代码之外的活

过去两年 AI 真正跑通的只有写代码一件事。代码有别的工作没有的东西:能不能跑,机器立刻告诉你。

agent(能自己拆解任务、连续干活的 AI 程序)在程序员手里好用,靠的是一条即时反馈:代码跑得起来就是对,跑不起来就是错。写文档、做提案、跟进客户这些活没有这条线,没人能在一秒内判断 AI 交出的东西到底对不对。

Cloudflare 要解决的就是这段落差。要让 agent 帮财务、销售、法务干活,它得知道公司内部怎么称呼一件事、按什么流程做它,还得能真的连上这些人每天在用的系统。缺任何一样,它交出来的都是像模像样的空话。

先在自己公司跑了三个月

2026 年 5 月,Cloudflare 把第一版发给了全公司每一个人,三个月后才把重写过的版本开源出来。

数千名 Cloudflare 员工每天在用它,大部分人不在工程部门。他们用它写文档和幻灯片、把重复的活变成自动流程、搭一些小应用来看数据。

比技术更值钱的是另一样东西:一个全公司共用的语境和技能库。公司内部的术语、流程、某件重复工作眼下最好的做法,被写成 agent 能照着执行的说明。一个人摸索出更好的做法,其他人直接就能用,不必再从头跟模型解释一遍。

内部这一版是怎么走过来的,Cloudflare 首席信息官 Sam Rhea 另写了一篇文章讲。

3 个月 内部先跑,才对外开源 数千人 每天在用,多数不写代码
Cloudflare 2026 年 5 月给全员开放第一版,三个月后开源重写版;每天使用的数千人里,大部分不在工程部门。

第一版卡在分享上

第一版的死穴是:平台知道 agent 能调用哪些工具,却不知道它到底看见了哪些数据。

第一版是每人一个私有工作区,各自跟 agent 干活,互不相干。等大家开始互相分享工作区、分享应用、分享产出,问题就冒出来了。

agent 连内部系统走的是 MCP(一套让 AI 程序调用外部工具的通用接口)。MCP 能管住 agent 能调哪几个工具,却管不住它看到了什么。agent 完全可以把几个系统的信息拼在一起,搬到一个限制更松的地方,或者做成一个应用摆给不该看的人。授权不能只管第一次读,还得管这份数据接下来去哪。

第一版还有两处笨:所谓的应用是死的静态页面,不连内部系统;一些明明是固定步骤的活,每跑一次都要重新起一个 agent 会话,白烧一遍模型的钱。

工作区能干什么

一个工作区就是浏览器里的一个对话框,背后带着公司的语境、一块隔离的运行环境,还有你的产出和状态。

不用会写代码,也不用碰命令行。你给它一个目标,它拿公司已有的工具和数据去完成。

四类活它都能接:

  1. 查东西:它写代码去搜索、筛选、拼接、分析,而不是把整个数据集一股脑塞进模型
  2. 出成果:文档、幻灯片、表格,而且可以继续连着实时数据,源头变了它跟着变,也能导出到 Google Drive 这类地方
  3. 做应用:文档和表格不够用时,它直接写一个带界面、带逻辑、能存状态的应用,多人一起用
  4. 跑固定流程:已知步骤用代码,只在需要判断的那一两步调模型,可以定时跑,也可以由某个系统里发生的事情触发

Agent 起步时权限为零

在 Cloudflare OS 里,每个 agent、每个应用的初始权限是零,要什么资源现场申请,你批一个它拿一个。

人们用 AI 干活的第一个请求往往是:给我一把公司系统的 API key(能直接调用某个系统的钥匙)。这事很危险。一把钥匙通常权限大、有效期长、难以缩小范围,也难以事后追查谁拿它干了什么。

Cloudflare 的做法是把钥匙从 agent 手里彻底拿走。中间放一个叫 Gatekeeper 的程序,一个外部系统对应一个。它替 agent 保管凭据,懂这个系统的接口,也懂哪些操作可以做。agent 拿到的只是一个「允许在某条策略下使用某个资源」的把手,凭据本身它从头到尾看不见。

给 agent 整个 GitHub 账号太宽了。Gatekeeper 可以只给它一个代码仓库,允许读问题列表但不许看源码,把某些字段涂掉,限制调用频率,合并代码前必须有人点头。

跑代码的地方也关得很死:服务端代码运行在一个默认断网的环境里,前端代码跑在浏览器的沙箱里,两边都上不了外网,除非你明确给了通道。

之前 之后 凭据在谁手上 直接发给人和 agent 锁在 Gatekeeper 里 权限范围 整个账号,长期有效 限到单个仓库只读 危险操作 没人拦 合并代码需人批准 事后追查 难审计 读过什么全记录
同一件事——让 AI 用公司系统——发钥匙和过 Gatekeeper 的四点差别。均出自原文对 API key 风险与 Gatekeeper 能力的描述。

权限跟着看过的数据走

平台把 agent 看过的每一个资源都记下来,这份记录跟着它的产出走;别人来打开时,现场核对这个人有没有资格看那些源头数据。

原文给的例子很直白:agent 读了数据仓库里一张敏感的表,做成一个实时看板。分享这个看板,不能变成分享那张表。

所以当另一个人来打开这个工作区、跟这个 agent 对话、或者查看它做出来的东西时,Gatekeeper 会去核对这个人对那些被看过的资源有没有权限。没有,就打不开。

同一份记录还反过来管住 agent 自己:读过敏感数据之后,它可能就不被允许往某些地方写数据、不能拉新人进来、不能把活转交给另一个 agent、不能对外发请求。

关键在于这件事由谁来做。用 agent 的人和搭应用的人不需要自己想明白这些坑,平台替他们兜住了。

agent 读敏感表 数据仓库里的一张表 平台记下这次读取 记录跟着这个工作区走 做出实时看板 源头变,看板跟着变 同事点开看板 Gatekeeper 现场核对权限 没权限就打不开 同时限制 agent 往外发数据 核对的不是看板,是这个人能不能看那张原始表。
分享一个看板时平台在后台做的事:核对的是源头数据的权限,不是看板本身。流程出自原文的数据仓库看板示例。

每个文件都是应用

别的办公套件给你固定的那几样应用,这里每个「文件」本身就是一个应用,由 agent 为某个人、某个项目现写。

它们不是导出到别处才能跑的原型。每一个都是完整的应用:前端、后端、接口、能长期存下来的数据一应俱全。默认私有,可以像文档一样分享出去。

后端按需启动,用的是 Cloudflare 的 Worker(一种用完即走的轻量服务器程序,不用你养一台机器)。每个应用还带一个属于自己的小数据库,和平台本身的数据分开。这样每个应用都有独立的运行环境,却不必各自占一台服务器。

有意思的是调用方式:前端调后端的方法,写起来跟调一个普通函数一样;而同一个方法,agent 也能调。这篇公告的作者、Cloudflare 的 Phillip Jones 和 Dan Carter 写道:

如果你能自己做一个工具来干某件事,那么你不在的时候,agent 可以用你的工具去干这件事。

分享有两种:分享应用本身,大家共用同一份状态实时协作;分享蓝图,别人复制出自己的一份。蓝图里只有代码,不带你的数据、对话记录、凭据和已连上的资源。同事拿到之后可以自己让 AI 改,不必给你提需求、等你排期。

像调普通函数一样调用 调的是同一批方法 读写自己的状态 受策略约束的访问 浏览器里的界面 agent 写的前端 你的 agent 你不在时替你干活 应用的后端 按需启动的 Worker 自带的小数据库 和平台数据分开 公司系统 经 Gatekeeper 接入
你搭的应用,人和 agent 走的是同一个入口——这就是「你不在时 agent 能用你的工具」的技术原因。结构出自原文 Every app is a Worker 一节。

模型和账单在你手里

模型不绑定:所有调用都过一道中转站,哪个活配哪个模型、谁花了多少钱,公司自己说了算。

每一次模型调用都经过 AI Gateway(Cloudflare 的模型调用中转站)。它是一个统一开关:哪些模型可用、哪个任务派给哪个模型,都在这里定。

每天早上帮你总结未读邮件,没必要动用最贵的那个模型。 便宜的活配便宜的模型,把最强的留给最难的问题。

每一次调用都记在具体的人、团队或工作区头上。管理员能看到钱花在哪、给谁设预算和频率上限,以及超了之后怎么办。

开源了,地基是 Cloudflare

代码确实开源、今天就能下载,但它长在 Cloudflare 自家地基上:Workers、Access、AI Gateway 缺一不可,部署它等于选择 Cloudflare。

开源(把源代码公开,任何人都能下载、修改、自己部署)在这里是真的:今天就能去 GitHub 拿代码,部署进自己的 Cloudflare 账号。Cloudflare 放出两个仓库,一个是核心,一个是照他们内部用法做的示例部署。示例那个不改核心代码,只放配置、自定义界面、内部对接和上线流程,这样你改你的、他们升级他们的,互不打架。

但真正的商品不是代码。Cloudflare 自己写得很清楚:源代码只是起点,真正让它有用的是公司的语境、技能、流程、内部系统和策略。这些东西没人能白送给你,所以两家合作伙伴 Presidio 和 Happy Cog 被摆进了公告,由它们上门帮企业接系统、配策略、铺到全员。

所以这更像一次地基招商:免费给你一套已经在数千人身上跑过三个月的框架,代价是你的内部系统、agent 流量和模型账单都落在 Cloudflare 的网络上。对已经在用 Cloudflare 的公司,这笔账划算;对其他人,搬进来的成本得连着整个平台一起算。