by Garbo9779
CrewOS 是一个关于企业 Agent 产品形态的公开实验。 我正在尝试回答一个问题： 当 AI 已经能够完成任务以后，它能否进一步接住长期、复杂、持续变化的真实业务？ 这里会持续记录产品原型、设计实验、思考过程以及失败的假设。 如果你也在研究类似问题，欢迎一起讨论。
# Add to your Claude Code skills
git clone https://github.com/Garbo9779/XW-Agent-SaasGuides for using ai agents skills like XW-Agent-Saas.
See how XW-Agent-Saas compares with popular alternatives.
XW-Agent-Saas is an open-source ai agents skill for AI coding assistants such as Claude Code, Codex CLI, and ChatGPT, built by Garbo9779. CrewOS 是一个关于企业 Agent 产品形态的公开实验。 我正在尝试回答一个问题： 当 AI 已经能够完成任务以后，它能否进一步接住长期、复杂、持续变化的真实业务？ 这里会持续记录产品原型、设计实验、思考过程以及失败的假设。 如果你也在研究类似问题，欢迎一起讨论。. It has 52 GitHub stars.
XW-Agent-Saas's catalog security scan is still queued. You can run an instant dependency and prompt-injection check now with the "Scan for vulnerabilities" button above.
Clone the repository with "git clone https://github.com/Garbo9779/XW-Agent-Saas" and add it to your Claude Code skills directory (see the Installation section above).
XW-Agent-Saas is primarily written in HTML. It is open-source under Garbo9779 on GitHub, so you can review or fork the full source.
Yes. SkillsLLM lists many other AI Agents skills you can browse and compare side by side. Open the AI Agents category from the badge at the top of this page, or use the Related Skills and comparison links further down to weigh XW-Agent-Saas against similar tools.
No comments yet. Be the first to share your thoughts!
Unlocks once the catalog security scan passes (runs nightly).
⚠️ Third-Party Software Notice
This skill is third-party open-source software developed and hosted independently on GitHub. SkillsLLM is an informational directory and does not control or maintain the underlying repository.
Any security checks, ratings, or warnings displayed by SkillsLLM are automated and limited in scope. They do not constitute a security certification or guarantee that the software is safe, error-free, or free from malicious code, vulnerabilities, compromised dependencies, or prompt-injection risks.
Review the source code, permissions, dependencies, and configuration before installing or running any third-party skill. Use is at your own risk. To the maximum extent permitted by applicable law, SkillsLLM is not liable for losses arising from third-party software.
The deep catalog scan for this skill is still queued. Run an instant dependency check now instead.
CrewOS 是一个关于企业 Agent 产品形态的公开实验。 我正在尝试回答一个问题： 当 AI 已经能够完成任务以后，它能否进一步接住长期、复杂、持续变化的真实业务？ 这里会持续记录产品原型、设计实验、思考过程以及失败的假设。 如果你也在研究类似问题，欢迎一起讨论。
The next unit of AI is not the task. It's the business.
CrewOS is a Business Runtime for AI-operated businesses.
当前产品原型： → CrewOS business 这是一个交互概念 Demo，用来探索：
我们正在探索一个问题：
当 AI 已经能够完成任务之后，下一步是什么？
我们的答案是：
让 AI 开始持续运行一项业务。
过去几十年：
Human
↓
Software
↓
Business
人使用 ERP、CRM、财务软件、OA……
软件帮助人完成业务。
后来：
Human
↓
AI Assistant
↓
Answer
人开始向 AI 提问。
再后来：
Human
↓
AI Agent
↓
Task
↓
Result
人开始把任务交给 AI。
我们认为，下一步应该是：
Human
↓
AI
↓
Business
不是：
“帮我完成这个任务。”
而是：
“这项业务，从现在开始由你负责。”
这就是 CrewOS。
通用模型正在变得越来越强。
它们可以：
通用 Agent 进一步解决了：
给 AI 一个任务，让它自己规划并完成。
这已经是巨大的变化。
但企业真正运行的，并不是一个个孤立的 Task。
企业运行的是：
Business
│
├── Goals
├── Data
├── State
├── Rules
├── Tasks
├── Events
├── Exceptions
├── Decisions
├── People
└── Deadlines
而且：
Business 没有真正的 End。
今天完成月结，明天进入新的业务周期。
今天跟进一个客户，明天还会产生新的客户。
今天完成报税，下个月仍然需要继续。
所以我们想解决的问题不是：
Can AI complete a task?
而是：
Can AI continuously operate a business?
一个通用 AI Agent：
Prompt
↓
Planning
↓
Tool Calling
↓
Execution
↓
Result
CrewOS：
Business Outcome
↓
Business State
↓
AI Crew
↓
Planning
↓
Execution
↓
Observation
↓
State Update
↓
Continue
区别不是 Agent 是否更聪明。
而是：
AI 的工作对象发生了变化。
从：
Task
变成：
Business
我们并不试图与基础模型竞争。
也不试图成为另一个通用 AI Agent。
我们认为三者解决的是不同的问题：
┌─────────────────────────────┐
│ Foundation Model │
│ │
│ Intelligence │
└──────────────┬──────────────┘
↓
┌─────────────────────────────┐
│ General AI Agent │
│ │
│ Task Execution │
└──────────────┬──────────────┘
↓
┌─────────────────────────────┐
│ CrewOS │
│ │
│ Business Operation │
└─────────────────────────────┘
Model provides intelligence.
Agent provides execution.
CrewOS provides continuity.
今天已经出现了越来越成熟的通用 Agent 产品。
例如 通用工具类聊天窗口 这一类产品，已经可以让用户：
这条路径是成立的。
它解决的是：
“把工作交给 AI。”
CrewOS 想继续向前一步：
“把业务交给 AI。”
因此：
General AI Agent
“帮我完成这个任务。”
↓
Result
CrewOS
“从现在开始，这项业务你负责。”
↓
Business
↓
Continuous Operation
我们不是要做一个更强的 模型或者调用模型的工具。
我们想探索一个不同的产品抽象。
一个 Prompt 可以结束。
一个 Task 可以结束。
一个 Business 不会。
例如：
“分析 8 月财务数据”
这是 Task。
而：
“负责公司的财税业务”
这是 Business Responsibility。
前者要求 AI 给出一个结果。
后者要求 AI：
这就是 CrewOS 要解决的连续性问题。
CrewOS 的核心不是 Chat。
也不是 Agent Marketplace。
甚至不是 Workflow Builder。
核心是：
Business Runtime
它负责让 AI 在一个长期存在的 Business Context 中持续工作。
Business Runtime
┌─────────────────────────────┐
│ Business State │
└──────────────┬──────────────┘
↓
┌─────────────────────────────┐
│ Events / Scheduler │
└──────────────┬──────────────┘
↓
┌─────────────────────────────┐
│ Planning / Tasks │
└──────────────┬──────────────┘
↓
┌─────────────────────────────┐
│ AI Crew │
└──────────────┬──────────────┘
↓
┌─────────────────────────────┐
│ Tools / MCP / Enterprise │
└──────────────┬──────────────┘
↓
┌─────────────────────────────┐
│ Human Approval │
└──────────────┬──────────────┘
↓
State Update
↓
Continue
如果 AI 要长期负责一项业务，它必须知道：
业务现在是什么状态。
例如：
Finance Business
────────────────────────────
Period Sep 2026
Closing Progress 73%
Invoices 2,831
Bank Transactions 6,421
Unmatched 3
Tax Risks 4
Pending Approvals 2
Next Deadline
September 15
每一次 AI 行动都会改变 Business State。
新的事件也会改变 Business State。
因此：
Business State 是 AI 长期工作的基础。
CrewOS 中的 Crew 不是简单的 Agent 集合。
它是：
围绕一个 Business Outcome 持续工作的 AI Team。
例如：
Finance Crew
│
┌──────────────┼──────────────┐
│ │ │
Finance Tax Risk
│ │ │
Accounting Filing Analysis
│ │ │
└──────────────┼──────────────┘
↓
Business Outcome
Agent 是执行者。
Crew 是组织。
Business 是上下文。
Outcome 是目标。
Runtime 负责让它持续运行。
我们选择财税作为第一个 Business，不是因为我们想做一个财务软件。
而是因为：
财税是一个非常真实的长期业务系统。
它拥有：
例如：
票据采集
↓
票据识别
↓
凭证生成
↓
账务处理
↓
报表
↓
税务计算
↓
风险检查
↓
人工确认
↓
申报
↓
归档
↓
下一周期
这正好可以验证：
AI 能不能真正接住一项复杂、长期运行的企业业务。
如果 CrewOS 成立，用户不应该首先看到：
Create Agent
也不应该首先看到：
Configure Workflow
而应该看到：
What business do you want AI to run?
┌──────────────┐
│ Finance │
│ │
│ Business │
└──────────────┘
┌──────────────┐
│ Sales │
│ │
│ Business │
└──────────────┘
┌──────────────┐
│ Operations │
│ │
│ Business │
└──────────────┘
用户选择 Business。
CrewOS 再决定：
复杂性留给系统。
我们相信：
Software
↓
Human operates software
AI Assistant
↓
Human asks AI
AI Agent
↓
Human delegates a task
AI Business
↓
Human delegates responsibility
CrewOS 正在探索最后一步。
从 Delegating Tasks 到 Delegating Business.
Early-stage / Experimental
当前我们只验证一个核心问题：
如果把一项真实的企业业务交给 AI，它能不能真正接住？
第一实验：
Finance & Tax Business
现有财税 Prototype 将作为这个假设的第一个验证场景。
当前结论：本仓库尚未实现用户认证。
main分支中的 CrewOS 目前是部署在 GitHub Pages 上的静态概念 Demo，不包含后端认证服务、登录接口、会话管理或访问令牌逻辑。
| 组件 | 当前实现 |
|---|---|
| 前端 | CrewOS-runtime.html、CrewOS.html 中的静态 HTML / CSS / JavaScript |
| 托管 | GitHub Pages 直接提供公开静态文件 |
| 用户与身份服务 | 未实现 |
| 登录 / 登出接口 | 未实现 |
| API 网关与鉴权中间件 | 未实现 |
| Session / Token 存储 | 未实现 |
| 数据库与租户隔离 | 未实现 |
README 和原型页面中出现的“权限管控”“最小权限”“审批”“审计”等内容，是产品目标或架构设想，不是当前仓库已经运行的安全功能。
访客浏览器
↓ GET 静态页面与图片
GitHub Pages
↓
HTML / CSS / JavaScript 在浏览器中运行
↓
DOM 交互与动画
当前 JavaScript 只负责页面展示和交互：
Authorization 请求头；localStorage / sessionStorage 中保存 token；因此，拿到 Demo URL 的任何人都可以访问页面；系统也无法识别“当前用户是谁”或判断其业务权限。
当前代码中没有应用凭证、API Key、OAuth Client Secret、JWT 或 Session ID，也没有 .env 配置。仓库目前不需要任何运行时密钥。
后续接入真实业务系统时，应遵循以下边界：
HttpOnly、Secure、SameSite Cookie，避免让前端 JavaScript 直接读取长期 token。建议的真实系统认证链路：
用户
↓ 登录
Identity Provider / Auth Service
↓ 签发短期会话
Browser
↓ 携带安全 Cookie
API Gateway / Backend
↓ 校验身份、租户、RBAC/ABAC 与审批策略
Business Runtime
↓ 换取短期、最小权限凭证
Agent / Tool / Enterprise System
↓
Audit Log
我们不是在证明：
AI 可以替代所有人。
我们甚至不是在证明：
AI 可以完成所有任务。
我们只想回答一个更具体的问题：
当 AI 已经足够聪明之后，企业有没有可能把“持续运行一项业务”这件事交给 AI？
如果答案是 No。
CrewOS 就不应该存在。
如果答案是 Yes。
那么我们正在构建的可能不是另一个 AI 应用。
而是：
AI 时代的 Business Runtime。