Brigade：把多智能体当成一支有组织架构的团队来运行
Brigade — Your personal intelligence, built enterprise-grade
秒懂
- 它是什么？
- Brigade 是一个用 TypeScript 写的多智能体运行时，强调本地优先、无账户、无遥测，并引入名为 Tideline 的长期记忆引擎。它适合想自己掌控数据与模型的开发者，但文档中一些营销式表述需要谨慎对待。
- 适合谁用？
- Brigade 适合那些已经熟悉 CLI 工作流、希望完全掌控数据与模型、并且愿意投入时间配置自托管基础设施的开发者或小团队。它不适合需要开箱即用 GUI、依赖官方托管服务或对多智能体协作机制缺乏耐心的用户。
- 能商用吗？
- 可以。MIT 是宽松许可证：你可以使用、修改并销售基于它的软件，只需保留版权和许可证声明。
- 还在维护吗？
- 在维护。仓库在最近一天内有新的提交。
- 用什么语言写的？
- 主要是 TypeScript（依据 GitHub 的语言统计）。
以上回答依据项目的 GitHub 数据（最近同步于 2026年9月15日）和我们的分析，不构成法律意见。
开源项目深度解析
它解决什么问题：把个人智能从单会话提升到团队协作
大多数 AI 助手是单会话的，你问一个问题，它回答，然后上下文消失。Brigade 想改变这一点，它把多个智能体组织成一个有上下级关系的团队，共享一个叫 Tideline 的长期记忆。文档里说，一个智能体学到的东西，其他智能体也能用。这不是简单的对话历史，而是带来源范围、衰减机制和混合检索的记忆引擎。目标用户很明确：那些不满足于单次问答，希望 AI 能跨任务积累知识、并且愿意自己托管所有组件的开发者。它强调无账户、无 SaaS 中间层，所有数据落在你控制的硬件上，这直接回应了企业对数据主权的担忧。但是，这种设计也意味着你需要自己处理部署、升级和故障排查，没有厂商兜底。
运行机制：从 TUI 到子智能体扇出，再到 Tideline 记忆
Brigade 的入口是一个终端聊天界面，运行 brigade 命令即可启动。这个 TUI 只是表面，底下是一套多智能体架构。你可以创建隔离的智能体，每个有自己的身份、凭据和工作区。这些智能体通过一个组织架构图互相协作，能委派任务给下级，也能在任务中途切换模型而不丢失上下文。文档提到子智能体扇出，意思是主智能体可以把任务拆给多个子智能体并行处理。Tideline 是记忆核心，它记录事实，并带有来源范围，即某个记忆属于哪个智能体或哪个上下文，还有衰减机制，让旧记忆逐渐弱化。检索是混合的，结合关键词和向量，这样既能精确匹配也能语义查找。这套机制的关键在于，记忆不是全局的杂烩，而是有边界的，每个智能体只能访问被授权的内容。
安装与启动：一条命令，但需要 Node 环境
官方安装脚本面向 macOS 和 Linux，命令是 curl -fsSL https://brigade.spinabot.com/install.sh | sh。脚本会先装 Node（如果系统没有），然后安装 Brigade，全程不需要 sudo。装完直接运行 brigade 就能进入聊天界面。文档说默认是文件系统安装，所有数据落在 ~/.brigade/ 目录下。如果你想用数据库，可以切换到自托管的 Convex。配置方面，文档提到了存储模式的切换，但没有给出具体的配置键。认证方式有三种：直接用 Claude、ChatGPT 或 Copilot 的订阅登录，或者复用你本机 Claude Code 或 Codex CLI 的现有登录，后者不需要浏览器。这意味着 Brigade 不直接管理 API 密钥，而是借用你已经登录的会话，密钥留在本机。安装流程确实简单，但要注意，脚本通过管道执行远程内容，这是常见做法，但你得信任这个域名。
B³ 基准测试：一个命令把智能体扔到公网
从 v1.9.0 开始，Brigade 引入了一个叫 Brigade Bloody Benchmark 的命令，文档戏称为 B³。它的作用是把你的智能体团队暴露到公网，让陌生人去访问和测试，看它们能否在真实攻击下存活。命令是 brigade bloody benchmark，或者更正式一点的 brigade expose。这个机制用 HTTPS 在边缘加密，默认走 Cloudflare，也可以自带中继，比如 bore、frp 或 sish，都是开源工具。一个秘密密钥会随请求传递，但用户看不见，未授权访问会收到 401。这套设计把测试从实验室搬到了真实互联网，想法很直接：如果智能体能扛住凌晨三点的陌生人试探，那才算准备好上线。但对普通用户来说，把智能体暴露到公网本身有风险，即使有密钥保护，攻击面仍然存在。文档强调密钥是隐形的，但没说明密钥如何轮换或撤销，这是需要自己查证的点。
存储模式：文件系统起步，Convex 扩展
Brigade 默认用文件系统存储，所有状态放在 ~/.brigade/ 下，这对个人使用或树莓派足够。文档说同一套代码也能跑在服务器上，当需要更强的一致性或多设备同步时，可以切换到自托管的 Convex 数据库。Convex 是一个实时后端即服务，但 Brigade 要求你自己托管。这意味着你要维护一个数据库服务，处理备份、监控和升级。文件系统模式简单，但多智能体并发写入时可能遇到锁竞争；Convex 模式解决了这个问题，但引入了运维负担。文档没有对比两种模式在性能上的差异，也没有说明迁移路径是否平滑。如果你从文件系统开始，后来想迁移到 Convex，需要确认是否有现成的导出导入工具。目前材料里没有提到这一点，这是个明显的空白。
连接渠道与扩展：从终端到智能眼镜
Brigade 的定位是生态，不是单一应用。同一个智能体团队可以通过多种渠道访问：终端、WhatsApp、Telegram、Slack、Discord、iMessage，甚至手表、Meta 智能眼镜和 Meta Quest。这意味着你可以把 Brigade 当作个人助理的后端，前端随意换。它还提供 MCP 内存服务器，允许任何支持 MCP 的客户端读取 Tideline 记忆。技能系统允许你给智能体添加自定义能力，cron 调度器可以安排定时任务。1000 多个应用连接器听起来很全，但材料没列出具体支持哪些应用，也没有说连接器的维护状态。扩展性是把双刃剑，渠道越多，越需要关注每个渠道的 API 变化和权限模型。对于只想在终端里用 AI 的人来说，这些功能可能是噪音。
局限性与选型考量：文档之外的空白
Brigade 的 README 充满了营销式语言，比如无戏剧、血淋淋的基准测试，这掩盖了实际的技术深度。文档没有给出性能基准，没有内存占用数据，也没有说明 Tideline 在大规模记忆下的检索延迟。它提到混合检索，但没有透露用了什么向量数据库或嵌入模型。另一个潜在问题是模型切换：文档说可以在任务中途切换模型而不丢失上下文，但没解释如何保证不同模型的输出格式一致性。对于企业用户，数据主权是卖点，但自托管意味着你要自己负责安全补丁和备份。Brigade 用 MIT 许可证，这允许商用和修改，但你不一定得到上游的长期支持。如果你需要一个有 SLA 的托管服务，Brigade 不是答案。如果你喜欢折腾且重视控制权，它值得一试，但要准备好自己填补文档的空白。
编辑结论
Brigade 适合那些已经熟悉 CLI 工作流、希望完全掌控数据与模型、并且愿意投入时间配置自托管基础设施的开发者或小团队。它不适合需要开箱即用 GUI、依赖官方托管服务或对多智能体协作机制缺乏耐心的用户。在采用前，请先验证三件事：本地文件系统存储模式下 Tideline 的检索质量是否满足你的实际场景；Convex 后端在自托管时的运维复杂度是否可接受；以及通过 Claude、ChatGPT 或 Copilot 订阅登录的认证方式在你所在网络环境下是否畅通。Brigade 的定位是生态而非应用，这意味着它的价值取决于你愿意投入多少定制工作，而不是开箱那一刻的体验。
社区笔记