Rakazo:可自托管的AI智能体如何选择模型与沙箱

rakazo AI智能体 项目概念

当 AI智能体(能够持续接收目标、调用工具并执行多步任务的软件实体)需要长期在线、还要操作浏览器和终端时,谁来托管它,又由谁决定模型和计算机?Rakazo 给出的方向是可自托管、可自带模型与沙箱的开源方案。假设场景:一个小团队想让机器人长期处理资料检索、文件整理和内部问答,又不愿把模型密钥交给托管方;后文会沿着这个场景观察它的机制与边界。

长期在线的AI助手为何需要自己的计算机

先看问题本身:普通聊天机器人往往停在一段会话里,任务结束就丢失上下文;而“持久队友”要记住例程、文件和历史,还要能回到同一台计算机继续工作。Rakazo 面向持久队友型机器人,机器人拥有自己的对话、记忆、例程和历史。它提供共享的 Team Computers 与隔离的 Private computers,前者适合团队共用资料,后者适合把敏感操作隔开。假设场景里,团队可以把公开资料检索放在共享计算机,把含有客户信息的整理放在私有计算机。这里的关键不是多一个聊天窗口,而是让机器人拥有可延续的工作环境。README 对“持久”的描述是产品设计陈述,本文尚未独立实测其长期记忆效果。

Rakazo把模型和计算机的选择权交给使用者

Rakazo 的解决思路不是把模型和运行环境绑死,而是把选择权交给使用者。Rakazo 是一个可运行在自己机器上的自托管 AI 助手。它同时提供 Web、Electron 桌面端以及 iPhone 与 Android 客户端,README 也把它描述为 Grok Bot 等产品的开源替代。模型侧可带自己的凭据,计算机侧可选 Docker、E2B、Daytona、CreateOS、Boat 或受信任的本地计算机。对假设中的小团队而言,这意味着可以先用本地 Docker 试跑,再把后端放到服务器;也可以只替换模型提供商而不改机器人使用方式。需要说明的是,这些是 README 所述的可选项,具体组合是否顺畅尚待确认。

持久记忆、团队计算机与子智能体如何协作

核心机制可以拆成三层:模型负责理解与决策,计算机负责执行,集成负责把外部应用接到机器人身边。机器人可访问浏览器、终端、文件和图形桌面。因此它能完成检索、改文件、跑命令或看界面这类任务。机器人可以把任务委派给同级机器人或短期子智能体。这样复杂任务能被拆给不同执行者。应用集成可来自 Composio 或 Pipedream Connect,也可由用户安装 Treg、远程 MCP 和 OpenAPI 工具源。语音模式还能朗读回复、听写和呼叫机器人,并允许自带 ElevenLabs、OpenAI、Cartesia 或 Fish Audio 密钥。这里的能力边界来自 README 的功能说明,未独立实测任务成功率或稳定性。

rakazo 从安装脚本到第一个机器人要经过哪些步骤 机制示意

从安装脚本到第一个机器人要经过哪些步骤

实际落地时,最短路径是使用发布镜像。发布镜像安装器会下载 Compose 文件、生成带随机密钥的 .env 并启动 Rakazo。安装器重跑时会保留已有的 .env。启动后打开本地地址,创建账户并连接模型,就能创建第一个机器人。若要把机器人常驻在服务器,可先运行安装器的准备模式,编辑 SANDBOX_PROVIDER 与 RAKAZO_HOST,再正式启动,并在 5173 端口前放 HTTPS。源码本地开发要求 pnpm 9 和 Docker。还需准备数据库与认证相关密钥。假设场景中的团队若没有专职运维,发布镜像会比源码开发更短,但仍要理解 Docker、密钥和 HTTPS。

模型凭据与沙箱隔离为何要分开设计

关键设计在于把“控制面”和“执行面”分开。模型密钥、连接器凭据、认证密钥留在服务器侧;沙箱只拿到执行任务所需的最小配置。连接器凭据在服务器上加密,并且不会由 API 返回。数据库迁移与应用连接使用不同角色,应用连接受行级安全约束。Docker 沙箱需要专用的 SANDBOX_SUPERVISOR_TOKEN,避免普通应用凭据直接驱动沙箱监督器。远程计算机提供商则各自需要 API 密钥,README 提醒应选择满足沙箱操作的最小权限令牌。这样设计的目标是减少密钥在任务环境中的暴露,但 README 没有提供独立安全审计结果,本文也未做渗透测试。

它更适合哪些自托管与团队协作场景

从适用场景看,Rakazo 更适合愿意自己管理运行环境、又需要机器人长期在线的个人或小团队。当后端运行在服务器上时,机器人会保持在线,并可从桌面应用、移动应用或浏览器连接。Electron 与 Expo 应用是同一个 Rakazo API 的客户端。因此多端不是各自独立的机器人。团队可以共享 Team Computers 做资料协作,用 Private computers 处理隔离任务;开发者可以选 Docker、E2B、Daytona、CreateOS 或 Boat。假设场景中,成员从手机查看进度、在桌面端改文件、由服务器上的后端维持例程,正好对应这种结构。但 README 没有给出容量与并发指标,是否适合更大团队尚待确认。

测试版、外部服务与运维成本带来哪些边界

边界首先来自成熟度。Rakazo 目前处于测试版。README 也自述为 beta。功能会依赖外部服务:Treg 按用量计费,自托管者需要提供自己的 Treg 令牌。Railway 沙箱使用按量计费;E2B、Daytona、CreateOS、Boat 等远程提供商需要各自密钥。托管式应用目录是可选的,但启用 Composio 或 Pipedream Connect 会增加配置面。桌面端“在本机运行”需要 Docker Desktop、OrbStack 或 Docker Engine,Linux AppImage 还需要 FUSE 2;它查找 docker CLI,并不检测 Podman。公开服务器必须使用 HTTPS,只有回环与私有局域网地址接受 HTTP。以上限制来自 README,本文未独立实测性能、安全或兼容性。

动手前该用哪些问题判断是否适合自己

动手前可以用几个问题做判断。第一,你需要的是一段会话,还是能保留记忆、例程和文件的长期机器人?第二,你是否愿意维护 Docker、数据库、密钥和 HTTPS,并接受测试版的不确定性?第三,团队是否需要共享计算机与私有计算机并存,还是单机就够?第四,模型与外部集成是否愿意自行申请凭据,并承担按量计费?源码目录将 web、api、worker、desktop、mobile 和公开网站拆成不同应用。部署、提供商选择、备份与升级可参阅自托管指南。假设场景中的团队若没有运维能力,应先评估这些基础工作,再决定是否采用。

本文仅依据README资料整理,未独立实测。阅读时应把功能描述视为作者设计说明,而非第三方验证结论。

参考来源

本文仅据固定版本 README 整理,未独立实测;仅作技术介绍,不构成安全审计或投资建议。

采集时间:2026-10-27T23:07:29.876Z;6047 Star 快照。相对 2026-10-26T22:07:57.910Z,实际间隔 24.99 小时净变化 130 Star;不是自然日新增。

elie222/rakazo README · 2f75a52990cdcefbd4bc86f61fcfed2a1ad51a13

GitHub 仓库及采集时元数据

标签 AI智能体rakazoAI Agent智能体工作流

本文基于公开媒体报道整理,仅作信息参考,不构成任何投资依据,内容以原文为准。

相关阅读

同分类「人工智能」的其他稿件

更多人工智能 →