YC 刚开源了一个多人 AI Agent 平台：它能成为团队的「AI 指挥中心」吗？

   YC 悄悄把 QM 开源了。Claude Code、OpenAI 这些工具，都是一个人用的。QM 不一样。它从第一行代码开始，就为团队协作设计。这篇文章拆解它的三层记忆、双空间运行、Key Chain 和 Governance 体系。看看多人 AI agent 到底长什么样。 

---

一、几个小时间发生的开源

QM 开源才几个小时，Vigel 就在他的 YouTube 频道发了拆解，第一个。

QM 是什么？一句话：它是 AI agent 界的 multiplayer 版本。你用过 Claude Code、Cursor，或者 OpenAI 的 agent 功能吧。这些工具，本质都是「你 + AI」，一对一。QM 要解决的问题很直接：整个团队都想用 AI agent，怎么管？

QM 是四家创业公司一起做的。它想解决三个问题：

1. 让 AI agent 天生支持多人协作 2. 给管理者完整的可见性和控制权 3. 全部开源，团队能自己改

---

二、三层记忆：QM 最巧妙的设计

QM 架构里，最值得讲的部分，是三层记忆模型。

传统 AI agent 只有一层记忆。它只记得你俩说过啥。但团队场景下，一层记忆根本不够。有些事，只有你需要知道。有些事，全团队要共享。还有些事，只跟某个项目相关。

QM 把记忆拆成三层：

层级	范围	用途
Personal Memory	仅自己可见	Agent 对你的个人偏好、上下文的理解
Channel Memory	Slack 频道级	团队在某个频道的共享上下文
Project Memory	项目级（可个人/共享）	特定项目的知识积累

每一层都有独立的大脑。memory、files、skills，都在很窄的 scope 里跑。这样不会出现「个人聊天记录被队友看到」的尴尬。也不会出现「项目 A 的上下文污染项目 B」的问题。

---

三、双空间运行：不只是 Web，还有 Slack

QM 另一个亮点：同时活在两个空间。

• Web 应用

  完整的控制台界面

• Slack

  原生集成，在聊天里直接和 agent 交互

这和 Claude Tag、Hermes、OpenClaw 一个思路：AI agent 不该逼你离开工作流。你在 Slack 里讨论需求，agent 就待在频道里等 @。你在 Web 端管项目，后端还是同一套。

Vigel 的说法很贴切：QM 更像一个 AI 指挥中心（control room），不是又一个聊天机器人。

---

四、用户看到什么：简洁但不简陋

打开 QM 的 Web 界面，你会看到：

• 项目管理

  个人项目 + 团队项目，自由切换

• 文件管理

  每个文件可以只分享给 agent，也可以开放给队友

• Cron Jobs

  定时任务和自动化，类似 Claude 的 scheduled tasks

• Applications Tab

  队友创建的 AI 应用集中展示，支持一键部署

UI 简洁实用。没有花哨动效，但组织很清楚。

有个技术细节要注意：QM 目前是纯 API 模式。不能用 ChatGPT Plus 或 Claude Pro 的订阅。必须自己配 API key。Vigel 建议用 DeepSeek V4、Kimi K3 这类开源模型，成本更低。

---

五、Key Chain：API Key 不用再在聊天里「裸奔」了

这是 QM 最实用的功能之一。

做过 AI 团队协作的人，都懂这个痛点。同事在 Slack 里说「API key 发我一下」。然后 key 永远躺在聊天记录里。这是安全隐患，但天天都在发生。

QM 的 Key Chain 解决了这个问题。你可以把凭证分享给队友用，但对方永远看不到密钥本身。agent 调 API 时，用的是 key chain 里的凭证，不是裸露的 key 字符串。

说白了，这是个内建的 secret manager。但做成了队友不用学就会用的形态。

---

六、Admin Dashboard：管理者的上帝视角

QM 的 Admin 面板，是它甩开所有单人 agent 工具的地方。

Sessions（会话追踪）

Web 端、Slack 端的用户活动，都能看到。谁在用、在干啥。这不是监控。是让 AI 使用变得可见。

Judgments（决策日志）

Vigel 觉得这功能最有趣。企业里跑着大量 AI agent 时，最难的不是追踪 agent 干了啥，是它为啥这么干。Judgments tab 记录每个 agent action 的解释和推理。这对审计和建立信任，太重要了。

Metrics（用量指标）

多少人正在用？总 Token 花了多少？平均响应时间多长？AI 治理要的数字，全在这。

Governance（治理）

这个模块，够单独做一期视频。QM 的 Governance 面板包括：

• 模型权限

  哪些人可以用哪些模型

• 数据边界

  不同角色的数据访问范围

• 凭证管理

  Key Chain 的统一管理

• 审计日志

  所有成员的操作和 tool call 记录

公司里，不是每个人都有权访问所有数据。QM 把权限管控做成了原生功能。不用额外接一个 IAM 系统。

---

七、局限与诚实

演示里，Vigel 主动讲了 QM 目前的问题：

1. 不支持订阅认证。想用 ChatGPT/Claude 订阅跑 agent？目前不行，只能走 API。 2. 本地部署要改代码。默认启动就要求 Slack 权限。你不用 Slack，就得手动去掉。 3. 生态还早。预装 skills 有限，就一个 onboarding skill、一个 test skill。G Stack（Gary Tan 做的技能包）还没集成。

不过它开源啊。这些问题都能自己改。甚至直接扔给 Claude Code，让它帮你改。

---

八、这意味着什么：从「AI 孤岛」到「第二家公司」

视频结尾，Vigel 说了段很值得琢磨的话：

   以前用 AI agent，每个人都是自己小孤岛里的王。现在不一样了。一家公司里，正跑着「第二家公司」。这家公司由 AI agent 组成。它们协作、共享记忆、接受治理。 

这就是 multiplayer AI agent 的主线叙事：AI 不再是个人效率工具，而是组织的基础设施。

QM 开源本身，也值得琢磨。YC 是全球最有影响力的创业加速器之一。它选择开源这个项目，说明在他们眼里，multiplayer AI 不是某家公司的商业产品。它是整个行业的基础层。

---

九、小结：你应该关注什么

如果你是	最值得关注
开发者	开源代码、可定制架构、API 模式
团队 Leader	Admin Dashboard、Governance、Metrics
安全工程师	Key Chain、数据边界、审计日志
AI 产品经理	三层记忆模型、双空间运行的设计思路
创业公司	开源自托管 + 多人协作 = 低成本 AI 基础设施

QM 不完美，但方向对。真想试？把 GitHub 链接扔给你的 coding agent，让它帮你跑起来。要改几行代码，去掉强制 Slack 权限。除此之外，开箱即用。

声明：本文基于 Vigel 的 YouTube 视频《YC Just Open-Sourced Its Multiplayer AI Agent》改写。视频截图来自原视频关键帧。仅供学习和研究使用。