放著Coze和Dify不用，我喜歡上商湯新開源本地Agent平臺

我接過很多Agent智能體定制的單子，

印象最深是做金槍大叔的腳本Agent，先不說要求是實時聯網+視頻分析+視頻逐字稿+圖片素材生成+發布文案要在一個Agent里完成，還需要并行生成四個模型的運行結果可以對比（破防），

他們給我的初demo，基本上是用不了的。。。

接到這個需求的時候，我深呼吸了500秒，

給了線下版Dify和線上版coze兩套方案，

直接說結論，已知對面沒有開發的情況不選Dify，且不能登他們的Coze賬號前提下（因為空間還有知識庫不夠安全），我直接分享做好的智能體過去是看不到提示語的（如果這里是我配置有問題麻煩立刻踢我），

這意味著，只要有任何的版本更新或者維護需求，比如覺得AI的某句話文風不對，要我改改。我就必須重復那個最原始的動作：找他們，要賬號，登錄，修改，退出。

而且對接的人工作空間配得細碎，做完之后，老板的賬號還看不到這個Agent。

頭疼，相當頭疼。

上周吃到了@袋鼠帝的LazyCraft安利，簡單來說這同樣是個開源AI Agent開發和管理平臺，

Apache-2.0開源版就包含了一般的企業級才齊全的功能點，可視化應用搭建界面（功能模塊23個，Dify開源版16個），知識庫，提示語管理，推理服務，MCP Servers（同時支持本地和遠程），數據管理，模型評測，模型微調的同時！

還支持多工作空間和多租戶管理，不同身份能調用的資源可以劃分開。

目前Star還不多，但我翻了翻它的開發團隊，是商湯基于他們在去年開源的LazyLLM構建的。 https://github.com/LazyAGI

還有還有，他們自己也貼了自己跟Coze和Dify的功能對比，

所以我也來說說這幾天的使用感受，

再附上小學生級的安裝教程（一行命令，多了轟炸我）。

首先，也是最難得的，多用戶多權限管理。

這基本上是開源項目買企業版的核心賣點，如果還有印象兩年前GPT套殼滿天飛的時候，我當時就想著省事，買了ChatGPT Web的二次開源版本，結果就是用戶管理是單獨一個套餐，模型分流計費又是一個套餐，一套接一套，比我一個南方人冬天去哈爾濱穿的都多。

LazyCraft直接就把它開源了。

它有一個非常清晰的使用層級，團隊 -> 用戶管理 -> 添加用戶。

你可以在后臺任意添加新用戶，也可以讓他們自己注冊。然后我可以設置用戶組，比如產品部門、運營部門。把指定的用戶，拉進這個組里，然后設置他的權限。

只讀，就代表這個用戶只能查看和使用這個空間下的Agent應用、知識庫。

讀寫，就代表他可以編輯。

管理員，就代表他有這個工作空間的最高權限。

我完全可以給老板一個只讀權限，讓他看到所有Agent的運行情況，給業務部門讀寫權限，讓他們去迭代自己的Prompt，給平時用這個Agent的運營部門只讀權限，隨便用隨便折騰，也不會搞壞任何配置。

還內置了日志記錄和費用統計。

你可以清清楚楚地看到，哪個用戶，在什么時間，調用了哪個模型，消耗了多少Token。

當老板問你，我們這個月花在大模型上的錢，到底值不值的時候，

你可以直接給到他一個后臺報表。

有了用戶管理，我們下一步就要解決一個終極哲學問題了，用本地模型，本地框架，本地數據，物理隔絕，隱私安安全全，

還是用API，本地框架，云端數據管理，為的是團隊可以使用這一套囤下來的提示語工作流呢？

LazyCraft選擇都要，

在模型倉庫里，我可以直接加載Hugging Face或者Model Scope魔搭上的模型，

https://modelscope.cn/models

https://huggingface.co/models

也可以導入你自己下載好的本地模型文件，選模型我一般是按下載量以及任務來篩選的，huggingface上還可以先把參數量限制上。

如果拿不準的話可以按照這個公式去估算，以Mac舉例，Memory是24GB的前提，能運行的比較流暢的模型大小應該是24*0.8/2，20%是留給電腦正常運行，*2就是對應上模型本身大小，所以說qwen3:8b（<10）在我的電腦上是可以運行的。

如果有足量的數據集，想微調一些0.5B左右大小的模型的話，比方我會用來做用戶意圖識別，還可以試試看LazyCraft的模型微調，

微調完了，還要避免模型蹺蹺板，功能A提升了，功能B忘了，

LazyCraft內置了模型測評，支持人工和AI評測，在同一個數據集上，進行盲測。那作為開源第一版，LazyCraft的Issues我也挨個看了一遍

首先就是目前能下載的開源模型，以及能接入的大模型數量需要更多，我直接列一個表出來，希望后續能蹲到更多的更新。

OK，模型ready和數據都ready后直接快進到可視化搭建，

畫布這個形式我覺得現在就已經追溯不到哪個是第一個做的，但目前各家的Agent編輯平臺基本上已經是畫布大一統了，這也降低了上手的難度，

LazyCraft支持兩種MCP接入方式，一種遠程的SSE，一種本地的STDIO。

很多線上的Agent平臺不支持本地STDIO的接入。關鍵是很多功能強大，但又不方便暴露成API的MCP工具，比如一些本地的數據處理腳本，它們提供的就是STDIO，MCP出圈的3D Blender模塊，也是STDIO。

這周下來我使用的亮點盤差不多了，

該上炒雞無敵簡單安裝教程了，說好的一行命令多一行都不行。

先去 https://github.com/LazyAGI/LazyCraft.git 下載代碼，解壓并進到子目錄docker

然后安裝docker，每個人電腦環境可能都不同，用docker封裝的環境勝在夠穩定 https://www.docker.com/products/docker-desktop/

到了唯一一個需要代碼的點了，不管是mac還是wins，在剛剛打開的子目錄docker右鍵或者快捷鍵打開命令行，輸入

docker-compose up -d

這行命令短到我甚至不需要用代碼塊單獨分割出來，看到這個樣子就成了

然后就在瀏覽器打開 127.0.0.1:30382，

賬號：admin，密碼：LazyCraft@2025。

完事了，搞定了，直接開整了。

它把應用編排，模型管理，模型微調，權限管理，這些企業落地最痛最核心的能力，完整開源了出來。

說真的，好用的開源項目，再多我也不嫌多。這就像我們去吃火鍋，備的料越足，心里就越踏實。

Dify可能就是那盤肥牛，Coze是毛肚，但你總得備點貢菜，紅糖糍粑和白米飯吧。

LazyCraft就是那個我可能一開始沒注意，

但一口下能讓我吃得飽，吃得舒服的蝦滑。

這樣稱手的工具，多一個，就多一條路。

老話說得好啊，

多準備一條路，

總沒錯的。

@ 作者 / 卡爾

最后，感謝你看到這里如果喜歡這篇文章，不妨順手給我們點贊｜在看｜轉發｜評論

如果想要第一時間收到推送，不妨給我個星標

更多的內容正在不斷填坑中……