大家好，我是 ZGI 的产品运营 Eddie 。 ZGI 开源上线大概两周了，目前 GitHub 已经有 200+ Stars ，Gitee 也同步上线了。先感谢这段时间点进来看过、提过建议、点过 Star 的朋友。 发这个帖子不是想硬推产品，主要是想同步一下我们现在在做什么，也希望听听 V2EX 上开发者的真实反馈。 ZGI 想解决的问题比较明确： 现在很多 AI 应用做 Demo 很快，接一个大模型、写几个 Prompt 、挂一个知识库，几天就能跑起来。但真正到企业内部使用时，问题会变多： 文档怎么清洗？ 知识库怎么召回？ 模型怎么统一接入？ 工作流怎么编排？ Agent 执行过程怎么记录？ 不同部门权限怎么隔离？ Token 用量和成本怎么统计？ 私有化部署怎么做得更顺？ 所以 ZGI 更像是一个面向企业 AI 应用的开源基础设施，不是单纯的聊天机器人壳子。 目前主要能力包括：

知识库与 RAG 支持企业文档接入、知识整理、召回和引用，适合做内部知识助手、文档问答、客服知识库等场景。

可视化工作流 可以把 Prompt 、知识检索、工具调用、条件判断、模型推理等节点串起来，减少大量临时脚本和重复胶水代码。

Agent 执行与运行记录 Agent 不只是“能调用工具”，更重要的是执行过程可追踪，出了问题能知道是哪一步出了错。

模型网关 可以统一接入 GPT 、Claude 以及其他兼容接口的模型。后续如果接入 GPT-5.6 、Claude 新模型、Skills 等能力，也希望可以通过统一网关更快适配，而不是每个应用单独改一遍。

权限、日志和 Token 统计 企业内部使用 AI ，除了效果，也会关心权限控制、使用记录、成本统计和私有化部署。

我们现在比较关注两个方向： 第一，降低企业内部部署和试用门槛。 第二，让开发者能更快把 RAG 、工作流、模型接入和 Agent 执行组合成一个可运行的应用。 目前项目还在早期，肯定还有不少地方不够顺，比如文档、部署体验、示例模板、模型接入方式等都还在补。 如果你对这些方向感兴趣，可以在 GitHub 或 Gitee 搜索 ZGI 看一下。 也欢迎 Fork 、提 Issue 、给部署建议，或者直接指出哪里不好用。 我也想请教大家几个问题：

如果你在公司内部做 AI 应用，最头疼的是知识库、模型接入、工作流，还是权限和私有化？ 你们现在会更倾向用 Dify / LangChain / FastGPT 这类工具，还是自己写后端？ 对企业 AI 应用来说，你觉得“模型能力”和“系统可控性”哪个更影响最终落地？

欢迎拍砖，也欢迎给我们提需求。