Agent 上生产要补的运行层
与物理 AI 的评测框架

定位Apache 孵化中的 Agent 工作台，把每一次模型消息、工具调用、权限决策与终止写成 append-only 的 RuntimeEvent 日志，UI、崩溃恢复与下一轮 prompt 都是这份日志的投影。

痛点企业不敢让 Agent 上生产，因为事后说不清它改了什么、调了什么、谁批准的。它把可审计做成运行时本身，并公开同模型同 verifier 的 per-task 评测。

谁付钱需要 Agent 操作留痕与合规审计的企业（金融、政企、制造业质量体系）；路径是私有化部署 + 企业支持与审计报表层。Apache-2.0 无授权障碍。

规模化审计留痕跨行业通用，桌面 / TUI / CLI 共用同一 Runtime Host，交付标准化，不依赖驻场实施。

边际成本低 —— 纯软件分发，无专有硬件，无重人力交付。

验证≤30 分钟：

# 路径一：下载 macOS / Windows Nightly 安装包
# https://maka.apache.org/en/downloads/
# 首次启动后 Settings → Models 填自己的 API 或本地模型即可开跑

# 路径二：源码
 git clone https://github.com/apache/maka.git
cd maka && npm ci && npm run dev   # Node.js 22.19+

官方尚未发布 Apache 正式 release，下载页提供的是每日构建的 Desktop Nightly（Windows / Linux 为未签名预览版）。

风险尚无 Apache 正式 release，Windows 与 Linux 构建未签名，不宜直接进生产；coding agent 赛道极拥挤，差异化只落在可审计与公开评测，随时被上游 harness 追平。

定位企业私有 Agent Skill 注册中心——发布、版本、命名空间、搜索与 CLI 安装，配 RBAC 与审计日志，Docker / K8s 内网部署。

痛点企业内部的 skill 散落在个人目录和网盘，无法版本化，也无法管控谁能装谁的、出了事无从追溯。

谁付钱已引入 Agent 的大型企业与政企，按私有化部署与运维支持收费；也可作为 AI 资产纳管模块并入既有中台项目一起报价。

规模化凡把 Agent 引入研发或客服流程的组织都需要，交付就是一次容器部署加命名空间规划，可复制。

边际成本低 —— Java 21 + React 19，依赖数据库与对象存储，无 GPU 无专用设备。

验证≤30 分钟：

curl -fsSL https://imageless.oss-cn-beijing.aliyuncs.com/runtime.sh | sh -s -- up \
  --public-url https://skillhub.your-company.com

npx @astron-team/skillhub@latest publish ./my-skill --namespace my-space

国内网络可加 --aliyun 走镜像；CLI 也可用 npx clawhub install my-skill --dir ~/.claude/skills 直接装进编码 Agent。

风险技术栈偏重（Java 21 + React 19）；企业内部 skill 生态仍在早期，客户若没沉淀 skill 就先买了空货架；讯飞背书同时意味着部分客户会在意数据回流。

定位一个自托管 Rust 二进制，把 Vercel + Sentry + PostHog + Pingdom + Resend + E2B + Datadog 七项订阅并成一套，440+ 操作同时是 CLI 命令并自带 Agent Skills。

痛点小团队每接一个项目就多叠几张 SaaS 账单，数据还分散在七家厂商。它让部署、追踪、分析、会话回放、邮件、沙箱与 AI 网关落在自己的服务器上，且可由 Agent 直接操作。

谁付钱替代的是每席位每月几十到几百美元的订阅；可变现形态是替客户做私有化 PaaS 交付与运维托管，或打包成行业模板出售。Apache-2.0 无分成义务。

规模化凡有 Web 应用要上线的团队都通用，脚本化部署即标准交付，不涉及现场定制开发。

边际成本低 —— 纯软件，新增客户只增加一份服务器实例，无硬件无驻场。

验证≤30 分钟：

curl -fsSL https://temps.sh/deploy.sh | bash

# 装完确认 440+ 操作可用
bunx @temps-sdk/cli projects list
bunx @temps-sdk/cli analytics ai-agents -p my-app --period 7d

自带 Claude Code / Codex / OpenCode 的 skills 文件，放到 .claude/skills/ 后可用自然语言指挥部署、查 trace、加域名。

风险覆盖面过宽（69 组 440+ 操作），单点深度可能不及专用工具；尚在 v0.1.0-nightly、建库约 11 个月仅 736★，生产级样本不足；替代 Vercel 意味着客户要自己承担运维责任，这是销售而非技术问题。

定位给编码 Agent 的代码库地图——零依赖 C++23 CLI 兼 MCP 服务器，输出带排序的确定性调用图，回答该改哪、会波及什么、要跑哪些测试。

痛点Agent 靠 grep 加整文件读取找代码，同一个检索付两遍 token。它用签名替代函数体（自述省 74.7% 字节），每次回答标注置信边界与截断情况，并可设 token 预算。

谁付钱省的是编码 Agent 的 token 与等待时间；可变现形态是作为团队级上下文服务按席位收费，或并入既有研发效能平台。

规模化凡在用 Claude Code / Codex / Cursor 的团队都是受众，交付就是一个可执行文件或 MCP 端点，零配置。

边际成本低 —— 单二进制零运行时依赖，无 API key、无向量库、无索引服务。

验证≤30 分钟：

RIPWIRE_REPO=redhat-et/ripwire bash -c "$(curl -fsSL \
  https://raw.githubusercontent.com/redhat-et/ripwire/main/scripts/install.sh)"

# 对自己的仓库跑一次，对比改前改后的 token 消耗

覆盖 Rust / C++ / Python / Go / TS 等 22 种语言；从源码构建仅需 CMake（pip install cmake 或 brew install cmake）。

风险建库仅 6 周、v0.5.0，17 个 open issue，语言覆盖广但各语言深度不一；省下的 token 是省钱而非创收，需要客户已有可观的 Agent 用量才能算清账。

定位Physical AI 的开源评测框架——一次定义 benchmark，就能把任意策略（LLM Agent 或 VLA）跑在任意本体（真机臂、人形或仿真器）上，输出可审计日志并接 Rerun 可视化。

痛点机器人团队换一个模型或换一个本体，评测就得重写一遍，结果还无法横向比较。它把 Inspect AI 的做法搬到物理 AI，评分、LLM 交互与完整配置都留档。

谁付钱机器人与具身团队为可复现的评测与回归基线付钱；可变现形态是评测体系搭建服务、行业 benchmark 套件与企业内回归流水线部署。MIT 无授权包袱。

规模化受众窄但付费意愿集中；交付为标准 Python 包加配置文件，仿真路径与进程内策略均不需要真机，不触发重硬件否决。

边际成本低 —— 输入输出都是文件与日志，无本体、传感器或 GPU 集群强制要求（部分策略需 GPU 服务器，可用 mock 策略跳过）。

验证≤30 分钟：

uv venv && uv pip install inspect-robots
source .venv/bin/activate
inspect-robots setup          # 向导写 ~/.config/inspect-robots/config.ini

# 装一个本体插件后直接下指令
uv pip install inspect-robots-yam
inspect-robots "place the fork on the plate"

每次运行会拉起 Rerun viewer 实时串流相机、本体感知与动作。进程内策略（agent 或 mock scripted）不需要任何服务器。

风险README 自述 alpha、API 可能在版本间变动，生产依赖前需锁版本；默认策略 MolmoAct2 需另起 GPU 服务器且不会自愈重启；建库两个半月、398★，生态插件仍在铺。