agor
Agor · 程式設計 · 生產力
Agor 是一款多人空間畫布平台，讓人類與 AI 助理在同一個看板上即時工作。它是一款為 AI 工作流程打造的團隊協作工具，為團隊提供具備共享記憶、技能與排程的常駐 AI 隊友。一套建立好的工作流程會觸及所有人，而不是死在單一終端機裡。覺得似曾相識嗎？如果你的團隊在每次 AI 工作階段之間遺失脈絡，Agor 正是為了修正這件事而生。
關於 agor
Agor 是什麼
Agor 是 AI 賦能的指揮中心。它是一個 AI 團隊協作平台，把人類與 AI 助理放在同一塊共享畫布上，具備即時游標、共享工作階段與排隊的後續追蹤，讓工作不再活在別人看不見的私人終端機裡。這份可視性會改變日常習慣。
產品的核心概念很簡單：一次性的提示不會累積，但一位隊友會。每位 AI 隊友都獲得持久記憶、可搜尋的知識命名空間，以及你團隊早已信任的工具。你透過與它對話來教導它，有用的部分就成了整個團隊都能取用的可重複使用脈絡。不需要寫腳本。
主要限制在於 Agor 鎖定的是團隊，而非單獨的休閒使用者。設定過程假設你熟悉 AI 助理、連結 GitHub 的 worktree 與 MCP 伺服器。想找簡單聊天框的初學者，會發現它比需要的更複雜。事前先知道這點。
開始使用
- 登入 Agor，從角色範本庫建立你的工作區，或從空白範本開始。
- 為你的第一位 AI 隊友命名，讓引導式新手教學帶你認識它的身分與記憶檔案。
- 透過與隊友對話來教導它，接著連接你團隊已在使用的 MCP 伺服器與頻道。
- 掛上一個連結 GitHub 的 worktree，讓隊友能在真實分支與隔離的測試環境上工作。
- 加入排程與心跳任務，然後邀請隊友到共享畫布，一起開始一個工作階段。
產品資訊
快速了解 agor 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 工程團隊：Agor 把程式助理留在共享工作區裡，而非孤立的終端機，但它假設你對 Git 與儲存庫有一定熟悉度。
- AI 賦能負責人：向團隊傳授 AI 技能的人，可以把工作流程打包成可重複使用的技能，讓他們的知識超越少數重度使用者。
- 營運與業務團隊：非程式背景的隊友可以按排程執行摘要、稽核與站立會議，前提是有人先設好共享知識庫。
任務
- 執行排程稽核與每日摘要：心跳任務無需提示就會觸發，讓週期性檢查不再取決於有沒有人記得。
- 協調多代理工作流程：隊友可以建立分支、開啟工作階段並管理看板，適合跨團隊的工作。
- 建立可重複使用的 AI 工作流程：一套對某個人有效的流程教一次，就能透過共享技能觸及所有人。
情境
- 一個受夠 AI 成果死於個人終端機的團隊：共享畫布與多人同步在場讓這些工作保持可見。
- 早期 AI 導入、沒人知道哪些工作奏效：平台把 AI 活動綁到共享看板上，讓你能指出哪裡改變了。
- 不想綁死單一供應商的多模型配置：Agor 讓工作流程混用模型，而非鎖定單一前沿。
主要功能
多人空間畫布
人類與 AI 隊友共享同一塊看板，具備即時游標、共享工作階段與排隊的後續追蹤。你可以看著助理工作、在任務中途加入，並為下個工作階段留一張紙條。這份可視性就是重點。AI 不再是某人終端機裡的黑盒子。
常駐 AI 隊友
每位隊友都是具備記憶、技能與團隊級觸及範圍的持久實體，而非用完即丟的提示。該隊友分支裡的每個工作階段都會接續它累積的記憶與脈絡，因此隨著時間越來越有用。這套框架借鏡自 OpenClaw 為人所知、以檔案為基礎的記憶與身分模式。把它想成更像同事，而不是聊天機器人。
共享知識命名空間
每位隊友都在知識庫中獲得一個命名空間，可進行語意搜尋並與團隊共享。與其在不了解你業務脈絡的情況下自信作答，隊友可以取用團隊擁有、持久的文件。當你的儲存庫、文件與訊息四散時，這一點最為重要。脈絡勝出。
技能與 MCP 連接
你可以把可重複的工作流程打包成技能，並把隊友連上你團隊早已信任的 MCP 伺服器。這代表隊友可以使用與你工程師相同的內部工具，而非一套獨立、較弱的技術堆疊。一套可行配置就是這樣從一個人擴散到整個組織。
連結 GitHub 的 Worktree
隊友針對連結 GitHub 的 worktree 與隔離測試環境工作，實驗因此不會碰到你的主分支。你有一個地方能在變更落地前安全試用。仔細審查程式碼的團隊會比休閒使用者更欣賞這種隔離。話說在前頭。
排程自主
心跳、每日站立會議、稽核與摘要各自按排程運作，無須等待提示。較長的工作流程可以跨越一天或一週串接起來。這是一種在你睡覺時仍持續運作的 AI 工作流程自動化。好處是安靜可靠。代價呢？你得真的去設定排程。
閘道頻道
隊友透過 Slack、GitHub，或工作原本發生的地方，經由閘道頻道觸及你。你不必為了獲得價值就把團隊搬進新的聊天應用程式。當你在測試 AI 是否契合你的流程時，這能降低轉換成本。值得一試。
優缺點
優點
- 共享畫布讓人類與 AI 助理留在同一塊可見看板上，AI 工作不再消失在個人終端機裡。
- 具備共享記憶與知識命名空間的常駐隊友，把脈絡帶過每個工作階段，而非每次提示都重新開始。
- 技能與 MCP 連接讓團隊重複使用內部工具，把某個人的可行配置變成所有人的。
- 排程工作流程處理稽核與摘要等週期性任務，無須有人記得觸發。
- 多模型彈性避免把工作流程自動化鎖死在單一供應商身上。
缺點
- 設定過程假設你熟悉 Git、worktree 與 MCP 伺服器，對只想找聊天框的初學者來說負擔沉重。
- 團隊優先的設計意味著個人獲得的價值少於群體。單獨使用者，請另尋他處。
- 價格細節並未清楚公布在網站上，因此你在正式採用前，可能得先聯繫團隊確認費用。
常見問題
Agor 是一款為 AI 賦能打造的多人空間畫布。它讓團隊與具備記憶、技能與排程的常駐 AI 隊友並肩工作，使 AI 輔助的工作在整個團隊中保持可見且可重複使用。
相關內容
探索與 agor 相關的工具、技能與文章。
agor 替代方案
Forefront
Forefront · 程式設計Forefront 是一個用來打造開源 AI 的網頁平台。你可以用自己的資料微調主流的開源語言模型、評估它們的表現，再透過 API 執行，或匯出後自行架設。想要封閉式平台的便利、卻堅持要自己擁有模型與資料的開發者，就是這裡的目標客群。
Startkit
StartKit.AI · 程式設計Startkit 是一套用來打造 AI SaaS 與 AI 包裝產品的樣板。可以把它想成一個 AI 新創樣板，把枯燥的部分都先接好了：驗證、Stripe 與 Lemon Squeezy 付款、用量限制、交易型電子郵件，以及一套能與 OpenAI、Anthropic、Groq 或 Llama 溝通的 AI API 啟動套件。你複製儲存庫、設定價格，然後專心在產品中使用者真正願意付費的部分。它建構於 React 與 Tailwind 之上的 Next.js，所以大部分的樣板程式碼對你來說並不陌生。
Testim
Tricentis · 程式設計Testim 是專為網頁、行動與 Salesforce 應用程式打造的 AI 測試自動化平台，用來建立並執行端到端測試。它靠機器學習在介面變動時維持測試穩定，團隊因此少花時間修補壞掉的定位器。對於一款今天就能開始使用的自動化測試工具來說，這表現不算差。你透過在瀏覽器錄製動作來建立測試，需要更多控制時再補上 JavaScript。對忙碌的 QA 團隊來說，這是個可靠的選擇。