我的 AI 模型开源两周后，收到了 V2EX 小伙伴关于模型管理的真实反馈

我又来了，哈哈哈哈

ZGI 开源差不多两周了，目前 GitHub 上拿到了差不多有接近 300 个 Star ，Gitee 也已经同步上线了，不知道国内的 ATOMGIT 流量如何目前？有哪位小伙伴可以烦反馈吗？

这段时间陆续收到了一些反馈，有夸的，也有不少很直接的问题。说实话，后者对我们更有帮助。

其中有两条反馈，我觉得挺有代表性。

一位开发者提到：

现在企业接入不同大模型，通常会使用类似 new-api 的方式，把模型供应商、权限隔离和用量管理统一接进系统。如果这些功能全部自己从头做，确实会很重。

但如果 ZGI 只提供 Agent Runtime ，那市面上已经有不少 Agent 框架了，功能是否会重叠？

另一位开发者的看法是：

企业系统一般都会有独立的供应商和模型配置模块，模型接入、监控和管控统一由模型管理模块负责。执行任务时，可以让用户手动选择模型，也可以设置一个主管模型，根据任务自动调度。

这两个反馈其实都指向了同一个问题：

ZGI 到底是一个 Agent 框架，还是一个更完整的企业 AI 应用层？

我们内部讨论后，答案更偏向后者。

ZGI 并不是想再做一个只能运行 Agent 的框架，也不是想替代所有现有的 Agent 、RAG 或模型网关项目。

它更像是把企业实际使用 AI 时经常需要、但又比较分散的几层能力放在一起：

• 模型供应商和模型配置管理
• GPT 、Claude 、开源模型及私有模型接入
• 组织、工作空间和成员权限隔离
• Token 配额、用量和调用记录
• 知识库与 RAG
• 可视化工作流
• Agent 和 Skills 的创建与运行
• 运行日志与问题排查
• 企业私有化部署

单独看这些功能，市面上基本都能找到对应的工具。

目前比较希望大家帮我们看几个问题：

1. 模型接入和供应商配置是否足够顺手？
2. 权限和工作空间的设计是否符合企业内部使用习惯？
3. ZGI 与现有 Agent 框架之间的边界是否清楚？
4. 哪些功能确实有价值，哪些功能显得太重？
5. 私有化部署过程中还有哪些明显阻碍？
6. 如果引入主管模型调度，大家更关心能力、成本、速度，还是数据权限？

为了让更多开发者愿意实际跑一下，我们准备了一些测试 Token 。

完成部署或实际体验后，可以申请一批测试 Token ；如果提交了可复现、有明确说明的有效 Issue ，也会额外提供一些 Token 。

这里不要求一定给正面反馈。

安装失败、文档看不懂、模型接不上、权限逻辑不合理、功能和其他框架重复，这些都可以直接提。对我们来说，这些具体问题比一句“项目不错”更有价值。

ZGI 目前已经在 GitHub 和 Gitee 上开放，直接搜索「 ZGI 」就能找到。

如果你也在做多模型接入、企业知识库、Agent 、模型网关或者私有化部署，欢迎在评论区交流。也挺想了解大家目前的做法：

你们是每个业务应用分别接模型，还是已经做了统一的模型管理层？

如果要做自动模型调度，你最希望它优先考虑什么？