Agent Commander 指挥节点图标

Agent Commander 指挥你的 Agent

多小队协同 · 多模型编排 · 多机器部署 · 召唤你的 AI 军团

信息跨级，命令逐级。

● v3 · 集团军架构 35 agents · 5 机器 · 6 小队

Agent Commander 已激活集团军架构——35 个 AI agent 跨 5 台机器组网，开发/运维/测试/探索/文档/突击六支小队编成，三层指挥 + 请示升级 + 作战指挥室 Dashboard。开源公开在即。

往下看 · 作战简报 ↓ 常见问题 GitHub 仓库 · 文档站 (TODO)
Agent Commander · 三层指挥

三层指挥

指挥官 → 小队长 → 队员，命令逐级下达，信息跨级透明。opencode TUI + Mattermost IM 双入口，随时随地发号施令。

从 agent 角色到模型分配，从请示升级到技能进化，所有东西都能配。你的军队，你说了算。

Agent Commander · 多小队协同

多小队协同

多小队协同——开发、运维、测试、探索、文档、突击六支小队，各司其职。指挥官一声令下，全队开动。

小队之间靠请示升级链沟通：队长先判断，不行再找指挥官。跨机器部署、并行跑任务、汇总结果，一条命令全搞定。

六支小队编成——dev 小队 7 人（全栈+前端，glm/v4pro/kimi 驱动），ops 小队 7 人（运维+监控），test 小队 6 人（多维度质量审查），seek 小队 4 人（技术调研，多模型并行探索），doc 小队 6 人（结构化文档产出），pi 突击队 4 人（配备 glm-5.2/v4pro 最强模型，攻坚克难）。六队各设独立请示链，跨队协同由指挥官统一调度。

ac squad status
$ ac squad status --all ┌──────────┬──────────┬───────────────┬──────────┐ │ Squad │ Agents │ Models │ Status │ ├──────────┼──────────┼───────────────┼──────────┤ │ dev │ 7 │ glm/v4pro/kimi │ ● active │ │ ops │ 7 │ flash ×7 │ ● active │ │ test │ 6 │ qw3.7+ │ ● active │ │ seek │ 4 │ glm/qwen/ds │ ● active │ │ doc │ 6 │ flash ×6 │ ● active │ │ pi │ 4 │ glm-5.2/v4pro │ ● active │ └──────────┴──────────┴───────────────┴──────────┘ $ ac squad exec ops "df -h /" → Dispatching to 3 nodes... tc3 /dev/vda1 98G 23G 75G 24% / tc2 /dev/vda1 79G 12G 67G 16% / joys OK (3.7T total, 12% used) ✓ 3/3 nodes responded (1.2s) $
Agent Commander · 多模型编排

多模型编排

没有万能模型。有的擅长推理，有的擅长编码，有的又快又便宜——编排就是让每个模型去干它最擅长的事，不浪费，也不硬扛。

模型分配统一管，一条命令全局切。支持 Anthropic、OpenAI、DeepSeek、Qwen、Kimi 等 15+ 家，后续还会加。

ac model list
$ ac model matrix ┌──────────────┬───────────────────┬──────────┬──────────────────────┐ │ Layer │ Agent │ Model │ Note │ ├──────────────┼───────────────────┼──────────┼──────────────────────┤ │ decision │ commander, lead │ ds-v4pro │ reasoningEffort:max │ │ coding │ builder │ glm-5.2 │ Code Arena #1 │ │ frontend │ fe-dev │ kimi │ Frontend specialist │ │ testing │ test │ qw3.7+ │ 全模态审查 │ │ execution │ ops×5, ops-lead │ ds-flash │ 全局 fallback │ │ research │ researcher×3 │ 三厂商 │ glm/qwen/ds 并行 │ │ doc │ doc-1~5, doc-lead │ ds-flash │ 结构化文档产出 │ │ pi │ pi-1~3, pi-lead │ glm-5.2/v4pro│ Top-tier reasoning │ └──────────────┴───────────────────┴──────────┴──────────────────────┘ Estimated savings: 73% vs single-model approach $ ac model set decision ds-v4pro ✓ Decision layer pinned to ds-v4pro (reasoningEffort:max) $
Agent Commander · 请示升级

请示升级

指令逐级下达，信息跨级透明。每个 agent 碰到权限边界，就标 🔼 请示升级 一路往上报：队员 → 队长 → 指挥官 → 人类。

AI 删不了你的数据库、推不了 force push、泄露不了凭证——不是它不想，是它报上去了。三层研判，每个危险操作都得你点头。

escalation flow
$ ac escalate --simulate ┌─ Agent ops: "need to delete production DB" ─────────┐ │ 🔼 请示升级: production-deploy │ Reason: forbidden_action (credential-expose) └──────────────────────────────────────────────────────┘ │ ▼ ┌─ Lead ops-lead: risk assessment ────────────────────┐ │ ✅ 降级处理: backup → confirm → proceed │ 🔼 升级请示指挥官: destructive operation └──────────────────────────────────────────────────────┘ │ ▼ ┌─ Commander: final decision ─────────────────────────┐ │ 📋 请示人类: confirm destructive operation └──────────────────────────────────────────────────────┘ $
Agent Commander · 经验沉淀

经验沉淀

双重记忆架构——Memory 存事实/偏好，Skill 存方法/流程。每次任务后自动反思沉淀。会话关了，知识还在。

Skill 就像作战手册——发现好使的招就记进去。下次碰到类似问题，不用从头想。你的军队会自己长本事。

三层隔离——Memory 存事实（96K 上限），User 存你的偏好（8K），SOUL 存指挥官人格画像（8K）。USER 遇上 SOUL 相互影响共同进化——冲突时你的偏好优先。指挥官的行为风格随你的反馈持续磨合。不是冷冰冰的 agent，是会跟你并肩进化的战斗伙伴。

ac memory log
$ ac memory recent --limit 5 § 2026-07-06 — commander — USER+SOUL 战斗伙伴系统 三层隔离记忆架构：Memory(事实) + User(偏好) + SOUL(人格) USER 遇上 SOUL 相互影响共同进化 → 冲突时 USER 优先 § 2026-07-04 — commander — 文档协作模式验证 lead 拆解大纲 + 分派 builder 执行 + lead 审查 优于直派 single agent：提前发现 2 处 IP 泄露 § 2026-07-04 — explore — 3 轮碰撞方法论 盲跑撞名 > 单维度独特，Round 2 互见启发关键 → 沉淀为 naming-collision skill § 2026-07-03 — ops-lead — 分布式部署 systemd user service + Tailscale 内网互联 → 沉淀为 async-gitea-queue skill $
Agent Commander · 作战指挥室

作战指挥室 Dashboard

Vite + Chart.js + D3 纯前端 SPA，hash 路由 4 视图——总览 / 小队 / 机器 / 模型协同。从 machines.toml + squads.toml 自动生成数据管线，零配置开箱即用。

CSS 变量体系与 Landing page 对齐，暗色简约军事风。不是"看一眼"，是"实时掌握整支军队"。

agent-commander dashboard
$ ac dashboard --open → Agent Commander · 作战指挥室 ┌─────────────────────────────────────┐ │ ■ 35 agents online │ │ ◆ 5 machines │ │ ▲ 6 squads active │ │ ★ 73% cost savings │ └─────────────────────────────────────┘ 4 视图: 总览 | 小队 | 机器 | 模型协同 数据源: .project/machines.toml, squads.toml, topology.toml $
Agent Commander · 没做什么

我们没做什么

Agent Commander 是指挥框架，不是万能平台。有些功能我们故意不做——你可以按自己的方式搞定。

没有内置 MCP

用 opencode 的 Skill 系统替代——CLI 加 README 就是 Skill，不用 JSON 协议层。想用 MCP？写个 Skill 扩展就行。

没有子 agent 调度器

用 opencode run --attach 跨机器调，或者写个 Squad 扩展实现自己的调度策略。

没有权限弹窗

三层请示升级链替代弹窗——队员 → 队长 → 指挥官 → 人类，逐级研判，不打断工作流。

没有内置数据库

Memory 是文件系统，Skill 是 Markdown。需要 RAG？写一个上下文扩展注入到 agent 会话即可。

没有 Web 交互终端

opencode TUI 是你的主要控制台——Agent Commander 的指挥入口始终在终端。作战指挥室 Dashboard 提供可视化监控，但你不通过网页给 agent 下命令。命令始终从终端或 IM 通道发出。

没有后台常驻进程

用 systemd user service 管理 agent 生命周期，用 tmux 做后台执行，用 cron 做定时任务。都是你熟悉的工具。

Agent Commander · 常见问题

你大概会问

它们帮你搭一个 agent，Agent Commander 帮你管一群 agent。你要的是一个能干活的小队，不是一个能聊天的机器人。

目前支持 Anthropic、OpenAI、DeepSeek、Qwen、Kimi 等 15+ 家。每个小队可以指派不同的模型——决策用贵的，执行用便宜的，不浪费。

危险操作它干不了。碰到底线就往上汇报——从 agent 到队长到指挥官，最后到你。删库、推代码、改配置，都得你点头。

一条命令安装，一条命令初始化。配好小队和模型就能跑。全程终端操作，不用搭 Web 服务，不用装数据库。

一台就能跑。想发挥最大威力，多台机器组网更好——用 Tailscale 之类的打通内网，小队可以跨机器部署。

可以。Agent Commander 不绑架你的工作流——你习惯用 tmux、systemd、cron，那就继续用。它只做指挥，不抢活。