 Eigent 的开源，这回他们用的是Apache 2.0 协议，这基本上意味着团队实际上放弃了对代码使用方式的大部分限制。
代码可以被修改、商用，甚至重新封装发布。
下面，我们总结下。
如果我们把 Claude Cowork 和 Eigent 放在一起对比观察，会发现一个非常有意思的共识。
尽管它们的背景完全不同，但它们都在试图解决同一个核心问题：单体 AI Agent 的困境。
我们可以把这个问题想象成，你招来了一个非常聪明的实习生，但如果你让他去做一项复杂任务，那么他大概率会遇到瓶颈，甚至交出一份不完整的答案。
因为这个任务太复杂，每个步骤之间相互依赖。Eigent 和 Claude Cowork 的出现，则展现了在这类场景下，多 Agent 能力所带来的体验。
🚥
所以，把视线从「被巨头碾压」的戏剧性叙事中移开，通过 Claude Cowork 和 Eigent 这类产品，我们或许能看到一个共识：
在过去的几年里，我们正在目睹 AI 从「单纯工具」到「智能助手」的转变，但这一切的变化，也只是 AI 成为「真实劳动力」的开始。
AI 不再仅仅是操作和交互的对象，它开始成为 Coworker。
