Lemma Platform

Item: Lemma Platform
Rating: 6.3
Author: Mnet

★★★ ★★

6.3 / 10 🟡 中级

开源的人+AI Agent协作工作空间，人与Agent作为同一团队成员，共享上下文、任务分配、实时协作

开源免费办公 Agent

🌐 访问官网

🔄 更新: 2026-07-07

Lemma Platform 快速入门

AI Agent 不再是工具而是队友——Lemma Platform 让人和 Agent 在同一个工作空间里真正协作。

Lemma Platform 是一个开源的人与 AI Agent 协作工作空间,核心理念是 “Homo sapiens + AI agents = 1 team”。人与 Agent 共享同一工作上下文——都能看到项目状态、任务列表、讨论记录。人类可拖拽式分配任务给 Agent,Agent 可主动汇报进展、提出问题。AGPL-3.0 开源协议,Python 编写,支持 OpenAI/Anthropic/DeepSeek 等 LLM 后端。2026 年 6 月创建,目前 217 stars / 43 forks,处于早期快速迭代阶段。适合需要与 AI Agent 深度协作的开发团队和项目经理。

Lemma Platform 快速上手指南

Lemma Platform 是一个理念先进但极度早期的开源项目（2026-06-23 创建）。以下指南帮助你在 30 分钟内完成部署和第一次人+Agent 协作。

环境要求

Python 3.10+ 环境
Docker（推荐）或手动 pip 安装
至少一个 LLM API Key（OpenAI / Anthropic / DeepSeek 均可）
4GB 以上可用内存

3 步部署

第 1 步：克隆仓库

git clone https://github.com/lemma-work/lemma-platform.git
cd lemma-platform

第 2 步：配置环境变量

复制 .env.example 为 .env，填入你的 LLM API Key：

cp .env.example .env
# 编辑 .env，至少配置一个 LLM provider
# OPENAI_API_KEY=sk-...
# ANTHROPIC_API_KEY=sk-ant-...
# DEEPSEEK_API_KEY=sk-...

第 3 步：启动服务

# Docker 方式（推荐）
docker compose up -d

# 或直接运行
pip install -r requirements.txt
python main.py

浏览器打开 http://localhost:8000，看到工作空间界面即部署成功。

第一次人+Agent 协作

创建工作空间：给项目起个名字，如「需求分析助手」
添加 Agent：在 Agent 面板点「Add Agent」，选择 LLM 后端和角色（如「代码审查员」）
分配任务：在任务面板新建任务，拖拽到 Agent 头像上即可分配
查看结果：Agent 完成任务后会自动汇报，在对话面板查看输出

核心概念

共享上下文：人和 Agent 看到同一个项目状态——任务列表、文件、讨论记录完全透明
Agent 角色：你可以定义多个 Agent，每个有不同的系统提示词和专业领域
拖拽式任务分配：不需要写代码或配置 YAML，直接拖拽任务卡片给 Agent
主动汇报：Agent 不只是被动响应，遇到问题会主动在对话中提问

常见问题

Q: Lemma 适合生产环境吗？

A: 不适合。项目仅 2 周历史，6 个 Open Issues，无 Release 版本。建议仅用于探索和测试。

Q: Lemma 和 CrewAI 有什么区别？

A: CrewAI 专注多 Agent 任务编排（★20k+），Agent 之间协作；Lemma 的核心理念是「人+Agent 同队」，强调人机协作而非 Agent 间协作。两者定位不同，可互补使用。

Q: 支持哪些 LLM？

A: 支持 OpenAI（GPT-4/GPT-5）、Anthropic（Claude Sonnet/Opus）、DeepSeek（V3/R1）等主流 LLM。通过兼容 API 也可接入 Ollama 本地模型。

Q: 如何参与贡献？

A: GitHub Issues 和 PRs 均开放，AGPL-3.0 协议。建议先从 Good First Issue 标签入手。

📊 评分与标签

评分说明

总分 6.3/10 · H_观察

📊 可观测社区指标（数据核验日期：2026-07-06 UTC+8）

GitHub: lemma-work/lemma-platform ★217, 🔱43, 72 commits, 6 Open Issues, 2 Open PRs
- 来源: GitHub 仓库页面访问核验,实时数据
许可证: AGPL-3.0,完全开源
- 来源: GitHub LICENSE 仓库文件
创建时间: 2026 年 6 月 23 日,项目非常年轻
- 来源: GitHub 仓库首次提交记录
最新提交: 2026-07-06（抓取当日仍在活跃开发）
- 来源: GitHub Commits 提交历史

⚙️ 功能完整度 1.2/2.5

核心功能: 人与 AI Agent 共享工作空间,支持任务分配（拖拽式）、上下文共享、Agent 主动汇报、多 Agent 协作
- 来源: GitHub README 页面访问核验
技术栈: Python 后端 + Web 前端,支持 Docker 部署,支持 OpenAI/Anthropic/DeepSeek 等主流 LLM
- 来源: GitHub 仓库技术栈说明
最近新增: 桌面应用（desktop/目录）、Pod bundles 导出导入与 GitHub 分享、多账户 surfaces、agentbox 客户端
- 来源: GitHub 提交记录页面访问核验,最近提交含 desktop/agentbox 等新功能
不足: 功能仍在早期阶段,缺少工作流自动化、定时任务、权限粒度控制、数据分析仪表盘等成熟功能
对比 Buzz（Block 出品）: Buzz 支持 Nostr 去中心化协议、多人实时协作更成熟;Lemma 功能更轻量但部署更简单
- 来源: Buzz GitHub 功能对比
对比 Microsoft Copilot Studio: Copilot Studio 是商业 SaaS,功能深度和稳定性远超 Lemma,但不支持自部署且需付费;Lemma 开源免费+数据自控是核心差异
- 来源: Microsoft Copilot Studio 功能对比

✨ 输出质量 1.2/2.5

作为开源项目（2026-06-23 创建）,产品成熟度在早期阶段,基础协作功能可用但复杂场景稳定性待验证
- 来源: GitHub Issues 页面访问核验,6 个 Open Issues
Agent 协作基础流程（分配任务→Agent 执行→汇报）已跑通,但多 Agent 并发协作、长任务可靠性未经验证
- 来源: GitHub README 功能描述
开发活跃度高（25 分钟前有最新提交）,迭代速度快,质量在快速提升中
- 来源: GitHub 提交历史页面访问核验
对比 Microsoft Copilot Studio: 商业产品成熟度极高,有大规模用户验证;Lemma 在可靠性和功能深度上差距明显
对比 CrewAI: CrewAI 专注多 Agent 任务编排,社区更大（★20k+）且文档丰富;Lemma 的人+Agent 协作理念更新但落地成熟度不如 CrewAI
- 来源: CrewAI GitHub 对比

🖐️ 易用性 1.1/1.5

Web 界面直观,任务分配和对话交互设计简洁,适合非技术用户理解
- 来源: GitHub README 界面截图和描述
Docker 部署方式对开发者友好,一键启动;最近新增桌面应用降低使用门槛
- 来源: GitHub 部署文档安装指南
不足: 自部署需要 Python 3.10+ 环境 + LLM API Key,非技术用户仍有门槛;缺少 SaaS 托管版本
对比 Buzz: Buzz 同样需要自部署,但文档和社区支持更完善;Lemma 的桌面应用是易用性亮点
对比 ChatGPT Team: ChatGPT Team 开箱即用,无需部署;Lemma 需要运维能力但数据完全自控
- 来源: ChatGPT Team

💰 性价比 1.4/1.5

完全开源免费（AGPL-3.0）,可自由使用、修改、自部署,无任何许可费用
- 来源: GitHub LICENSE 仓库许可证
用户仅需提供自己的 LLM API Key（OpenAI/Anthropic/DeepSeek 等）,Lemma 本身不收费
- 来源: GitHub README 使用说明
隐性成本: 需要服务器资源（自部署）+ LLM API 调用费用,重度使用下 API 成本可能显著
对比 Microsoft Copilot Studio: $200/月起（约 1450 元）,Lemma 免费+自部署可大幅降低直接成本
- 来源: Microsoft Copilot Studio Pricing
对比 CrewAI: CrewAI 同样开源免费,两者直接成本相当,选择取决于功能偏好

🔒 稳定性 0.6/1.0

项目创建于 2026-06-23,仅约 2 周历史,属于非常新的项目,长期稳定性完全未经验证
- 来源: GitHub 仓库创建时间
开发活跃度高（72 commits,25 分钟前仍在提交）,但快速迭代期 API 和数据结构可能频繁变动
- 来源: GitHub 提交历史页面访问核验
6 个 Open Issues 表明存在已知问题,无 Release/Tag 版本,尚不适合生产环境
- 来源: GitHub Issues 实时数据
对比 Buzz: Buzz 由 Block（原 Square）公司支持,有企业级稳定性保障;Lemma 为独立开发者项目
对比 CrewAI: CrewAI 有 20k+ stars、活跃社区、定期 Release,稳定性远超 Lemma
- 来源: CrewAI GitHub

🛡️ 隐私安全 0.8/1.0

开源自部署方案,数据完全由用户控制,不经过第三方服务器
- 来源: GitHub 仓库架构说明
AGPL-3.0 协议要求衍生作品同样开源,保障社区用户权益
- 来源: GitHub LICENSE
LLM API 调用数据经过 OpenAI/Anthropic 等第三方,需关注对应 API 的隐私政策
自部署的安全配置（防火墙/认证/加密）需用户自行负责,无托管安全方案
对比 SaaS 工具（Copilot Studio/ChatGPT Team）: Lemma 数据自控优势明显,但安全运维需用户自行承担
对比 CrewAI: 两者均为开源自部署,隐私安全水平相当

评分依据可追溯至公开来源,每项分数均有明确理由和数据支撑。

综合评估: Lemma Platform 是一个理念先进但极度早期的开源项目——“人+AI 同队协作”的愿景有差异化价值,桌面应用和 Pod bundles 等新功能显示迭代方向明确。但 2 周的项目历史意味着所有维度都处于”潜力有待验证”阶段。当前适合关注 AI Agent 协作方向的开发者和早期采用者探索试用,不适合生产环境部署。建议 3-6 个月后重新评估其成熟度。

🏷️ 标签说明

开源免费: AGPL-3.0 协议开源,可免费自部署使用,无需许可费用。来源: GitHub LICENSE
办公: 核心定位为人与 AI Agent 协作的办公工作空间,提升团队生产力。来源: GitHub README
Agent: 支持 AI Agent 作为独立团队成员参与协作,具备任务执行和主动汇报能力。来源: GitHub README

📋 来源与核验记录

✅ 已核验: GitHub 仓库返回 200,标题”lemma-work/lemma-platform”,实时数据: ★217, 🔱43, 72 commits
✅ 已核验: GitHub Issues 6 Open Issues,可访问
✅ 已核验: GitHub 提交历史最新提交 25 分钟前,开发活跃
⚠️ 间接来源: Buzz/CrewAI/Microsoft Copilot Studio 功能对比基于公开文档,未逐页页面核验
❌ 死链: 无

同分类推荐

AI开发平台分类下的其他工具

)}