AI开源软件工具

Vercel 把 Agent 框架 eve 推到 1.0:它自己的编码 harness 在官方基准里只排第三

2026年11月18日3 次阅读Read in English
Vercel 把 Agent 框架 eve 推到 1.0:它自己的编码 harness 在官方基准里只排第三

先讲结论

Vercel 在 11 月 17 日把 eve 1.0 正式发布了。这是一个 Apache-2.0 的开源框架,用来搭「能上生产」的 AI Agent——不是聊天玩具,而是那种会调模型、跑工具、把活派给子 Agent、崩了还能接着跑的后端服务。

三句话概括:

  1. 它卖的不是模型,是 harness。 模型你自己选,工具、指令、审批规则都在你自己的代码仓库里,可以改、可以换、可以自托管。
  2. 它在自己的官方基准里没拿第一。 同一套任务、同一个模型下,它的编码扩展正确率 69%,输给 opencode 的 81% 和 fx 的 78%。这条比任何参数都值得先知道。
  3. 默认权限是松的。 官方文档自己写明:不配置的话,工具调用不需要人工审批,沙箱出网也不是默认全禁。

这是什么

eve 是 Vercel 的开源 Agent 框架,6 月进入公开预览,到 1.0 这一版之间发了 230 多个 release、合了数千个 PR。仓库 github.com/vercel/eve 是 Apache-2.0,2026-06-16 建仓,目前约 5900 星。

它最核心的设计是一句话:一个 Agent 就是一个文件夹。

agent/ 目录下,agent.ts 放模型和运行时设置,instructions.md 是系统提示词,剩下每个能力各占一个文件夹:tools、skills、channels、connections、schedules、hooks、subagents、memory、sandbox。文件名就是工具名——agent/tools/get_weather.ts 就是工具 get_weather。

这个设计对普通人可能无感,但对要过代码评审的团队很关键:Agent 能干什么是可以被读出来的,不是藏在某个后台配置面板里。

eve 把运行时分成了两半(这是官方安全模型页的原话口径):

  • app runtime:跑工具代码、模型调用、连接和会话状态,有进程环境变量和不限网络;
  • sandbox:只有 shell 命令在里面执行,独立的 /workspace,没有环境变量,出网受策略控制。

为什么重要

2026 年下半年,编码 Agent 的竞争已经从「谁模型强」转移到「谁的路由层更可信」。原因很直接:模型三个月一换,但你的 AGENTS.md、你的工具定义、你的审批规则不该跟着换。

eve 1.0 值得看的三个变化:

  • harness 归你。 循环怎么调模型、工具有哪些、哪些动作需要人批,全在仓库里。你可以把整个 Agent 部署到 Vercel(用 Vercel Workflows 做持久执行、Vercel Sandbox 跑 Agent 生成的代码),也可以自己托管,把 trace 导到你自己的 OpenTelemetry 后端。
  • 断点续跑变成默认能力。 开源的 Workflow SDK 会在 Agent 运行时保存进度,崩了从上一个完成步骤接着跑;工具可以等一个人、等一个 webhook、等一个定时器而不用占着算力。
  • 多人会话。 一个 Slack 线程就是一个共享会话,审批按钮只对正确的人可点,进度卡片实时更新;还支持「环境模式」——Agent 待在你指定的频道里,不用被 @ 也能自己判断该不该插话(官方说前面有个小模型先筛消息,控制成本)。

接的渠道已经不少:Slack、Microsoft Teams、Discord、Telegram、GitHub、Linear、Twilio、Web Chat、iMessage 都是原生支持,通过 Chat SDK 适配器还能接 WhatsApp、Messenger、Google Chat 和邮件。前端框架侧原生支持 Next.js、Nuxt、SvelteKit、TanStack Start、Vite。

官方基准说了什么

这是本文最该先看的一段,因为它是 Vercel 自己放出来的、对自己不利的数据。

测试条件(官方页明确列出):DeepSWE-lean 数据集 v1,从 DeepSWE v1.1 里取 12 个功能开发和修 bug 的任务;所有 harness 用同一个模型 claude-sonnet-5.5、同样任务、高推理档;每个 harness 每个任务跑 3 次;每次尝试开一个全新的 Vercel Sandbox,限时 20 分钟;由 DeepSWE 的 verifier 检查 Agent 留下的文件,verifier 通过才算过,崩溃或超时都算失败。

正确率(越高越好):

官方自己标了:这些是 95% 区间,区间重叠就不算测出差异。也就是说,69% 和 67% 之间没有可宣称的差距,但 81% 和 69% 之间是有的。

还要注意两条限制:这个每周一 06:00 UTC 自动跑,人工审核合并后才更新文档,所以页上的结果可能比 main 分支落后一周以上;而且这只是「标准配置 + 高推理」的基线,换模型、换设置、换任务都可能不同。

一句话:eve 的编码扩展现在不是同类里最强的那个。 它买的是框架、托管和治理,不是榜单第一。

延迟和成本,官方给了具体数

延迟:9 月初在 Vercel Workflows 上的托管压测是每次交互中位 3.036 秒(p95 3.692 秒);1.0 在同一套 100 轮负载上做到中位 414 毫秒(p95 633 毫秒),官方称快 7.3 倍。

这里有个需要点出来的细节:同一篇文章的正文里又写「中位从 3.04 秒降到 626 毫秒」,和图表里的 414 毫秒对不上。两个数都出自官方页面,量的是「发送消息到这一轮结束」,用 mock 模型、不带工具调用、逐条发送——不含模型自己生成回答的时间。所以这个数字衡量的是框架和 Workflow 的开销,不是端到端体验。

成本:官方举了个 50 轮的 Evo Docs 会话,估算 Vercel Workflows 费用从 5.4 美分降到 1.3 美分,降约 76%。前提是每轮大约两次模型步骤、30 天保留期。省钱的手段是只存变化的会话数据、步骤之间引用已有数据而不是反复复制、checkpoint 只存图片引用不存字节、沙箱从预备快照启动。这些改动在开源 Workflow SDK 里,自托管到别的 Workflow 后端也能受益。

怎么用

官方给的路径很短,环境要求 Node.js 24 或更新:

  1. 建项目。 npx eve@latest init my-agent。它会建项目、装依赖、初始化 Git,然后打开终端 UI;已经有 package.json 就在项目根目录跑 npx eve@latest init .,会在 agent/ 下加一个 Agent。
  2. 连模型。 如果你所在的 team 有 AI Gateway 权限,可以直接用现有 Vercel CLI 凭据开聊,不用建项目也不用抄 API key;其他情况 /login 登进去,/model 换模型和推理档。
  3. 装上编码扩展。 eve add extension/code。它会读仓库根目录的 AGENTS.md(没有就读 CLAUDE.md),把项目指令并进对话;超过 64,000 字节会被截断并告诉模型去哪读剩下的。配 eve/extensions/git 就能开 PR。
  4. 开发期直接改。 在 eve dev 里可以让 Agent 自己加工具、改指令、写 skill——它改自己的源码并热重载,下一轮生效。
  5. 上线。 部署到 Vercel,或者按文档自托管;trace 通过 OpenTelemetry 导出,生产环境的私密对话默认只上送元数据,不带提示词和工具结果。

想要现成骨架可以挑模板:编码方向的 coding agent、software factory、GitHub maintainer、incident response;知识方向有 company brain、data analyst;消息方向有 Slack、Discord、个人助手。

适用场景与不适用场景

适合谁:

  • 要把 Agent 放进自己基础设施、并且需要「能读代码就审得出权限」的团队;
  • 已经在用 Vercel,想要托管执行 + 沙箱隔离 + 可观测性一条龙;
  • 要做多租户 Agent 的产品团队——1.0 支持按租户配连接凭据、记忆和审批策略;
  • 想让 Agent 常驻 Slack/Teams 干活、但又要求审批落到具体某个人的组织。

不适用场景:

  • 只想要「今天就能写代码最强」的编码助手——按官方基准它不是第一;
  • 不能接受 TypeScript/Node 生态的团队,eve 的 Agent 定义就是 TS 文件;
  • 强合规环境里打算「开箱即用」的——默认配置不满足最小权限原则,得自己收紧;
  • 想要一个纯本地点两下就用的桌面工具,它是后端框架,不是 IDE 插件。

避坑

  • 默认不安全。 第三方安全评述站 Drel 在 11 月 17 日基于 eve 官方文档和 1.0.2 源码逐条核对后指出:官方文档明写「除非你配置更严的控制,eve Agent 可能以宽松设置运行」——没设审批的工具不需要人工批准,沙箱出网也不是 deny-all。这篇评述自己也声明「未做渗透测试、不构成对项目的判决」,但它引的每句话都链到了官方文件,值得逐条自查。(这段基于第三方技术评述整理,非官方公告口径。)
  • 1.0 是 breaking change。 官方要求先读 upgrade guide 再部署,涉及扩展构建、Agent API、会话事件、客户端和已保存的历史记录;实验性 API 在大版本之间本来就会变。
  • 基准页会过期。 每周一跑、人工审核后才更新,看到的结果可能落后一周以上,别把它当实时能力。
  • 成本估算有前提。 5.4 美分降到 1.3 美分是「每轮约两次模型步骤 + 30 天保留」的估算,模型 token 费用另算,长会话、大文件、图片多的场景会更高。
  • 别把 mock 延迟当体验。 414 毫秒不含模型生成时间,真实对话里模型那一段才是大头。

成本与时间

  • 框架本体:免费,Apache-2.0。
  • 托管:按 Vercel Workflows 计费,官方给的参考是 50 轮会话约 1.3 美分;模型调用按你选的 provider 另算。
  • 上手时间:装好 Node 24 后,init 到本地能对话大约十几分钟;跑通一个带编码扩展的 Agent 到能开 PR,按官方模板走大概一两个小时。
  • 迁移时间:已有 eve 项目升级到 1.0,官方建议交给编码 Agent 按 upgrade guide 走一遍,再自己跑 typecheck、eve build 和测试。

行动建议

第一步,先别写代码,先读两页文档:eve.dev/docs 的 responsible use / security model。确认「默认工具不审批、沙箱不全禁出网」这两条你能接受,或者知道该在哪收紧。

第二步,用 npx eve@latest init 起一个空 Agent,只加一个只读工具,跑通本地 eve dev 和 trace,确认真实开销。

第三步,再决定要不要上编码扩展——如果你要的是「最强编码」,先照官方基准页把 opencode、fx 和 eve-code 放在你自己的仓库任务上比一遍,别只看别人那 12 个任务。

第四步,要上生产就先把三件事配好:工具审批策略、沙箱网络策略、按租户的连接凭据。这三项配完,eve 才从「能跑的 demo」变成「能交给团队的东西」。

参考来源

(发布时间以官方博客 11 月 17 日、GitHub [email protected] 于 2026-11-17T16:34Z 发布、npm latest 同步为 1.0.2 三处为准;媒体侧报道基于多家媒体转述整理。)

评论

0 条已公开
登录或注册后可以参与评论。

正在加载评论...