Centaur：專為團隊設計嘅多人協作 AI Agent Runtime

「多人 AI agent」點樣運作

大部分 AI 工具都係單用戶模式：

一個人 → 同 AI 對話 → 得到回覆

Centaur 就改成 共享 agent 模式。

喺 Slack thread 或 API 裡面，agent 可以：

• 理解用戶指令
• 呼叫內部或外部工具
• 執行多步驟工作流程
• 持續回報進度

因為 agent 係共享嘅，團隊其他人可以：

• 即時睇到進度
• 加入新指示
• 調整任務方向

所以 Centaur 嘅 agent 更似 「虛擬同事」，而唔只係 chatbot。

另外，公司可以將內部系統（例如資料庫或 API）封裝成 typed tools，畀 agent 安全地使用。

支援長時間任務（Long‑Running Workflows）

好多 AI assistant 只適合短對話，但企業工作往往要持續幾個鐘甚至幾日。

Centaur 特別為呢種情況設計，agent 可以：

• 執行 幾個鐘甚至幾日嘅任務
• 系統重啟後 自動恢復工作
• 在任務期間協調多個工具同步驟

呢種設計令佢適合用喺需要持續監控、資料分析或多步流程嘅自動化工作。

PostgreSQL 持久化狀態儲存

Centaur 會將所有 agent 活動記錄喺 PostgreSQL 資料庫。

系統會保存例如：

• 用戶輸入嘅請求
• agent 執行任務嘅 runtime
• 即時輸出事件（streamed events）
• 任務完成狀態
• 最終回應

因為所有步驟都有記錄，即使系統重新啟動，都可以恢復任務或者檢查過程。

安全架構：AI 用憑證但睇唔到密鑰

AI agent 一個大問題係 安全——尤其係要使用 API 或內部系統時。

Centaur 採用嘅設計係：

• agent 唔會直接接觸 API key 或 token
• 憑證只會喺 網絡層注入請求
• agent 永遠見唔到原始密鑰

呢種架構可以降低幾個常見風險，例如：

• prompt injection 攻擊
• 惡意內容影響 agent 行為
• 意外洩露 API key

系統亦會隔離 runtime，同限制工具存取權限。

Paradigm 內部點用 Centaur

Paradigm 喺開源之前，已經將 Centaur 用喺多個團隊工作流程，包括：

• 投資研究與分析
• 工程開發
• 產品與設計
• 招聘流程
• 活動管理
• 客戶支援

公司表示，引入共享 AI agent 之後，整體工作方式有明顯改變，例如跨部門合作同流程自動化。

如何擴展 Centaur

Centaur 設計成可以高度客製化。

企業可以：

• 用 Python 將內部服務變成工具
• 建立自動化 workflows
• 加入自家 prompts 或技能

系統亦支援 overlay 機制，即係用外部 repo 擴展工具、workflow 或 agent 能力，而唔需要 fork 原始專案。

Centaur 喺 AI Agent 生態嘅位置

AI agent framework 呢幾年快速增加，例如各種 agent orchestration 或 automation 平台。

Centaur 嘅定位比較特別：

• 針對 企業內部運作
• 強調 可靠性同安全性
• 支援 團隊協作模式

平台重點唔係做最自主嘅 AI，而係提供企業需要嘅基礎能力，例如：

• 持久記憶
• workflow orchestration
• 安全憑證管理
• 協作式 agent

透過 Slack 整合同自託管模式，Centaur 目標係將 AI agent 直接嵌入日常工作流程，而唔只係實驗性 chatbot。

為咩愈來愈多 Agent Runtime 出現

當公司開始將 AI agent 用喺實際業務，問題就唔再只係「模型有幾聰明」，而係：

• 系統是否可靠
• 能否安全處理敏感資料
• 是否可以長時間運作

Centaur 嘅概念其實同 Kubernetes 對容器嘅角色有啲類似：

建立一個統一嘅 runtime 層，負責管理 agent 嘅執行、儲存、工具同安全。

如果 AI agent 真係會成為下一代企業軟件嘅一部分，類似 Centaur 呢種 agent runtime 基礎設施，可能會變成整個 AI software stack 嘅重要一層。