# ReadyForAI — 完整上下文

# ReadyForAI 概览

## 概述

ReadyForAI 构建企业数字劳动力基础设施，跨 Claude Code、Codex、Grok 与主流 SDK Agent 纳管成规模的数字员工团队；治理闭环是基础设施里的一层，覆盖观测、审计与持续改进。

## 解决什么问题

当多个 AI Agent 跨不同框架与场景运行时，组织通常会在可见性、流程控制、审批与决策支持上失控。ReadyForAI 编排一条端到端治理闭环，让 Agent 团队保持可观测、可审计、可干预。

## 什么情况下适用

- 生产环境有多个 Agent（≥ 5），常跨框架
- 有合规 / 审批 / 审计要求
- 需要私有部署，且不绑定 LLM 或框架

## 什么情况下不够

- 单 Agent 或 PoC 前的探索阶段（无需治理）
- 算法层面的 AI 模型风险管理（用 AI GRC 平台）
- 仅需纯观测（LangSmith / Langfuse 可能已够用）

## ReadyForAI 如何解决

- NodalOS（本站仅简介）：异构多 Agent 托管平台与治理底座（OS 层） — 完整文档见 https://nodalos.org
- AULO: 把人和 Agent 团队的待办、对话、议事与治理操作，收进同一张工作台
- HarnessServer: 面向 Agent 宿主环境的上下文供给与能力分发组件
- HeronSentry: 独立可用的 AI Agent 观测面：追踪、成本、告警与性能分析
- LarkScout: 面向 Agent 的企业级知识平台
- OwlAudit: AI Agent 合规审计与人机协作（HITL）
- PathPilot: AI Agent 任务执行控制面
- PrismCouncil: Agent 治理战略决策层

## 建议的后续问题

- 与替代方案对比：见 /agent/use-cases/comparison.md
- 治理痛点诊断：见 /agent/use-cases/governance-diagnosis.md
- Harness 工程：见 /agent/use-cases/harness-engineering.md
- 现有架构接入评估：见 /agent/use-cases/integration.md
- 多 Agent 协作：见 /agent/use-cases/multi-agent-collaboration.md


# ReadyForAI 产品矩阵

## 概述

组成 ReadyForAI 治理闭环的产品矩阵：6 个治理产品 + OS 层 NodalOS + 工具层 HarnessServer。NodalOS 可免费使用（链接见下）。

## 产品映射

| 产品 | 角色 | 能做 | 不做 |
|------|------|------|------|
| AULO (`/products/aulo`) | 把人和 Agent 团队的待办、对话、议事与治理操作，收进同一张工作台 | 统一待办：升级任务、议事待决、HITL 审批与未分配 Agent; Agent 控制台：Agent 组织总览、项目路径、健康监控与运行下钻; 人类审批入口：高风险与合规动作的人机确认与结果回写 | 不运行 Agent 运行时，不在前端/本地直接执行大模型推理; 不持有合规策略定义（策略判定归 OwlAudit，AULO 负责人类审批交互与结果回写） |
| HarnessServer (`/products/harnessserver`) | 面向 Agent 宿主环境的上下文供给与能力分发组件 | 双侧按需上下文注入：Worker 拉取任务上下文索引，Coordinator 按信号提取 SOP; 按角色 Workspace 预先装配：技能审批后自动部署，SOP / Rule 按权限同步就位; SkillScan 部署前静态扫描：提供 Python AST 危险模式与依赖扫描（可选） | 不负责原始文档采集与知识加工（上游知识提炼与 Claim 编译由 LarkScout 完成）; 不提供无鉴权的全局共享记忆池（管理型记忆基于双时态严格隔离，仅授权 Agent 可访问） |
| HeronSentry (`/products/heronsentry`) | 独立可用的 AI Agent 观测面：追踪、成本、告警与性能分析 | 标准 OTLP 协议接收：全面支持 Traces / Metrics / Logs 实时入库; 端到端分布式调用链：还原 Agent 思考、工具调用与模型交互拓扑; 精细化 Token 成本核算：按缓存读写拆分，支持实时成本归因与分析 | 不作为通用企业海量全文检索日志中心（专注于 Agent 运行时关联的 OTLP 结构化链路与日志）; 不替代主机与网络级基础设施监控（专注于 Agent 应用层与大模型交互语义层观测） |
| LarkScout (`/products/larkscout`) | 面向 Agent 的企业级知识平台 | 结构化 Claim 抽取与知识视图编译：将文档提炼为可引用的最小事实单元; 知识矛盾扫描与经验回流：自动识别冲突知识，支持 Agent 经验学习与人工确认; 多源企业文档解析与站点策展：支持主流文档格式与语雀/微盘/飞书接入 | 不替代企业既有 Wiki 或内容管理系统（定位于面向 Agent 消费的知识编译加工层）; 不直接分发/挂载至 Agent 运行时工作区（编译完成后交由 HarnessServer 按角色下发） |
| NodalOS (`/products/nodalos`) | 异构多 Agent 托管平台与治理底座（OS 层） | 异构 Agent 统一纳管：支持 Native / Vendor / Sidecar / Basic / Coordinator 等 5 类 RuntimeClass; 进程级守护与生命周期调度：agentd 守护进程与 Coordinator 拓扑编排; 标准通信与高性能策略引擎：5 类 Fabric 消息通信机制与 CEL 运行时动态策略评估 | 不内置上层业务人机交互界面（人机协同、待办与控制台由 AULO 承载）; 不持有上层合规工单与审计账本（高阶人审、审计链与合规报告由 OwlAudit 负责） |
| OwlAudit (`/products/owlaudit`) | AI Agent 合规审计与人机协作（HITL） | 可验证 Hash Chain 审计账本：支持全链路记录重算、验证与断链检测; HITL / HOTL / HOOL 三档介入：由合规策略动态驱动的人机协作门禁; 策略双版本溯源：策略变更与审计流水同事务递增版本，全程可追溯 | 不替代专业法律与合规咨询（提供技术侧治理工具，不替代法定监管结论）; 不进行主观黑盒打分（输出客观事实记录与人审否决率，不做不可解释的人工打分） |
| PathPilot (`/products/pathpilot`) | AI Agent 任务执行控制面 | 任务全生命周期闭环：分派、追踪、阻塞处理与人类升级; 多层级预算监控：支持 Program / Group / Task 预算状态与超额治理; 里程碑治理：按任务依赖动态推算与跨层级汇总 | 不充当底层任务 Worker 执行体（PathPilot 负责阶段控制与干预调度，具体任务由各 Agent 实际执行）; 不编排法律/合规级人审流（高风险阻断与合规审批归 OwlAudit） |
| PrismCouncil (`/products/prismcouncil`) | Agent 治理战略决策层 | 8 大内置专业顾问多视角推演：覆盖战略、技术、财务、风险、合规等关键维度; 议事官智能调度：根据议题分量在单体深度推演与团体多视角研讨间自适应切换; 结构化子议题拆解：支持最多两级子议题衍生，继承父题背景与论证深度 | 绝不替代人类行使最终战略与业务决策权（始终坚持人类终裁原则）; 不进行脱离业务目标的娱乐化争辩（所有多视角对抗均以收敛至可执行的 Decision Package 为目的） |

## 依据 / 参考

- [AULO](/products/aulo)
- [HarnessServer](/products/harnessserver)
- [HeronSentry](/products/heronsentry)
- [LarkScout](/products/larkscout)
- [NodalOS](/products/nodalos) · 外部：https://nodalos.org
- [OwlAudit](/products/owlaudit)
- [PathPilot](/products/pathpilot)
- [PrismCouncil](/products/prismcouncil)


# ReadyForAI 治理闭环

## 概述

把模糊的 Agent 治理痛点，拆成可落地的治理域

## 闭环构成

- **运行时纳管** (nodalos): 异构 Agent 统一身份、通信、调度
- **流程治理** (pathpilot): 任务流、Pipeline、依赖、分派
- **运行观测** (heronsentry): 监控、Trace、成本、告警
- **审批审计** (owlaudit): HITL / HOTL / HOOL、策略版本溯源、节点投递缺口报告
- **决策机制** (prismcouncil): 多角色议事、Decision Package
- **知识供给** (larkscout): 知识采集、Skill 编译、知识鲜度维护
- **能力分发** (harnessserver): Skill / SOP / 上下文文件按角色下发，SOP 按需再取
- **统一交互层** (aulo): 待办、控制台、议事、审批、对话

## 落地阶段

- **创建 & 托管**: nodalos, pathpilot, aulo — Agent 团队跑起来，流程定义好，人类通过统一操作台管起来
- **增强 & 进化**: larkscout, harnessserver — 知识沉淀和按角色下发，Skill、SOP 与经验回流飞轮启动
- **监督 & 决策**: heronsentry, owlaudit, prismcouncil — 全链路可观测，合规可追溯，重大决策有体系
- **复制 & 推广**: all — 横向复制到更多场景和部门，每个新场景上线速度递增


# 场景

# 与替代方案对比

## 概述

在自研拼装、框架观测工具、云平台、AI GRC、Grok Bot、Cloudflare OS 与不治理之间，看清 ReadyForAI 的差异

## 解决什么问题

在自研拼装、框架观测工具、云平台、AI GRC、Grok Bot、Cloudflare OS 与不治理之间，看清 ReadyForAI 的差异

## 什么情况下适用

- 不知道差异
- 自研还是商业
- 选型决策难
- 看不清边界

## 什么情况下不够

_N/A_

## ReadyForAI 如何解决

- **定位差异** → aulo: ReadyForAI 构建数字劳动力基础设施；治理闭环是其中一层，不是观测平台或自研拼装
- **能力覆盖** → pathpilot: 流程治理 / 审批审计 / 决策 / 知识 / 能力分发完整覆盖
- **部署形态** → owlaudit: 原生私有部署 + 不绑定 LLM / Agent 框架

## 产品映射

| 问题 | 产品 | 能力 |
|------|------|------|
| 不了解 ReadyForAI 与自研拼装的能力差距 | pathpilot | 流程治理 / 审批 / 决策 / 知识 全套替代手写脚本 |
| 已用 LangSmith / Langfuse，犹豫是否升级 | aulo | 在观测之上补足审批、流程、决策、知识、统一入口 |
| 担心被云平台 Agent 框架绑定 | nodalos | 异构 Agent 纳管，不绑定云厂商 / LLM |

## 对比

- AI 合规治理平台（Credo AI / Holistic AI / ModelOp）：见 /agent/comparisons/ai-grc-vs-readyforai.md
- 云平台 Agent 管理（Google Cloud Vertex AI Agent Builder / Amazon Bedrock Agents）：见 /agent/comparisons/cloud-platforms-vs-readyforai.md
- Cloudflare OS（组织级 Agent 工作台）：见 /agent/comparisons/cloudflare-os-vs-readyforai.md
- DeepSeek Harness（开发者向 Agent 运行时）：见 /agent/comparisons/deepseek-harness-vs-readyforai.md
- Agent 框架附带管理（LangSmith / Langfuse）：见 /agent/comparisons/framework-tools-vs-readyforai.md
- Grok Bot（xAI / Cursor 生态的 SaaS Agent 同事）：见 /agent/comparisons/grok-bot-vs-readyforai.md
- 无治理状态（未受控运行 / Agent 裸跑）：见 /agent/comparisons/no-governance-vs-readyforai.md
- YC QM Agent Harness（团队协作型 Agent Harness）：见 /agent/comparisons/qm-vs-readyforai.md
- 自研拼装（Shell + Prometheus + Grafana + 手写审批）：见 /agent/comparisons/self-built-vs-readyforai.md

## 依据 / 参考

- 意图页：`/intent/comparison`

## 建议的后续问题

- 看接入路径 → integration
- 看产品分工 → product-overview
- 看完整闭环 → product-overview
- 预约对比式演示 → demo

---

# 治理痛点诊断

## 概述

把模糊的 Agent 治理痛点，拆成可落地的治理域

## 解决什么问题

把模糊的 Agent 治理痛点，拆成可落地的治理域

## 什么情况下适用

- 多框架混用
- 状态不可见
- 流程失控
- 高风险动作无审批
- 成本不可追踪
- 经验无法沉淀

## 什么情况下不够

_N/A_

## ReadyForAI 如何解决

- **运行时纳管** → nodalos: 异构 Agent 统一身份、通信、调度
- **流程治理** → pathpilot: 任务流、Pipeline、依赖、分派
- **运行观测** → heronsentry: 监控、Trace、成本、告警
- **审批审计** → owlaudit: HITL / HOTL / HOOL、策略版本溯源、节点投递缺口报告
- **决策机制** → prismcouncil: 多角色议事、Decision Package
- **知识供给** → larkscout: 知识采集、Skill 编译、知识鲜度维护
- **能力分发** → harnessserver: Skill / SOP / 上下文文件按角色下发，SOP 按需再取
- **统一交互层** → aulo: 待办、控制台、议事、审批、对话

## 产品映射

| 问题 | 产品 | 能力 |
|------|------|------|
| 多框架混用 | nodalos | 异构 Agent 统一运行时纳管 |
| 流程混乱 | pathpilot | 任务流、Pipeline、依赖、分派 |
| 状态不可见 | heronsentry | 监控、Trace、成本、告警 |
| 高风险动作无审批 | owlaudit | HITL / HOTL / HOOL、策略版本溯源、节点投递缺口报告 |
| 重大问题难决策 | prismcouncil | 多角色议事、Decision Package |
| 经验无法沉淀 | larkscout | 知识采集、Skill 编译、知识鲜度维护 |
| 能力无法按需分发 | harnessserver | Skill / SOP / 上下文文件按角色下发，SOP 按需再取 |
| 人类缺统一入口 | aulo | 待办、控制台、议事、告警、对话 |

## 对比

_N/A_

## 依据 / 参考

- 意图页：`/intent/governance-diagnosis`

## 建议的后续问题

- 看完整治理闭环图 → product-overview
- 看多框架接入路径 → integration
- 与替代方案对比 → comparison
- 预约诊断演示 → demo

---

# Harness 工程

## 概述

模型之外的那一层——Agent 担任什么角色、要守哪些企业制度、能用哪些知识——决定它能不能在企业里可靠干活。看 ReadyForAI 怎么把这一层做成工程。

## 解决什么问题

模型之外的那一层——Agent 担任什么角色、要守哪些企业制度、能用哪些知识——决定它能不能在企业里可靠干活。看 ReadyForAI 怎么把这一层做成工程。

## 什么情况下适用

- 每个 Agent 都要手工配 prompt 与工具
- 新 Agent 上岗要摸索好几轮
- SOP 和规则落不到 Agent 身上
- 知识更新了，Agent 还在用旧版
- 说不清 Agent 当时依据的是哪版内容

## 什么情况下不够

_N/A_

## ReadyForAI 如何解决

- **Agent 角色** → harnessserver: 按 Coordinator / Worker 可见性，以及 Agent 的 class / skeleton / 已购产品，下发不同的 Skill、SOP、Rule
- **岗位工作区** → harnessserver: 交付或批准完成后，Workspace 里已有主配置、已部署 Skill 与上下文索引；按框架生成 CLAUDE.md / AGENTS.md / NODAL.md
- **企业制度** → larkscout: 把知识视图编译成 Skill / SOP / Rule；规程可声明受保护段，fork 时继承并校验摘要
- **知识编译** → larkscout: 从文档抽取结构化 Claim，按主题编译成带引用的知识视图，并扫描互相矛盾的 Claim
- **知识分发** → harnessserver: Worker 开工时拉取任务上下文索引，Coordinator 按动作信号取用 SOP，不把 SOP 全文预注入主配置
- **编写与分配** → aulo: 在工作台编写并分配 SOP、规则、技能与人格，内容存 LarkScout

## 产品映射

| 问题 | 产品 | 能力 |
|------|------|------|
| 每个 Workspace 都要手工配 prompt 和工具 | harnessserver | 按角色预先装配 Workspace：主配置、已部署 Skill 与上下文索引交付即就位 |
| 同一套制度要适配 Claude Code、Codex 等不同框架 | harnessserver | 按框架生成 CLAUDE.md / AGENTS.md / NODAL.md；主配置可插入公共段并保持字节稳定 |
| 文档很多，Agent 用不上 | larkscout | Claim 抽取与知识视图编译；矛盾 Claim 标出并提示人工复核 |
| SOP 与规则写了，没落到执行上 | larkscout | 编译为 Skill / SOP / Rule，由 HarnessServer 按角色可见性同步到对应 Agent |
| 事后说不清 Agent 当时依据的是哪版内容 | harnessserver | 任务开始时记录可见内容集合与版本，在 Trace 上标注 Content Version |
| Agent 反复犯同类错误 | larkscout | 经验回流：Agent 学习记录入库，Claim 更正提议经人工确认 |

## 对比

_N/A_

## 依据 / 参考

- 意图页：`/intent/harness-engineering`

## 建议的后续问题

- 多 Agent 协作 → multi-agent-collaboration
- 安全与权限 → security-permissions
- 现有架构接入评估 → integration
- 预约演示 → demo

---

# 现有架构接入评估

## 概述

已经在用 Claude Code / Codex / Grok，或基于主流 SDK 开发的 Agent，评估 ReadyForAI 接入路径

## 解决什么问题

已经在用 Claude Code / Codex / Grok，或基于主流 SDK 开发的 Agent，评估 ReadyForAI 接入路径

## 什么情况下适用

- 多框架并存
- 不想重写已有 Agent
- 担心生态冲突
- 验证接入可行性

## 什么情况下不够

_N/A_

## ReadyForAI 如何解决

- **统一身份** → nodalos: NodalOS 以多形态 RuntimeClass 纳管异构 Agent
- **通信总线** → nodalos: Fabric + A2A / ACP / MCP 协议，框架无关互操作
- **上下文交付** → harnessserver: 主配置与 Skill 先备好，SOP 按动作再取；主配置可装配公共段并保持字节稳定
- **流程接入** → pathpilot: 现有 Agent 任务流接入 PathPilot 任务执行控制面

## 产品映射

| 问题 | 产品 | 能力 |
|------|------|------|
| Claude Code / Codex / Grok 与基于主流 SDK 的 Agent 并存 | nodalos | 多形态 RuntimeClass + A2A / ACP / MCP 协议 |
| 不想重写已有 Agent 代码 | harnessserver | 通过上下文文件注入而非改 prompt；主配置保持字节稳定 |
| Skill 入库如何过安全门 | larkscout | 压缩包结构与 SKILL.md 格式必检；进程隔离 YARA 需部署扫描器 |
| Skill 部署前如何再核验 | harnessserver | 可开启 SkillScan 做 Python AST 与污点扫描；默认关闭，不是运行时沙箱 |
| 现有任务流如何接入 | pathpilot | 任务流接入任务执行控制面，按需替换或并行 |

## 对比

_N/A_

## 依据 / 参考

- 意图页：`/intent/integration`

## 建议的后续问题

- 看完整治理闭环 → product-overview
- 与替代方案对比 → comparison
- 私有部署要求 → private-deployment
- 预约接入评估 → demo

---

# 多 Agent 协作

## 概述

不同框架的 Agent 如何被统一纳管、用什么协议互通，又如何按 Coordinator + Worker 分工协作，并把需要人拍板的事交回给人。

## 解决什么问题

不同框架的 Agent 如何被统一纳管、用什么协议互通，又如何按 Coordinator + Worker 分工协作，并把需要人拍板的事交回给人。

## 什么情况下适用

- 多框架 Agent 各说各话
- 没有统一的身份与通信协议
- 任务串起来，一失败就说不清卡在哪步
- 卡住的任务升级不到人
- 多个 Agent 同时改同一资源

## 什么情况下不够

_N/A_

## ReadyForAI 如何解决

- **异构纳管** → nodalos: Native / Vendor / Sidecar / Basic / Coordinator 五类 RuntimeClass，由 agentd 守护进程统一纳管生命周期
- **通信协议** → nodalos: 5 类 Fabric 标准消息机制，原生支持 A2A / ACP / MCP 协议互通；多产品 MCP 按命名空间聚合
- **Coordinator + Worker** → nodalos: Coordinator 负责编排，专业 Worker 负责执行；平台自带 Coordinator 与 Basic Agent
- **分侧上下文** → harnessserver: Worker 开工时拉取任务上下文索引，Coordinator 按动作信号取用 SOP，两侧按可见性拿到不同内容
- **任务控制面** → pathpilot: 分派、追踪、阻塞处理与人类升级；可按技能与忙闲打分推荐执行 Agent
- **人机协作** → aulo: 与 Coordinator 一对一对话；升级任务、HITL 审批与待决议题汇入同一条待办

## 产品映射

| 问题 | 产品 | 能力 |
|------|------|------|
| Claude Code、Codex 与自研 Agent 并存，互不相通 | nodalos | 五类 RuntimeClass 统一纳管，经 A2A / ACP / MCP 协议互通 |
| Agent 之间的消息与调用无章可循 | nodalos | 5 类 Fabric 标准消息机制，跨框架互通 |
| 编排与执行混在一个 Agent 里 | nodalos | Coordinator 拓扑编排，agentd 守护进程纳管各 Agent 生命周期 |
| 多 Agent 串起来一旦失败，说不清在哪一步 | pathpilot | 可干预 Pipeline：多阶段流转、决策门禁、重置 / 跳过；执行时间线归集 Agent 自报进度 |
| 多个 Agent 同时改同一资源 | pathpilot | 资源锁：跨任务锁定同一资源，避免并发冲突 |
| 卡住的任务升级不到人 | aulo | 升级任务汇入统一待办，在待办内批示并回写上游 |

## 对比

_N/A_

## 依据 / 参考

- 意图页：`/intent/multi-agent-collaboration`

## 建议的后续问题

- Harness 工程 → harness-engineering
- 安全与权限 → security-permissions
- 现有架构接入评估 → integration
- 预约演示 → demo

---

# 私有部署与安全边界

## 概述

数据不出门，是默认而不是选配。从单机 PoC 到生产集群，ReadyForAI 原生为私有环境设计。

## 解决什么问题

数据不出门，是默认而不是选配。从单机 PoC 到生产集群，ReadyForAI 原生为私有环境设计。

## 什么情况下适用

- 数据不能出门
- 合规审计要求
- 部署成本评估
- 安全审查必过

## 什么情况下不够

_N/A_

## ReadyForAI 如何解决

- **私有化部署** → nodalos: 所有产品和组件都支持私有化部署，数据不出企业内网
- **凭证隔离** → nodalos: 凭证独立存储，不进入 Agent prompt
- **策略阻断** → owlaudit: NodalOS 已挂接 hook 上，HITL 档命中则同步拒绝该动作
- **审计证据** → owlaudit: 已写入的审计记录进 Hash Chain，本地可验证、可查 gap
- **成本归因** → heronsentry: HeronSentry 多维成本聚合，部署成本可衡量

## 产品映射

| 问题 | 产品 | 能力 |
|------|------|------|
| 数据不能出企业内网 | nodalos | 完全私有化部署 + 私有 LLM 后端 |
| 高风险动作必须人在回路 | owlaudit | HITL / HOTL / HOOL 三档介入（由策略 action_type 选定）；NodalOS 已挂接 hook 上可同步拒绝 |
| 合规审计要求完整证据链 | owlaudit | Hash Chain 审计（可验证、可查 gap） |
| 部署运维成本不可见 | heronsentry | HeronSentry 多维成本聚合 |

## 对比

_N/A_

## 依据 / 参考

- 意图页：`/intent/private-deployment`

## 建议的后续问题

- 看完整治理闭环 → product-overview
- 看接入路径 → integration
- 与替代方案对比 → comparison
- 预约部署评估 → demo

---

# 完整产品闭环

## 概述

六个治理产品加 OS 层与工具层，如何组成 Agent 治理闭环

## 解决什么问题

六个治理产品加 OS 层与工具层，如何组成 Agent 治理闭环

## 什么情况下适用

- 不清楚分工
- 关系不直观
- 闭环理解难
- 八产品太多

## 什么情况下不够

_N/A_

## ReadyForAI 如何解决

- **运行时底座** → nodalos: 可免费使用的 OS 层，提供统一身份、通信、编排、策略、上下文
- **任务执行控制面** → pathpilot: 分派、追踪、升级，叠加预算与里程碑
- **运行观测** → heronsentry: Trace、监控、成本、告警
- **审批审计** → owlaudit: HITL / HOTL / HOOL + 审计留痕
- **战略决策层** → prismcouncil: 多视角议事 + Decision Package + 人类终裁
- **企业级知识平台** → larkscout: claim 抽取、知识视图、矛盾扫描、经验回流
- **上下文供给** → harnessserver: Workspace 准备 + 按角色分发 + 按需取 SOP
- **人机协作平台** → aulo: 待办、控制台、议事、审批、对话、绩效

## 产品映射

| 问题 | 产品 | 能力 |
|------|------|------|
| 人类缺统一入口 | aulo | 待办、控制台、议事、审批、对话、绩效 |
| 流程混乱失控 | pathpilot | 分派追踪升级、预算里程碑、可干预 Pipeline |
| 状态与成本不可见 | heronsentry | 端到端 Trace、成本采集、告警 |
| 高风险动作无审批 | owlaudit | HITL / HOTL / HOOL 三档介入、Hash Chain 审计、在已挂接 Hook 上可同步拒绝 |
| 重大问题难决策 | prismcouncil | 8 顾问议事、Decision Package、人类终裁 |
| 经验无法沉淀 | larkscout | claim 抽取、知识视图、矛盾扫描、经验回流 |
| 知识到不了 Agent 手里 | harnessserver | Workspace 准备、按角色分发、按需取 SOP |
| 多框架混用无底座 | nodalos | 异构多 Agent 托管与治理底座（可免费使用） |

## 对比

_N/A_

## 依据 / 参考

- 意图页：`/products`

## 建议的后续问题

- 看治理痛点诊断 → governance-diagnosis
- 与替代方案对比 → comparison
- 看接入路径 → integration
- 预约演示 → demo

---

# 安全与权限

## 概述

Skill 进入企业要过几道审查，每个 Agent 能看到什么、能做什么，高风险动作由谁拦截，审计为什么放在 Agent 运行时之外。

## 解决什么问题

Skill 进入企业要过几道审查，每个 Agent 能看到什么、能做什么，高风险动作由谁拦截，审计为什么放在 Agent 运行时之外。

## 什么情况下适用

- 来路不明的 Skill 直接进生产
- 所有 Agent 看到的内容都一样
- Agent 直接调生产 API 没人把关
- 凭证散落在各个 Agent 的代码里
- 事后调查没有完整的审计轨迹

## 什么情况下不够

_N/A_

## ReadyForAI 如何解决

_N/A_

## 产品映射

| 问题 | 产品 | 能力 |
|------|------|------|
| 来路不明的 Skill 进入企业 | larkscout | 三层入库安全门：结构防护、格式校验、进程隔离 YARA 扫描（需部署扫描器） |
| Skill 部署前还想再核一遍 | harnessserver | 人工确认授权后才部署；可开启 SkillScan 做 Python AST 与污点扫描（默认关闭） |
| 所有 Agent 看到的内容都一样 | harnessserver | 按角色与配置分发 Skill、SOP、Rule |
| 运行时策略散落在各个 Agent 里 | nodalos | CEL 策略引擎统一做运行时评估 |
| Agent 直接调生产 API 没人把关 | owlaudit | 策略命中即执行对应动作：HITL / HOTL / HOOL 三档介入，可同步拒绝与冻结 |
| 事后调查没有完整的审计轨迹 | owlaudit | Hash Chain 审计账本可重算验证、检测断链；策略版本随审计记录同事务递增 |

## 对比

_N/A_

## 依据 / 参考

- 意图页：`/intent/security-permissions`

## 建议的后续问题

- 私有部署与安全边界 → private-deployment
- Harness 工程 → harness-engineering
- 多 Agent 协作 → multi-agent-collaboration
- 预约演示 → demo

---


# 对比

# ReadyForAI 对比 AI 合规治理平台（Credo AI / Holistic AI / ModelOp）

## 概述

GRC 视角的 AI 治理，强项在模型合规、风险评估、监管对齐，但不涉及 Agent 运行时和多 Agent 协作。 与 ReadyForAI 是互补关系：ReadyForAI 治理 Agent 行为，GRC 治理 AI 模型。

## 解决什么问题

在已经使用替代方案、或同时评估两者时，会面临 ReadyForAI 与替代方案的取舍。

## 什么情况下适用

- 关注运行中 Agent 的行为治理
- 需要异构 Agent 多框架统一管理
- 与 AI GRC 平台并行使用（互补而非替代）

## 什么情况下不够

- 监管驱动的 AI 合规治理（如金融 / 医疗）
- 关注模型层面的风险评估和算法审查
- 已有完整 AI 模型生命周期管理需求

## ReadyForAI 如何解决

_N/A_

## 产品映射

_N/A_

## 对比

| 维度 | ReadyForAI | 替代方案 |
|------|------------|----------|
| 定位 | Agent 运行治理闭环 | AI 合规风控 |
| 关注对象 | 运行中的 Agent 行为 | AI 模型与算法 |
| 多框架纳管 | 原生支持（NodalOS） | 不涉及 |
| 私有部署 | 原生 | 部分支持 |
| 流程治理 | PathPilot | 无 |
| 审批审计 | OwlAudit（HITL/HOTL/HOOL） | 合规审计强项 — NIST AI RMF / ISO 42001 对齐 |
| 运行观测 | HeronSentry（端到端 Trace） | 偏模型监控（drift / bias） |
| 决策机制 | PrismCouncil | 无 |
| 知识采集 | LarkScout | 无 |
| 能力分发 | HarnessServer | 无 |
| 统一人机入口 | AULO | GRC 仪表盘 |
| 互补关系 | Agent 行为治理 | 模型与算法治理 / 监管对齐 |

## 依据 / 参考

- 对比来源：`comparison.ai_grc`

## 建议的后续问题

_N/A_

---

# ReadyForAI 对比 云平台 Agent 管理（Google Cloud Vertex AI Agent Builder / Amazon Bedrock Agents）

## 概述

云端 Agent 全栈方案，绑定云厂商生态与自家 LLM，不支持私有部署和异构纳管。 适合全部业务都在单一云上的团队，与 ReadyForAI 的关系是部署形态的根本差异。

## 解决什么问题

在已经使用替代方案、或同时评估两者时，会面临 ReadyForAI 与替代方案的取舍。

## 什么情况下适用

- 需要异构 Agent 跨框架治理
- 需要私有部署或多云策略
- 不希望被单一 LLM 或云厂商绑定

## 什么情况下不够

- 全部业务都在单一云上
- 不需要私有部署或异构 Agent 纳管
- 接受 LLM 绑定与云厂商生态锁定

## ReadyForAI 如何解决

_N/A_

## 产品映射

_N/A_

## 对比

| 维度 | ReadyForAI | 替代方案 |
|------|------------|----------|
| 定位 | Agent 运行治理闭环 | 云端 Agent 全栈 |
| 多框架纳管 | 原生支持（NodalOS） | 仅自家平台 Agent |
| 私有部署 | 原生 | 否 |
| 流程治理 | PathPilot | 部分（厂商定义的工作流） |
| 审批审计 | OwlAudit | 部分（厂商审计能力） |
| 运行观测 | HeronSentry（OTel 原生） | 内置（厂商监控产品） |
| 决策机制 | PrismCouncil | 无 |
| 知识采集 | LarkScout | 无 / 厂商专属向量库 |
| 能力分发 | HarnessServer | 无 |
| 统一人机入口 | AULO（不绑定生态） | 有（绑定厂商生态） |
| LLM 绑定 | 不绑定 | 绑定自家模型 |
| 数据驻留 | 完全在企业内网 | 云端存储 |

## 依据 / 参考

- 对比来源：`comparison.cloud_platforms`

## 建议的后续问题

_N/A_

---

# ReadyForAI 对比 Cloudflare OS（组织级 Agent 工作台）

## 概述

Cloudflare OS 是企业内部 Agent 工作平台：公司上下文 Workspace 加 Gatekeeper 安全模型， 全员上手快。计算落在 V8 isolate，不便托管 CLI Agent，也没有审批/预算/决策套件。 全员快速使用、强调平台安全时它合适；要编制级数字员工与治理闭环时走 ReadyForAI。

## 解决什么问题

在已经使用替代方案、或同时评估两者时，会面临 ReadyForAI 与替代方案的取舍。

## 什么情况下适用

- 需要在完整 OS 上托管 Claude Code / Codex 等 CLI Agent
- 需要私有部署，以及审批、审计、预算、决策闭环
- 数据与模型必须留在企业内网（含国产模型）

## 什么情况下不够

- 企业内部要全员快速用上 Agent，强调平台安全与易用
- 已使用 Cloudflare 基础设施，计算可接受 V8 isolate
- 更看重 Gatekeeper 凭据隔离，而非编制级治理与岗位复制

## ReadyForAI 如何解决

_N/A_

## 产品映射

_N/A_

## 对比

| 维度 | ReadyForAI | 替代方案 |
|------|------------|----------|
| 定位 | 企业编制级治理与运行体系 | 企业内部 Agent 工作平台（Workspace + Gatekeeper） |
| 目标用户 | 企业 IT + 业务部门 | 企业内部全员 |
| 部署 | 客户内网，私有化优先 | 以 Cloudflare 云平台为主；自部署仍在演进 |
| 计算环境 | 完整 OS，可托管 CLI Agent | V8 isolate 沙箱，无完整 shell / 原生文件系统 |
| 隔离 | 进程级隔离 + 策略拦截 | V8 isolate 内存隔离（隔离更强，算力更受限） |
| 凭据 | 环境白名单 + 代理中介，Agent 不直接持有密钥 | Gatekeeper 下发能力对象，Agent 碰不到原始凭据 |
| 异构纳管 | 五类 RuntimeClass + A2A / ACP / MCP | 平台自有 Agent 形态，绑定 Workers 运行时 |
| 业务治理 | 任务、观测、审计、决策四闭环，收口到 AULO | Gatekeeper 与资源溯源强，无审批/预算/决策套件 |
| 知识 | LarkScout 编译 + HarnessServer 注入到岗位现场 | 公司级 Skills 策展 |
| 变更 | 底座跟发版；岗位规则声明式调整 | 由平台控制 |
| 中国场景 | 原生内网部署，可接国产模型 | Workers 云服务在中国使用受限 |

## 依据 / 参考

- 对比来源：`comparison.cloudflare_os`

## 建议的后续问题

_N/A_

---

# ReadyForAI 对比 DeepSeek Harness（开发者向 Agent 运行时）

## 概述

DeepSeek Harness 是开发者向运行时：Everything is a plugin，组合灵活、适合深度定制。 ReadyForAI 面向企业编制：异构纳管、岗位可复制、治理可监督。要极度可组合的运行时做定制时选 Harness； 要规模化建设可治理的数字员工时选 ReadyForAI。

## 解决什么问题

在已经使用替代方案、或同时评估两者时，会面临 ReadyForAI 与替代方案的取舍。

## 什么情况下适用

- 要规模化建设可治理的数字员工编制
- 多种 Agent 框架并存，不能推倒重来
- 业务岗位要可复制，底座变更与岗位调整要分开

## 什么情况下不够

- 需要极度可组合的 Agent 运行时做深度定制
- 团队以开发者为主，治理套件不是第一需求
- 可以接受岗位与规则随代码一起演进

## ReadyForAI 如何解决

_N/A_

## 产品映射

_N/A_

## 对比

| 维度 | ReadyForAI | 替代方案 |
|------|------------|----------|
| 定位 | 企业治理与运行体系（纳管 + 可复制 + 可监督） | 开发者运行时，插件极度可组合 |
| 目标用户 | 企业 IT 与业务部门 | Agent 开发者 |
| 核心问题 | 如何把数字员工纳入编制并规模化治理 | 如何让运行时尽量可扩展 |
| 治理 | 任务、观测、审计、决策四闭环，收口到 AULO | 运行时组合强，企业治理套件弱 |
| 业务可复制 | 四类骨架（Doc / Browser / Data / Assist）+ 内容注入，新岗位主要加配置 | 每次定制，岗位难复制 |
| 变更边界 | 底座跟产品发版；岗位规则声明式调整 | 高度灵活，边界由开发者自己守 |
| 私有化 | 原生内网部署 | 支持自托管 |
| 异构纳管 | 五类 RuntimeClass + A2A / ACP / MCP | 运行时内插件组合，不按企业编制纳管 |
| 知识 | LarkScout 编译 + HarnessServer 注入到岗位现场 | 由开发者自行装配上下文 |
| 中国场景 | 原生内网部署，可接国产模型 | 自托管，模型与部署由团队自选 |

## 依据 / 参考

- 对比来源：`comparison.deepseek_harness`

## 建议的后续问题

_N/A_

---

# ReadyForAI 对比 Agent 框架附带管理（LangSmith / Langfuse）

## 概述

Agent 观测与调试维度的核心强项，但不覆盖审批、流程治理、决策、知识采集和能力分发。 适合只关注 Agent 观测的团队，与 ReadyForAI 是互补 / 替代关系而非竞争。

## 解决什么问题

在已经使用替代方案、或同时评估两者时，会面临 ReadyForAI 与替代方案的取舍。

## 什么情况下适用

- 多 Agent 多框架协作已出现
- 需要统一治理闭环（含审批 / 流程 / 决策 / 知识）
- 有私有部署和合规要求

## 什么情况下不够

- 只需 Agent 观测与调试，不需要审批 / 流程 / 决策
- 团队规模小，Agent 数量有限
- 偏向产品研发期的快速试错

## ReadyForAI 如何解决

_N/A_

## 产品映射

_N/A_

## 对比

| 维度 | ReadyForAI | 替代方案 |
|------|------------|----------|
| 定位 | Agent 运行治理闭环 | Agent 观测与调试 |
| 多框架纳管 | 原生支持（NodalOS） | 框架无关但仅做观测 |
| 私有部署 | 原生 | Langfuse 可自托管 / LangSmith 仅 SaaS |
| 流程治理 | PathPilot 任务执行控制面 | 无 |
| 审批审计 | OwlAudit | 无 |
| 运行观测 | HeronSentry | 核心强项 — 调用链 / Trace / Eval 是其最成熟能力 |
| 决策机制 | PrismCouncil | 无 |
| 知识采集 | LarkScout | 无 |
| 能力分发 | HarnessServer | 无 |
| 统一人机入口 | AULO | 无（独立观测仪表盘） |
| LLM 绑定 | 不绑定 | 不绑定 |

## 依据 / 参考

- 对比来源：`comparison.framework_tools`

## 建议的后续问题

_N/A_

---

# ReadyForAI 对比 Grok Bot（xAI / Cursor 生态的 SaaS Agent 同事）

## 概述

Grok Bot 是面向个人和团队的 SaaS Agent 产品：对话委派、上手快，但数据在境外云端、 多 Bot 共享一台 VM、几乎没有企业治理。适合英语市场的小团队；需要私有部署、 异构纳管或审批审计时，和 ReadyForAI 不是同一条路径。

## 解决什么问题

在已经使用替代方案、或同时评估两者时，会面临 ReadyForAI 与替代方案的取舍。

## 什么情况下适用

- 数据不能出境，需要内网私有部署
- 要同时治理 Claude Code、Codex、自研 Agent 等异构团队
- 需要人机审批、可验证审计与预算/里程碑干预

## 什么情况下不够

- 英语市场的个人或小团队，接受 SaaS 与境外数据驻留
- 只要尽快用对话把工作派给 Agent，不需要私有部署
- 不需要审批、审计、预算或异构 CLI Agent 纳管

## ReadyForAI 如何解决

_N/A_

## 产品映射

_N/A_

## 对比

| 维度 | ReadyForAI | 替代方案 |
|------|------------|----------|
| 定位 | 企业私有部署的异构 Agent 治理闭环 | 个人/团队 SaaS「AI 同事」 |
| 部署与数据 | 客户内网私有部署，数据不出网 | xAI 托管云端 VM，数据在境外 |
| 模型选择 | 客户自选模型，可接国产模型 | 无模型选择权，由产品托管 |
| Agent 隔离 | 进程级隔离 + CEL 策略拦截 | 多 Bot 共享一台 VM，无独立安全边界 |
| 异构纳管 | 五类 RuntimeClass（含 Claude Code / Codex 等 CLI） | 仅 Grok 模型与其 Bot 形态 |
| 企业治理 | 审批、审计链、预算里程碑、决策议事 | 几乎空白（用量可见，行为审计未作为企业套件） |
| 上手路径 | 需部署底座与按阶段启用治理模块 | 下载即用，对话委派 |
| 知识 | LarkScout 编译 + HarnessServer 注入到岗位现场 | 对话上下文，无企业知识编译 |
| 变更 | 底座跟发版；岗位规则声明式调整 | 由产品发版决定 |
| 中国场景 | 原生内网部署，可接国产模型 | 境外 SaaS，数据驻留在海外 |

## 依据 / 参考

- 对比来源：`comparison.grok_bot`

## 建议的后续问题

_N/A_

---

# ReadyForAI 对比 无治理状态（未受控运行 / Agent 裸跑）

## 概述

最简单但风险最高的路径，适合早期试错与极小规模团队。一旦 Agent 数量增加或涉及合规要求， 治理缺位的代价会快速显现。本对比帮助判断是否已到了需要治理的阶段。

## 解决什么问题

在已经使用替代方案、或同时评估两者时，会面临 ReadyForAI 与替代方案的取舍。

## 什么情况下适用

- Agent 数量 ≥ 5 或多框架并存
- 出现合规审计、HITL 审批、成本归因需求
- 想避免治理债务在规模化后集中爆发

## 什么情况下不够

- Agent ≤ 3
- 无合规要求
- 团队处于早期实验阶段，可接受偶发问题
- 数据敏感度低，无审计追溯需求

## ReadyForAI 如何解决

_N/A_

## 产品映射

_N/A_

## 对比

| 维度 | ReadyForAI | 替代方案 |
|------|------------|----------|
| 定位 | Agent 运行治理闭环 | 无治理体系 |
| 多框架纳管 | 原生支持（NodalOS） | 无 |
| 私有部署 | 原生 | 取决于 Agent 自身 |
| 流程治理 | PathPilot | 无 |
| 审批审计 | OwlAudit | 无 |
| 运行观测 | HeronSentry | 无（最多查 Agent 日志） |
| 决策机制 | PrismCouncil | 无 |
| 知识采集 | LarkScout | 无 |
| 能力分发 | HarnessServer | 无 |
| 统一人机入口 | AULO | 无 |
| 故障定位 | 端到端 Trace + 任务执行控制面 | 翻 Agent 日志 |
| 成本控制 | HeronSentry 成本聚合 | 缺乏事前预算管控与实时归因，仅依赖月度账单事后核对 |
| 适用阶段 | 规模化、合规、多框架 | 极早期 / 单 Agent 实验 |

## 依据 / 参考

- 对比来源：`comparison.no_governance`

## 建议的后续问题

_N/A_

---

# ReadyForAI 对比 YC QM Agent Harness（团队协作型 Agent Harness）

## 概述

YC QM Agent Harness 是团队协作 Harness：个人/共享 Scope 隔离加持久沙箱，小团队启动快、协作边界干净。 ReadyForAI 面向企业编制级数字员工：异构纳管、岗位可复制、审批审计预算闭环。 小团队多人协作、要尽快跑起来时选 YC QM；要规模化可监督的数字员工体系时选 ReadyForAI。

## 解决什么问题

在已经使用替代方案、或同时评估两者时，会面临 ReadyForAI 与替代方案的取舍。

## 什么情况下适用

- 企业要规模化建设可治理的数字员工体系
- 多种 Agent 框架要统一身份、通信与审计
- 岗位规则要可复制，并与底座变更分开

## 什么情况下不够

- 小团队多人协作、要快速启动
- 核心需求是 Scope 隔离与持久沙箱，而不是编制级治理
- 暂不需要审批、预算、决策套件

## ReadyForAI 如何解决

_N/A_

## 产品映射

_N/A_

## 对比

| 维度 | ReadyForAI | 替代方案 |
|------|------------|----------|
| 定位 | 企业编制级 Agent 治理与运行体系 | 团队协作 Harness，Scope 隔离 + 持久沙箱 |
| 目标用户 | 企业 IT 与业务部门 | 创业公司 / 小团队 |
| 核心问题 | 数字员工如何进入编制、可复制、可监督 | 如何让多人安全地共用 Agent |
| 隔离 | 进程级隔离 + CEL 策略拦截 | 个人/共享 Scope 隔离 + 持久沙箱 |
| 治理 | 任务、观测、审计、决策闭环 | 安全姿态清晰，无企业治理套件 |
| 业务可复制 | 四类骨架（Doc / Browser / Data / Assist）+ 内容注入，岗位可复制 | 弱，偏一次性协作环境 |
| 变更 | 底座发版与岗位声明式调整分层 | Core / Org 分离 |
| 私有化 | 原生内网部署 | 团队自托管沙箱，非企业内网套件 |
| 异构纳管 | 五类 RuntimeClass + A2A / ACP / MCP | 协作环境内的 Agent，不按 RuntimeClass 纳管 |
| 中国场景 | 原生内网部署，可接国产模型 | 面向小团队启动，未作为国内私有化套件 |

## 依据 / 参考

- 对比来源：`comparison.qm`

## 建议的后续问题

_N/A_

---

# ReadyForAI 对比 自研拼装（Shell + Prometheus + Grafana + 手写审批）

## 概述

能跑但不成体系，Agent 数量超过 5 个后维护成本急升、合规盲点开始堆积。 适合早期探索，不适合规模化治理。

## 解决什么问题

在已经使用替代方案、或同时评估两者时，会面临 ReadyForAI 与替代方案的取舍。

## 什么情况下适用

- Agent 数量 ≥ 5 且仍在增长
- 多 Agent 协作出现可观察性 / 审批 / 决策需求
- 有私有部署或合规要求

## 什么情况下不够

- 团队规模小，Agent ≤ 3
- 处于早期探索阶段，业务边界仍在变动
- 不需要私有部署 / 合规审计 / 跨框架治理

## ReadyForAI 如何解决

_N/A_

## 产品映射

_N/A_

## 对比

| 维度 | ReadyForAI | 替代方案 |
|------|------------|----------|
| 定位 | Agent 运行治理闭环 | 按需拼装 |
| 多框架纳管 | 原生支持（NodalOS） | 需自行适配每个框架 |
| 私有部署 | 原生 | 取决于各组件 |
| 流程治理 | PathPilot 任务执行控制面 | 手写脚本 / 工单系统 |
| 审批审计 | OwlAudit（HITL/HOTL/HOOL） | 需自建签名记录与 GRC 对接 |
| 运行观测 | HeronSentry（OTel 原生） | Prometheus + Grafana 拼装 |
| 决策机制 | PrismCouncil 多角色议事 | 无结构化决策框架 |
| 知识采集 | LarkScout Skill 编译 | 人工维护文档 / RAG |
| 能力分发 | 按角色备好 Skill / 上下文，SOP 按需再取 | 手工配置每个 Workspace |
| Skill 与规程安全 | LarkScout 入库门 + 可选 SkillScan + 受保护段 | 通常需自建静态扫描与规程防篡改 |
| 统一人机入口 | AULO 单一工作台 | 多工具切换 |
| 演进路径 | 模块化按阶段启用 | 每次扩展都需重新拼装 |

## 依据 / 参考

- 对比来源：`comparison.self_built`

## 建议的后续问题

_N/A_

---


# 常见问题

## ReadyForAI 是什么？

ReadyForAI（中文品牌名：睿迪孚）是专注于构建企业数字劳动力基础设施的企业品牌，不是某一款单独的产品名称。基础设施里包含运行时托管、上下文交付，以及治理闭环：AULO（人机统一协作平台）、PathPilot（任务执行控制面）、HeronSentry（全链路观测面）、OwlAudit（合规审计与人机协作）、PrismCouncil（战略决策支持层）、LarkScout（企业级知识平台）六大商业治理产品，加上免费底座 NodalOS（异构 Agent 托管平台，详见 nodalos.org）与上下文工具 HarnessServer。

_分类：positioning_

## 睿迪孚（ReadyForAI）旗下的产品和 LangSmith / Langfuse 是同类产品吗？

不是。LangSmith / Langfuse 的核心强项是 Agent 观测与调试（调用链 / Trace / Eval），框架无关但只覆盖观测层。睿迪孚（ReadyForAI）构建的是数字劳动力基础设施，治理闭环只是其中一层，覆盖统一交互入口（AULO）、任务分派与升级（PathPilot）、运行观测与成本分析（HeronSentry）、合规审计与人机审批（OwlAudit）、多视角战略决策（PrismCouncil）、知识编译与经验回流（LarkScout）。两者可以并存：需要观测与调试时用 LangSmith / Langfuse，需要编制、审批、流程、决策与生产级运行时用睿迪孚产品矩阵。

_分类：positioning_

## ReadyForAI 和 NodalOS 是什么关系？

NodalOS 是可免费使用的异构多 Agent 托管平台与操作系统底座（OS 层），负责异构 Agent 的进程纳管、Fabric 结构化通信与策略执行。睿迪孚（ReadyForAI）是企业品牌，基于 NodalOS 底座研发并向企业提供 6 个治理产品（AULO、PathPilot、HeronSentry、OwlAudit、PrismCouncil、LarkScout）以及上下文工具 HarnessServer。本站保留 NodalOS 的产品简介，完整技术架构与开发文档请访问 nodalos.org。

_分类：positioning_

## 睿迪孚（ReadyForAI）的产品体系是否绑定特定的 LLM 或 Agent 框架？

不绑定。底层 NodalOS 以五类 RuntimeClass 纳管异构 Agent（Native / Vendor / Sidecar / Basic / Coordinator），并通过统一协议接入各类模型后端。睿迪孚旗下的上层治理产品不假设特定的 Agent 框架或 LLM 供应商，坚持“不统一 Agent 技术，统一企业制度”，最大化保护企业既有的技术投资。

_分类：positioning_

## 睿迪孚（ReadyForAI）企业治理方案的价格是多少？

具体报价取决于企业接入的 Agent 规模、选用的治理产品组合与 SLA 服务等级。请通过预约演示入口联系我们，睿迪孚技术顾问会根据您的数字员工团队规模、合规要求与部署形态提供定制化方案与详细报价。

_分类：pricing_

## 哪些组件可以免费使用？

底座 NodalOS 可免费使用，本站保留简介，完整文档详见 nodalos.org。睿迪孚（ReadyForAI）旗下企业级商业产品（AULO、PathPilot、HeronSentry、OwlAudit、PrismCouncil、LarkScout、HarnessServer）的授权与商业化支持，请通过预约入口与我们的商务团队沟通。

_分类：pricing_

## 是否有按 Agent 数量 / 按模块的分级方案？

支持按需分阶段启用模块（例如先接入观测与审计，再按需扩展任务控制面与战略决策层），不强制要求一次性采购全套产品。具体的分级计费模型与模块化采购方案请联系睿迪孚商务团队。

_分类：pricing_

## ReadyForAI 是否支持企业私有化部署？

原生支持。所有产品和组件都支持私有化部署，数据不出企业内网。凭证 File / Env 隔离、hook 上可拒、Hash Chain 留痕构成三层安全基线，证据留在本地可验证审计链。

_分类：deployment_

## 没有外网的企业内网环境能否部署？

可以。所有产品和组件都支持完全私有化部署，可在没有外网依赖的企业内网运行，并可对接本地私有 LLM 或本地推理端点。数据是否出网取决于客户网络与模型提供方配置。

_分类：deployment_

## 私有部署需要什么样的基础设施？

推荐环境：容器编排系统（Kubernetes 或 Docker）、PostgreSQL、Redis、S3 兼容对象存储。详细的服务器硬件规格、网络拓扑要求与高可用容灾方案请参考私有部署评估手册（预约后由专属工程师提供）。

_分类：deployment_

## 国内部署是否支持合规域名与 ICP 备案？

生产部署默认走国内云（阿里云 / 腾讯云），支持企业自定义域名接入与合规 ICP 备案。海外或边缘开发服务不构成国内生产部署的依赖项。

_分类：deployment_

## 已经在用基于主流 SDK 开发的 Agent，如何接入 ReadyForAI？

可以。基于 Claude Agent SDK、OpenAI Agents SDK 开发的 Agent 由 NodalOS 按 Vendor RuntimeClass 纳管，现有代码不需要重写。Google ADK 走 Sidecar HTTP/A2A，不与上述 SDK 同一条 RuntimeClass。HarnessServer 在 Workspace 准备时注入上下文文件，不破坏既有代码结构。

_分类：integration_

## Claude Code / Codex / Grok 等 CLI Agent 是否支持纳管？

支持。NodalOS 以 Vendor RuntimeClass 纳管 Claude Code、Codex、Grok 等厂商 CLI，上下文文件经 HarnessServer 自动生成。AULO 提供统一的人机交互工作台，PathPilot 接管任务分派、执行追踪与异常升级。

_分类：integration_

## 多框架并存（LangGraph、AutoGPT、自研等）的 Agent 团队如何统一治理？

NodalOS Fabric 提供框架无关的通信总线，A2A / ACP / MCP 协议让不同框架的 Agent 互操作。 AULO 在顶层提供统一视图，HeronSentry 按已适配框架的 profile 映射语义字段，并在同一条 OTel Trace 内还原调用链。

_分类：integration_

## 是否支持 MCP（Model Context Protocol）协议？

支持。MCP 是 NodalOS 原生支持的协议面之一（另有 A2A 和 ACP）。 NodalOS 聚合上游多产品 MCP 供给，按产品命名空间投影给 Agent。 HarnessServer 负责上下文、技能、规程与纪律分发，不替代 MCP 聚合。

_分类：integration_

## LarkScout 入库的 Skill 如何保证安全？会引发 RCE 或注入攻击吗？

不是运行时沙箱。LarkScout 对 ZIP / Tar.gz 入库始终做压缩包结构防护和 SKILL.md 格式校验。 进程隔离的 YARA 默认开启：扫描成功则拦截 critical / high（prompt-injection 规则默认不硬拦）； 扫描失败则入库失败。只有显式关闭 YARA 才跳过该层。 HarnessServer 的 SkillScan 可选、默认关闭，开启后在部署进 Workspace 前做 Python AST 与污点分析。 运行时动作另由 NodalOS 策略与 OwlAudit 人审约束。SkillScan 未开启时该层不生效。

_分类：integration_

## SOP / Rule 与 Skill 的分发机制有什么区别？

SOP 与 Rule 是声明性规程，按 coordinator / worker 角色可见性由 HarnessServer 自动同步就位。 可执行 Skill 需人工授权后部署；对接 LarkScout 时，首次安装走 install-approve。 已部署 Skill 的升级授权尚未作为完整生产路径对外承诺。

_分类：integration_

## 我现在还没有 Agent，能不能用你们的平台来创建？

可以。平台本身自带 Coordinator 和 Basic Agent，做下简单配置即可上线。 同时也提供专业级 Agent 骨架：Skeleton-Doc 文档处理、Skeleton-Browser 浏览器操作、 Skeleton-Data 数据分析、Skeleton-Assist 通用助理。骨架是四类业务 Agent 的通用运行时载体， 不是写死的业务机器人。IT 部署骨架，业务部门注入技能、规程与纪律，搭配专家级内容来打造专业水平的企业数字员工。 新增一种业务，原则上只加内容包，不改骨架本身。浏览器骨架复用用户真实浏览器与既有登录态，不是爬虫。

_分类：integration_

## 企业自研脚本 + Prometheus + Grafana 拼装为什么不够？

自研拼装适合早期探索、Agent 数量很少的阶段；一旦规模上去，维护成本会急升，合规盲点也开始堆积，并且缺少人机审批、本地可验证审计链与跨团队协同闭环。对比详情请通过首页意图提问进行获取。

_分类：comparison_

## 已经在用 Bedrock / Gemini Enterprise 等云平台，是否还需要 ReadyForAI？

取决于部署形态。如果全部业务都在单一公有云上，且不需要私有部署或异构 Agent 纳管，云平台 Agent 方案可以适用。若需要跨框架治理、私有部署或多云，且不希望绑定单一 LLM 或云厂商，再用睿迪孚（ReadyForAI）。对比详情请通过首页意图提问进行获取。

_分类：comparison_

## ReadyForAI 和 Grok Bot 有什么区别？

不是同一条路径。Grok Bot 是对话委派的 SaaS「AI 同事」，上手快，但数据在境外云端、 多 Bot 共享一台 VM。ReadyForAI 面向企业内网私有部署、异构 Agent 纳管与审批审计。 个人小团队、接受 SaaS 时 Grok Bot 更直接；数据不出网或要治理 Claude Code 等 CLI Agent 时选 ReadyForAI。 对比详情请通过首页意图提问进行获取。

_分类：comparison_

## ReadyForAI 和 Cloudflare OS 有什么区别？

Cloudflare OS 是组织级 Agent 工作台，凭据隔离和 V8 沙箱出色，但不便托管 Claude Code 一类完整 OS 上的 CLI Agent，也没有审批/预算/决策套件。已有 Cloudflare 栈、可接受沙箱算力时它合适； 需要私有部署与业务治理时走 ReadyForAI。对比详情请通过首页意图提问进行获取。

_分类：comparison_

## ReadyForAI 和 DeepSeek Harness 有什么区别？

DeepSeek Harness 是开发者向运行时（Everything is a plugin），组合灵活、适合深度定制。 ReadyForAI 面向企业编制：异构纳管、岗位用四类骨架（Doc / Browser / Data / Assist）加内容注入来复制、治理可监督。 要极度可组合的运行时选 Harness；要规模化可治理的数字员工选 ReadyForAI。 对比详情请通过首页意图提问进行获取。

_分类：comparison_

## ReadyForAI 和 YC QM Agent Harness 有什么区别？

YC QM Agent Harness 是团队协作 Harness，个人/共享 Scope 隔离加持久沙箱，小团队启动快。 ReadyForAI 面向企业编制级数字员工与审批审计预算闭环。 小团队多人协作选 YC QM；规模化可监督的数字员工体系选 ReadyForAI。 对比详情请通过首页意图提问进行获取。

_分类：comparison_

## 企业已部署 AI GRC 平台（如 Credo AI / ModelOp），与 ReadyForAI 有何区别？

两者是上下游互补关系。传统 AI GRC 平台侧重静态模型与算法层面的合规评测（如 Bias、Drift、模型卡片）； 而睿迪孚（ReadyForAI）治理的是动态运行中的数字员工实际行为（HITL 审批、任务升级、Hash Chain 审计、 预算监控与覆盖请求由人或 OwlAudit 回写）。两者可以并存。

_分类：comparison_

## 如何启动概念验证（PoC）？

通过预约入口提交评估需求后，睿迪孚技术专家将安排一次深度架构访谈（约 1 小时），梳理企业当前的 Agent 现状、技术栈、合规红线与核心痛点，并量身定制 PoC 验证方案与实施周期（通常为 2-4 周）。

_分类：poc_

## 一次典型的 PoC 周期需要多长时间？

通常为 2-4 周。常见路径：第 1 周接入 NodalOS + AULO 工作台；第 2-3 周试点 PathPilot 或 OwlAudit；第 4 周复盘并决定全量节奏。

_分类：poc_

## 是否有真实产品演示环境可以体验？

有。预约后会安排产品演示，覆盖 AULO 工作台、PathPilot 任务执行控制面、HeronSentry Trace、 OwlAudit 审批流（已挂接 Hook 上，HITL 命中可同步拒绝）等关键场景。演示环境不涉及您的真实数据。

_分类：poc_

## 是否支持企业级试用？

支持。试用方案根据企业具体评估场景量身定制，通常包含专属私有试用沙箱环境与资深解决方案架构师的技术支持。详情请通过预约入口咨询。

_分类：poc_

## PoC 验收成功的衡量标准有哪些？

常见量化指标包括：高危操作审批响应时效、Agent 故障定位耗时、跨 Agent / Program 成本归因清晰度、 以及合规审计材料能否自动产出。具体验收指标将在访谈阶段与您的业务目标对齐。

_分类：poc_