英文原文: https://argusic.com/subject/ai-company

AI-company

面向 Claude Code 的多 agent 团队操作系统。108 个 MCP 工具，40+ 个 agent 模板，10 个生命周期钩子，7 个流水线工作流。持久化团队、结构化会议、任务墙、实时 React 仪表盘。不使用 LangChain/AutoGen，纯粹的 CC 原生集成。

可运行来源：GitHubPythonMITcommit 329c525e5f56

Python，MIT 许可证. 项目的自我描述：agent framework、agent orchestration、ai agents、autonomous agents、claude、claude code、claude code plugin 和 dashboard.

AI-company 可以运行。一个 Argusic agent 在一台没有 GPU 的干净机器上用 23 分钟完成了安装，遇到 6 个错误，并在无人协助的情况下全部修复，整个会话都被记录了下来。

AI Team OS v1.14.0 API answers 200 on /api/health, serves 187 REST endpoints and 116 MCP tools. Codex adapter installed with 7/7 hook files, MCP via stdio verified. SQLite database at ~/.claude/data/ai-team-os/aiteam.db holds 47 tables with working project/task CRUD and cross-request persistence. Unit tests pass 4109/4128 (1 pre-existing test-env isolation failure).

agent 在干净的机器上最终得到的结果，用它自己的话说。 测量方式

每一次都由 Argusic 在全新机器上实测。每个数字都链接到对应的证据。 Argusic 评分 100，满分 100（该项目各次运行得分的平均值）。

概览

结论
可运行
Argusic 评分
100 / 100
验证运行的成本
0.42 USD（实测）
已记录的运行次数
1
最近测试
星标
374
fork 数
65
未关闭的 issue
0
关注者
4
大小
36 MB
创建于
最近推送

项目数据来自 GitHub，链接见本页顶部，更新于 。测试数据由 Argusic 提供 (CC BY 4.0)；每个数字都链接到一个运行页面，附完整的 log、录屏及其 sha256 哈希。

测量了什么

来自决定该结论的那次运行。 每一行都是记录下来的数值，而非估算。

测试 AI-company 时每个故障耗费的时间，取自已记录的运行
每一根柱子都是 agent 记录的一次失败，以及它耗费的时间。数据仅取自本次运行。

哪里出了问题，用 agent 自己的话说

agent 的原话，最严重的排在最前，从不改写成建议。

  • test_restart_development.py::test_source_switch_child_keeps_existing_database fails — subprocess resolves user-site relative to tmp HOME, not finding sqlalchemy installed in /home/runner/.local5 分钟
  • test_codex_adapter_start.py (2 tests) fail — HTTP MCP preflight fails in isolated HOME; same user-site root cause2 分钟
  • test_codex_runtime.py (12 tests) fail — subprocesses with isolated HOME can't import psutil from /home/runner/.local2 分钟
  • test_mcp_concurrency.py, test_mcp_http_sharing.py (4 tests) fail — child process in isolated env can't import psutil2 分钟
  • PEP 668 externally-managed-environment error on 'pip install -e .' in Debian system Python1 分钟
  • test_codex_release_database.py fails — reference commit dd60e97 not present in shallow clone1 分钟
安装时间
23 分钟
从冷启动机器到完成
44 分钟
遇到并修复的错误
遇到 6 个，在无人协助的情况下修复了 6 个
结果是如何证明的
pip install -e . (PEP 668 bypass) -> codex_adapter.py start -> curl localhost:8000/api/health returned 200, status=ok, version=1.14.0 -> MCP stdio client session returned 116 tools -> task_create MCP tool called via API -> task persisted in SQLite (verified via sqlite3 CLI) -> E2E API coverage suite: 22/23 PASS -> API smoke: 13/24 PASS (hardcoded project ID not found) -> Unit tests: 4109 passed, 18 skipped (1 pre-existing env-isolation gap)
使用的模型 token
1,801,192
测试的确切 commit
329c525e5f56
容器镜像
sha256:cdd920bce783

没有测量什么

另一半内容，让你清楚看到这些证据能说明到什么程度。缺失的数据就标为缺失，从不填补。

GPU 显存峰值
本次运行在 CPU 机器上进行，没有可采样的 GPU
长时间运行的表现
每次尝试都使用文档中最小的设置和固定的时间预算，因此这里测量的是它能否运行，而不是它在负载下的表现

录屏的结尾

决定该结论的终端会话的最后几行，与录制时完全一致。

            \"fix\": \"unfixed — shallow clone doesn't contain the release baseline; CI does a full…
            \"minutes\": 1
        }
    ],
    \"test_depth\": \"tier1_real\",
    \"verified_how\": \"pip install -e . (PEP 668 bypass) -> codex_adapter.py start -> curl localho…
    \"final_state\": \"AI Team OS v1.14.0 API answers 200 on /api/health, serves 187 REST endpoints…
}))
EOF" in /work/repo
 succeeded in 0ms:
tokens used
1,801,192

回放完整会话，从干净的机器到此刻的每一条命令。

测试方式

一个 agent，一个容器，没有人工协助。它按照项目自身文档所写的方式安装项目，运行它，并修复出错的地方。下面的一切都按实际发生的过程记录：终端会话、log 和确切的 commit。 完整方法论.

优势与局限

均为实测事实，而非观点。内容是如何撰写的.

顺利的部分

  • 在干净的机器上达到了运行状态，会话有完整记录。
  • 在无人介入的情况下从全部 6 个错误中恢复，说明这些故障的文档足以让人解决。
  • 无需 GPU 即可运行，因此启动它并不需要 GPU。
  • 采用 MIT 许可证，以其托管平台报告的信息为准。

不顺利或尚不清楚的部分

  • 安装用了 23 分钟，慢于 Argusic 测量过的 61 个同类项目的中位数。
  • 目前只测量过一次。单次尝试只能说明它可以运行，不能说明它能稳定运行。

在 Argusic 安装并计时过的 62 个 agent-framework 项目中，AI-company 达到运行状态的速度排名第 57，62 个项目中有 48 个达到了运行状态。

适合用于

  • 在笔记本电脑或小型服务器上试用：它无需 GPU 即达到了运行状态。

同一领域中也测试过的项目

这里的每个项目都由 Argusic 在干净的机器上安装并运行过。未经测试的项目不会出现在这里。

  • trinity 已测试，未验证 · Python · 7 个共同主题
  • paperclip 已验证可运行 · TypeScript · 6 个共同主题
  • openmeld 已验证可运行 · TypeScript · 6 个共同主题
  • hippo-memory 已验证可运行 · TypeScript · 6 个共同主题
  • aeon 已验证可运行 · JavaScript · 6 个共同主题
  • swarmclaw 已验证可运行 · TypeScript · 6 个共同主题

运行历史

测试者尝试结果评分成本 USD时间
Argusic Runner1/3可运行100.000.42

主题 (来自 GitHub)

agent-frameworkagent-orchestrationai-agentsautonomous-agentsclaudeclaude-codeclaude-code-plugindashboardfastapimcpmcp-servermeeting-systemmulti-agent-systempipeline-workflowpythonreactsqlitetask-managementteam-collaborationtypescript

嵌入徽章

用于项目 README 的 Markdown。徽章链接回本页；使用条款见 条款页面.

[![Tested by Argusic](https://argusic.com/badge/AI-company.svg)](https://argusic.com/subject/ai-company)

常见问题

AI-company 能运行吗？
是的。AI-company 可以运行. Argusic 在一台干净的机器上安装并启动了它，用时 23 分钟，过程中遇到 6 个错误，并记录了整个会话。
Argusic 是如何测试 AI-company 的？
在一台全新的一次性机器上进行，每条命令都被记录，仓库固定在 commit 329c525e5f56。共记录了 1 次尝试，完整方法见方法论页面。
测试 AI-company 花了多少钱？
得出该结论的那次运行花费 0.42 USD：这是真实的算力和模型成本，而不是按每百万 token 计的标价。该数字记录在那次运行的页面上。
AI-company 安装需要多长时间？
在决定该结论的那次运行中，从干净的机器到运行状态用了 23 分钟。这是一次实测的尝试，不是平均值。
AI-company 需要 GPU 吗？
启动它不需要。Argusic 在一台没有 GPU 的机器上让它达到了运行状态。
安装 AI-company 时会出现什么问题？
已记录的运行中出现了 6 个问题，其中 6 个在无人协助的情况下被修复。每个问题及其耗费的时间都列在本页上。
AI-company 与其他替代方案相比如何？
在 Argusic 安装并计时过的 62 个 agent-framework 项目中，AI-company 达到运行状态的速度排名第 57，62 个项目中有 48 个达到了运行状态。
AI-company 的证据在哪里？
这次已记录的运行都在本页上，每次都链接到完整的 log 和终端录屏，并连同 sha256 指纹一起保存，因此无法被悄悄篡改。

Discussion