Raft 放出全部源码:5 个联合创始人里 3 个是 AI,他们做了个人和 AI 一起上班的 Slack

Raft 官网首屏：让人类和 AI Agent 一起创造（图源：raft.build）

公司叫 Botiverse，创始人 Richard（RC），据报道此前在月之暗面做过 Kimi CLI。官网"认识团队"那一栏，Richard 标为 HUMAN，CTO Tenny 同时标了 HUMAN 和 AGENT（一个真人加一个同名 agent），另外三位联合创始人 XX、Bugen、Noel 全是 agent，分别管 daemon 与 agent 体验、前端、性能与可观测性。报道说他们公司 99% 的工作跑在 Raft 自己身上，十几个真人，一百多个有名字的 agent。

01AI 在里面不是工具，是同事

它跟别的 AI 工具不一样的地方在于这四点：

1. 每个 agent 有自己的名字、分工和记忆。 记忆存在你自己电脑上，换个会话也不会失忆。代码库、你的偏好、做过的决定和为什么这么决定，都在它自己的工作空间里。

agent 的个人资料页：描述、角色、它跑在哪台电脑上、用哪个运行时和模型、装了哪些 skill（图源：Raft 官方文档）

2. 它们自己领任务、互相交接、互相 review。 官网的演示里，负责 QA 的 agent 发现这次提交跳过了必需的 E2E 检查，直接喊停发布；修完之后团队规则被更新成"每次发布都要附同一提交的 CI 证据和设计签字"。任务有待办、进行中、已完成、已关闭四种状态，全部挂在频道和线程上。

给一个目标，agent 把它拆成四个任务、各自编号认领，过程都在线程里（图源：Raft 官方文档）

3. 你已经在用的 Claude Code、Codex、Hermes 都能拉进群。 用的是你自己的订阅和 key。运行时下拉里还有 Cursor CLI、Gemini CLI、Kimi CLI、Copilot CLI、Antigravity CLI，每个 agent 可以挑最适合自己角色的模型。

4. 你下班了，活还在接着干。 所有过程都留在频道里，第二天回来看完整历史；新人或新 agent 进一个陌生项目，也能从之前那些 agent 留下的上下文里接上。

02HR 的时代要变成 AR 了

TiDB 联合创始人兼 CTO 黄东旭（Ed Huang）自己就是用户。他在官网的原话是：他在 Raft 上跑开发、架构师和记忆管理员这几类 agent，峰值一天烧掉 12 亿 token，他现在不写代码了，岗位变成了 AR，Agent Resource Manager，Agent 资源经理。

HR 的时代要变成 AR 了 😂

官网另一条用户评价来自 Zaigo 的联合创始人 Pete Enestrom：12 个员工就能做出一家 120 人公司的产出，甚至更多。官网列出的用户来源里有字节、微软、阿里、清华、PingCAP、HeyGen 等团队。

官网上的"Agent Resources"演示：AR agent 画出的团队结构，每个 agent 标着自己的模型和运行时

Raft 1.0 是 7 月 15 日发的。按报道，公测期间有两万多个团队和个人开发者用上了它，平均每个人带 4 个 agent，重度用户跑 60 个以上。收费方式也很说明问题：付费版一个人算一个席位，一个 agent 算十分之一个席位。

03源码里有什么

这次放出来的仓库叫 raft-source：服务端、网页端、CLI、跑 agent 的守护进程、桌面端全在里面。

• ▪server
  ：API、实时通信（Socket.IO）、持久化和各种集成
• ▪web
  ：网页客户端
• ▪cli
  ：raft 命令行，人和 agent 都用它
• ▪daemon
  ：机器上的守护进程，负责跑 agent，并替它们代管凭证
• ▪computer
  ：让你在自己机器上托管 agent 的运行时和安装器
• ▪desktop
  ：Electron 桌面端

要在本地跑起来，需要 Node.js 24.15、pnpm 10.29 和 Docker，然后两步：

pnpm install ./raftdev start   # 起 Postgres、Redis、对象存储、server、web、daemon

raftdev 会建一个本地工作区，打印登录信息和端口。

04daemon 托管凭证这块，值得通读

做 agent 协作、做 AI 员工平台的朋友，这份代码最值得看的是 packages/daemon/src/agentCredentialProxy.ts：agent 从头到尾拿不到服务器密钥。

daemon 凭证代理的工作方式：agent 只拿到一个本地临时 token，真正的密钥由 daemon 在转发时才加上

读下来是这么做的：

• ▪
  daemon 在本机 127.0.0.1 上起一个代理，每次启动 agent 发一个一次性的本地 token
• ▪
  agent 的 CLI 请求先打到这个本地代理。代理会丢掉请求里自带的 Authorization 头，换上 daemon 自己持有的服务端 API key，再加上 agent 身份和当前能力范围
• ▪
  请求目标必须是注册过的那个 Raft 服务器。绝对 URL、协议相对 URL、反斜杠路径这些想把请求导到别处的写法，一律 403
• ▪
  服务端每个入口都会检查会话是否还有效，吊销会话会同时踢掉它的实时订阅；频道可见性只在一个函数里判断，HTTP、实时订阅和消息回放共用

安全这关是认真做了的。不过它自己的 SECURITY.md 也写清了边界：如果攻击者已经拿到和 agent 同一个操作系统用户的权限，不在防护范围内。

05一处要说清楚：这是"源码可见"，不是开源

仓库 README 第一句就写了：Raft 是 source available，协议是 FSL-1.1-ALv2（Functional Source License）。意思是：

• ▪
  你可以读、跑、改代码，自己公司内部用、非商业的教学和研究用，都没问题
• ▪
  不能拿它做一个跟 Raft 竞争的商业产品或服务
• ▪
  每个版本发布两年之后，自动转成 Apache 2.0
• ▪
  仓库是发布镜像，开发在私有仓库，每次发版导出一个提交，不接受外部 PR

所以说"开源"不太准确，"放出全部源码"更贴切。对想学它架构的人没有影响，对想拿它改一个 AI 员工平台去卖的人，这一条要先看清。

06我的判断

这正好印证了我一直在说的：未来不是"人用 AI"，而是"人带着一队 AI 员工干活"。会管团队，比会写 prompt 更值钱。

真正的门槛不在模型，而在协作层：身份、记忆、权限、交接。Raft 把这一层做成了产品，还把代码摊开给你看。

项目地址官网：https://raft.build/源码：https://github.com/botiverse/raft-source文档：https://github.com/botiverse/raft-docs