Bionic（原 BionicGPT）
自托管的企业 AI 工作区与智能体运行平台，连接组织模型、知识、工具和业务系统。
Bionic（原 BionicGPT）面向内部 AI 团队提供自托管工作区与智能体运行环境，连接组织模型、资料、工具和业务系统。
Bionic（原 BionicGPT） 能做什么
现行官方项目强调可控的企业运行平台：对话只是入口，模型还可检索数据、调用工具并生成文件。它适合有部署和权限管理能力的团队；模型、基础设施与组织流程需要自行选配。
组织对话与文件产物
工作区保存会话，并把上传文件、数据集和生成产物纳入运行环境。适合围绕同一业务材料继续分析，将报告等产物交给人员复核。
连接组织知识与模型
支持基于数据集的 RAG，并可连接托管、私有或本地模型。资料源和模型端点分别配置，检索范围应对应使用者的业务权限。
通过沙盒与虚拟文件系统执行任务
代理以 run_bash 工具使用受控能力，虚拟文件系统呈现附件、记忆、Skills、数据集与产物。运行环境把可用资源组织起来，不需要把全部文件塞进提示词。
以团队与审计控制使用
项目包含 SSO/OIDC、团队权限、审计与用量控制。平台管理员应把身份和模型、数据、集成的授权组合起来，而不是只建立一个共享聊天入口。
- 核心用途
- 企业知识、工具与文件产物
- 可完成的工作
- 内部资料问答和受控业务流程
- 如何开始
- Docker Compose 试用或 Kubernetes 部署
- 使用条件
- 模型、运维与授权由团队管理
如何使用 Bionic（原 BionicGPT）
- 选择部署路线
官方将 Docker Compose 用于本地评估和小型试点，将 Kubernetes 用于更接近生产的测试与部署。先按团队环境选择路线并阅读对应安装文档。
- 准备模型与存储资源
配置批准的模型端点、数据库和文档或产物存储，确认请求实际由本地、私有还是外部模型处理。
- 接入一个受控工作流
建立团队权限，添加必要数据集、集成与 Skills；从一个明确的问答或文件产出任务开始。
- 检查审计与业务输出
用不同权限账号检查可见资料和工具边界，复核生成文件，再决定是否扩大资料和集成范围。
内部制度问答
适合：有部署能力的企业知识团队
- 准备输入
- 获准接入的制度文件、模型端点
- 操作方法
- 编辑建议：先限定一个资料集和用户组，以可核对的问题检查检索结果。
- 预期交付物
- 带业务背景的答复草稿
- 人工检查
- 核对原文、访问权限与过期制度。
基于数据集生成报告
适合：企业分析与平台团队
- 准备输入
- 脱敏数据表、报告模板与输出要求
- 操作方法
- 编辑建议：通过数据集和沙盒执行分析，把生成文件交给负责人复核。
- 预期交付物
- 可下载的报告或表格产物
- 人工检查
- 核对总计、字段含义和异常记录。
封装重复内部流程
适合：内部 AI 工程师
- 准备输入
- 批准的系统接口、操作说明和模板
- 操作方法
- 编辑建议：把流程整理为 Skills，先用有限数据和权限验证。
- 预期交付物
- 可复用的组织任务流程
- 人工检查
- 检查每个工具调用及结果是否符合权限和业务规则。
界面与参考图片
开始前需要了解
自托管需要持续运维
代码可自行部署，但身份、存储、模型连接、更新和故障处理仍由部署团队承担，不能把开源当作免维护的云账号。
模型与外部集成分别受控
项目支持本地、私有和托管模型；是否将材料发送到外部取决于实际模型与集成配置，自托管界面本身不能决定全部数据流。
社区软件与商业支持不同
社区提供开源自托管基础；企业支持、SLA、安全响应和部署协助属于另外的商业服务，不能从源码许可推导已经包含这些服务。
模型、运维与授权由团队管理
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
常见问题
BionicGPT 现在叫 Bionic 吗？
官方仓库当前使用 Bionic 名称，并将其描述为企业内部 AI 团队的智能体运行平台。
只是一个本地聊天界面吗？
不只是。现行项目还包括 RAG、沙盒工具执行、Skills、文件产物及团队治理能力。
必须使用某一个模型吗？
不必。项目支持批准的托管模型、私有推理端点和本地模型；具体配置由部署团队选择。
个人可以先试用吗？
可以按官方 Docker Compose 路线做本地评估，但仍需准备模型和运行环境；正式团队部署应进一步配置权限、审计与运维。
