OpenExecutive: 一個開源 AI 虛擬執行團隊

OpenExecutive 是一個開源系統,旨在充當公司的虛擬執行團隊,透過八個專業的 AI 代理(agents)提供單一且連貫的執行層級聲音。該專案由 SenteLabs AI 開發,是對「以 AI 取代開發者」趨勢的一種技術回應,轉而提議建立一個能夠自動化 C-suite 高層戰略與營運功能的系統。

系統架構與代理編排

OpenExecutive 利用多代理編排層(multi-agent orchestration layer)將複雜的商業建議合成一個統一的回應。該系統主要由 Anthropic 的 Claude 模型驅動,並採用分層的推理與執行方法。

執行編排器 (Executive Orchestrator)

其核心是 Executive Orchestrator(運行 claude-sonnet-4-6),負責接收使用者訊息並決定需要哪些專家代理來回答查詢。它管理路由迴圈,並確保最終輸出維持一致的執行層級人格(persona)。

專家代理 (Specialist Agents)

編排器可以調用八個並行的專家代理,其中部分代理使用 claude-opus-4-7 進行深度推理與延伸思考:

  • Chief Strategy Officer (CSO): 專注於競爭分析、M&A、市場定位與 OKRs。
  • Chief Financial Officer (CFO): 處理財務建模、募資與單位經濟效益(unit economics)。
  • Chief HR/People Officer (CHRO): 管理招聘、薪酬與文化。
  • General Counsel (GC): 監督合約、IP 與就業法基礎知識。
  • Chief Operating Officer (COO): 設計流程與營運規模化。
  • Chief Marketing Officer (CMO): 開發 GTM 策略、品牌與 PR。
  • Chief Product Officer (CPO): 管理產品路線圖與產品策略。
  • Board Communications Director: 處理投資者關係與董事會簡報。

知識管理與記憶

為了確保回應基於通用的商業理論與特定的公司數據,OpenExecutive 採用了雙層檢索系統與情境記憶(episodic memory)。

RAG 與知識層

每個專家代理都透過 ChromaDB 使用檢索增強生成(RAG)管線。知識來源於兩個不同的層級:

  1. 內建 MBA 知識: 使用 Git 追蹤的 Markdown 檔案,提供基礎的商業框架。
  2. 公司文件: 使用者上傳的檔案(簡報、財務模型等),這些檔案會被切片並儲存在獨立的集合(collection)中。

情境記憶 (Episodic Memory)

為了在不同對話階段維持連續性,系統使用背景處理(透過 claude-haiku-4-5)將關鍵決策、倡議與建議提取到 SQLite 資料庫中。隨後的對話會以一個 <past_decisions> 區塊開始,讓 AI 能夠記住先前的建議。

技術棧與部署

該專案採用現代非同步技術棧,旨在實現高快取命中率與多管道存取能力。

  • Backend: Python 3.11 與 FastAPI,使用 uv 套件管理器進行管理。
  • Frontend: Next.js 15 (App Router) 與 Tailwind CSS。
  • Deployment: 為 Fly.io 優化,並要求單實例 API 以防止內建排程器重複觸發。
  • Prompt Caching: 系統結構設計為將執行層級人格、公司概況與知識索引分開快取,可達到高達 85% 的快取命中率。
  • Interfaces: 系統支援 Web UI、Slack、Email (透過 IMAP/SMTP)、Telegram、Google Chat 與 Discord。

社群觀點與評論

OpenExecutive 的發佈引發了關於「企業級 AI」的可行性以及執行領導力的本質的重大辯論。

支持 AI 管理的論點

一些貢獻者認為,執行角色是自動化領域中的「低垂果實」(low hanging fruit),因為它們通常依賴於既定的啟發式方法與數據合成。

反對 AI 領導力的論點

批評者認為,CEO 的核心價值不在於數據合成,而是非共識的願景以及做出不合情理決策的勇氣——這些特質目前在對齊(aligned)的 LLM 中是缺失的。

"AI 被訓練來產生中位數或眾數(mode)答案。這幾乎讓它們在預設情況下被取消資格... [CEO 的價值在於] 即使在你的團隊或投資者不認為那是正確決定時,也有勇氣去做正確且顯而易見的事情。"

其他批評者指出「趨勢垃圾」(trendslop)的風險,即 LLM 只是在模仿流行的商業趨勢,而非提供特定情境下的戰略突破。此外,也有人擔心,若沒有人類掌舵,當企業失敗時將無人負責。

Sources

相關

  • 專案
  • Dispatch
  • 專案
  • Dispatch
  • Dispatch