# Castor：面向企业工作流的自托管AI代理平台

> Castor是一个面向企业场景的自托管AI代理，支持客户运营、内部自动化、知识检索和定时报告等任务。支持任何OpenAI兼容的LLM，数据完全本地化，可通过Web UI、终端或Telegram交互。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-05-28T01:16:17.000Z
- 最近活动: 2026-05-28T01:22:23.686Z
- 热度: 154.9
- 关键词: self-hosted AI, business automation, enterprise agent, OpenAI-compatible, RAG, semantic memory, Python, MCP, hardware integration, workflow automation
- 页面链接: https://www.zingnex.cn/forum/thread/castor-ai
- Canonical: https://www.zingnex.cn/forum/thread/castor-ai
- Markdown 来源: ingested_event

---

## 原作者与来源

- 原作者/维护者：deepfounder-ai
- 来源平台：github
- 原始标题：castor
- 原始链接：https://github.com/deepfounder-ai/castor
- 来源发布时间/更新时间：2026-05-28T01:16:17Z

## 原作者与来源\n\n- **原作者/维护者**: deepfounder-ai\n- **来源平台**: GitHub\n- **原始标题**: castor\n- **原始链接**: https://github.com/deepfounder-ai/castor\n- **发布时间**: 2026年5月28日\n- **当前版本**: 0.23.2\n\n## 项目定位与核心理念\n\n在AI助手百花齐放的今天，企业用户面临一个两难选择：使用便捷的SaaS服务意味着数据离开自己的基础设施；选择自托管方案则需要投入大量工程资源。Castor试图打破这一困局——它是一个真正为业务场景设计的自托管AI代理，既能像商业产品一样开箱即用，又能完全掌控在自己的服务器上。\n\nCastor的核心理念是"系统承担重任，模型保持灵活"。通过工具搜索、语义记忆、调度器等系统级能力，Castor让LLM专注于推理和决策，而不是被冗长的上下文和复杂的指令淹没。这种设计使得Castor在各种规模的模型上都能保持可靠的表现——从笔记本上运行的4B参数模型到云端的大模型。\n\n## 功能全景与差异化优势\n\n### 与托管SaaS代理的对比\n\n| 维度 | Castor | 托管SaaS代理 |\n|------|--------|--------------|\n| **数据控制** | 完全本地，不出境 | 发送至服务商 |\n| **模型选择** | 任意OpenAI兼容端点 | 锁定服务商模型 |\n| **定制化** | 完整代码+技能+人格 | 系统提示+少量钩子 |\n| **成本模式** | 仅LLM调用费用 | 按席位/按动作计费 |\n| **合规审计** | 自建审计轨迹 | 依赖服务商合规 |\n| **硬件接入** | 原生USB/串口支持 | 无（云端代理无法访问本地设备） |\n| **可靠性** | 无服务商中断风险 | 依赖服务商SLA |\n\n### 核心能力矩阵\n\nCastor不仅仅是一个聊天机器人，它是一个完整的企业自动化平台：\n\n- **多渠道交互**：Web UI、终端CLI、Telegram Bot三种界面\n- **工具生态**：8个核心工具 + 工具搜索能力\n- **语义记忆**：基于FastEmbed和Qdrant的RAG系统\n- **浏览器自动化**：Playwright/Chromium支持\n- **MCP集成**：Model Context Protocol支持外部工具服务器\n- **定时任务**：类cron的调度器\n- **硬件直连**：USB/串口访问秤、扫描仪、GPS、标签打印机、PLC\n- **可视化画布**：沙盒化的HTML渲染面板\n\n## 技术架构深度解析\n\n### 运行时架构\n\n```\nCLI (终端)  <--+\nWeb UI (浏览器) <--+-- Agent Loop --+-- Qdrant (语义记忆)\nTelegram Bot  <--/           |      +-- RAG (文件索引)\n                             |      +-- SQLite (历史/线程/状态)\n                             |      +-- 工具 (8核心+搜索)\n                             |      +-- 技能 (9内置+自定义)\n                             |      +-- 浏览器 (Playwright)\n                             |      +-- MCP (外部工具)\n                             |      +-- 调度器 (定时任务)\n```\n\n### LLM提供商兼容性\n\nCastor支持任何OpenAI兼容的API端点：\n\n**托管服务**：\n- Azure OpenAI\n- AWS Bedrock\n- OpenAI\n- Groq\n- OpenRouter\n- DeepSeek\n- Together\n\n**本地部署**：\n- LM Studio\n- Ollama\n\n用户可以在不同线程间切换提供商而无需重启代理，实现灵活的模型策略。\n\n### 嵌入模型\n\nCastor使用FastEmbed作为默认嵌入方案：\n- **模型**：multilingual-MiniLM (384维，支持50+语言)\n- **后端**：ONNX，纯CPU运行\n- **扩展**：SPLADE++支持\n- **优势**：无需GPU，笔记本即可流畅运行\n\n## 部署与安装\n\n### 系统要求\n\n**托管LLM部署**（推荐）：\n- 任何现代笔记本或小规格VM\n- 代理进程约300MB内存\n- Qdrant磁盘存储用于记忆\n\n**本地LLM部署**（模型运行在同一机器）：\n\n| 组件 | 最低配置 | 推荐配置 |\n|------|----------|----------|\n| GPU | 4GB显存 (4B Q4) | 8GB显存 (9B Q4_K_M) |\n| 内存 | 8GB | 16GB |\n| 存储 | 10GB | 20GB |\n\n支持平台：游戏笔记本、台式机GPU (RTX 3060+)、Mac M1+ (通过Ollama)、Linux服务器\n\n### 安装方式\n\n#### Linux/macOS（一行命令）\n\n```bash\ncurl -fsSL https://raw.githubusercontent.com/deepfounder-ai/castor/main/install.sh | bash\n```\n\n该脚本会自动：\n- 克隆仓库\n- 创建虚拟环境\n- 安装所有依赖\n- 验证关键依赖\n- 预下载嵌入模型\n- 将`castor`添加到PATH\n\n#### Windows\n\n```cmd\ngit clone https://github.com/deepfounder-ai/castor.git\ncd castor\nsetup.bat\n```\n\n#### 手动安装（全平台通用）\n\n```bash\ngit clone https://github.com/deepfounder-ai/castor.git\ncd castor\n\n# 创建虚拟环境\npython3 -m venv .venv\nsource .venv/bin/activate  # macOS/Linux\n# .venv\\Scripts\\activate  # Windows\n\n# 安装\npip install -e .\n\n# 验证\ncastor --doctor\n```\n\n### 运行方式\n\n```bash\ncastor              # 终端聊天\ncastor --web        # Web UI (http://localhost:7860)\ncastor --doctor     # 诊断检查\n```\n\n## 核心组件详解\n\n### 技能系统(Skills)\n\nCastor内置9个技能，用户可创建自定义技能：\n\n- **记忆管理**：长期记忆的存储与检索\n- **文件处理**：文档解析与索引\n- **浏览器控制**：网页自动化\n- **代码执行**：安全的代码运行环境\n- **硬件接口**：设备通信协议\n- **定时任务**：调度与触发\n- **MCP客户端**：外部工具集成\n- **画布渲染**：HTML可视化\n- **多语言支持**：国际化处理\n\n### 工具调用可靠性\n\nCastor实现了专门的工具调用解析器和中间件，用于：\n- 标准化不同模型的工具调用格式\n- 处理格式错误和边界情况\n- 提供回退机制\n\n### 状态持久化\n\n所有状态存储在本地：\n- **JSON状态**：配置和运行时状态\n- **记忆**：语义向量存储\n- **记事本**：临时工作区\n\n存储位置：`.gemini-pilot/`（目录名保持向后兼容）\n\n## 典型应用场景\n\n### 客户运营自动化\n\n- 自动分类和路由客户咨询\n- 基于知识库的智能回复建议\n- 工单创建和状态跟踪\n- 客户满意度分析\n\n### 内部流程自动化\n\n- 定时报告生成与分发\n- 数据提取和格式转换\n- 跨系统数据同步\n- 审批流程自动化\n\n### 知识检索增强\n\n- 企业文档语义搜索\n- 代码库智能问答\n- 会议记录自动摘要\n- 知识图谱构建\n\n### 硬件集成场景\n\n- 仓库秤重数据自动采集\n- 扫描仪触发库存更新\n- GPS位置追踪与报告\n- PLC设备状态监控\n- 标签打印机自动出单\n\n## 安全与隐私设计\n\n### 数据主权\n\n- 所有数据保留在用户基础设施内\n- 除非明确配置，否则不发送至第三方\n- 支持完全离线运行（本地LLM + 本地嵌入）\n\n### 访问控制\n\n- API密钥认证\n- 线程级隔离\n- 可配置的工具权限\n\n### 审计能力\n\n- 完整的对话历史记录\n- 工具调用日志\n- 状态变更追踪\n- 可导出合规报告\n\n## 社区与支持\n\n- **Telegram社区**: https://t.me/castor_ai\n- **GitHub Issues**: 问题反馈和功能请求\n- **文档**: `docs/README.md`\n\n## 总结与展望\n\nCastor代表了企业级AI代理的一个重要发展方向：在保持数据主权的前提下，提供与商业SaaS产品相媲美的功能体验。它的模块化设计、多提供商支持和硬件集成能力，使其特别适合有合规要求、数据敏感或需要与物理设备交互的企业场景。\n\n对于那些希望将AI从"实验项目"升级为"生产工具"的团队来说，Castor提供了一个务实且可扩展的起点。