AI_Agent後端架構替代方案評估_v2

• 候選方案的呈現方式會被誤會成kotaemon跟deepagents可以組合起來使用，但實際是兩個獨立方案，kotaemon為首選

Kotaemon

• 無基礎agent功能(read, write, edit, exec…)
  14. 要自己加MCP工具
• 沒有支援skill
• 版本0.多，太不穩定，至少要1

Deepagent

• 有點像opencode
• 無基礎agent功能(read, write, edit, …)
  14. 要自己加MCP工具
  14.  

Openclaw不能直接當解決方案的原因

• 在windows上支援度不夠高(WSL才有比較完整的支援)
• 自由度太高，要夠了解才能可控
• 在家裝起來試用

候選方案要有以下特性

• 在windows上支援度足夠好
• 自由度不能高到可控成本太高
• 基礎agent功能(read, write, edit, exec…)
• 容易整合其他功能(RAG)
• 有完整harness – openclaw
• 有完整harness (low code) – crewai / deepagents
• 有完整harness (code) – langgraph/langchain
• 無完整harness (low code) – kotaemon/ anythingllm
   

OpenClaw 教學：26 個 Tools + 53 個 Skills 完整指南 | WenHao Yu

• 在windows上支援度足夠好
• 自由度不能高到可控成本太高

• AI_Agent後端架構替代方案評估_v2

• 候選方案的呈現方式會被誤會成kotaemon跟deepagents可以組合起來使用，但實際是兩個獨立方案，kotaemon為首選

•  

  Kotaemon

• 無基礎agent功能(read, write, edit, exec…)
  14. 要自己加MCP工具
• 沒有支援skill
• 版本0.多，太不穩定，至少要1

•  

  Deepagent

• 有點像opencode
• 無基礎agent功能(read, write, edit, …)
  14. 要自己加MCP工具
  14.  

•  

  Openclaw不能直接當解決方案的原因

• 在windows上支援度不夠高(WSL才有比較完整的支援)
• 自由度太高，要夠了解才能可控
• 在家裝起來試用

•  

  候選方案要有以下特性

• 在windows上支援度足夠好
• 自由度不能高到可控成本太高
• 基礎agent功能(read, write, edit, exec…)
• 容易整合其他功能(RAG)
• 有完整harness – openclaw
• 有完整harness (low code) – crewai / deepagents
• 有完整harness (code) – langgraph/langchain
• 無完整harness (low code) – kotaemon/ anythingllm
   

• OpenClaw 教學：26 個 Tools + 53 個 Skills 完整指南 | WenHao Yu

  

   

• 在windows上支援度足夠好
• 自由度不能高到可控成本太高

https://github.com/topics/agents

Pretrain

• Qwen3-0.6B-Base
• 50 epoch能夠根據文本的用語產生敘述
  14. 之前用微調資料集align效果不好，是不是因為是使用長敘述資料集(第二版資料集)的關係，是不是應該用短敘述資料集(第一版資料集)
• 但是穩定多輪的agent對話還是挑戰