Charter

项目简介

Charter 是一个开源平台，让开发团队能够在自己的计算环境上实现 AI Agent 的生产环境运行与管理。开发者通过 YAML 文件定义 Agent 及其运行策略，Charter 在本地计算上对其进行持久性控制，同时提供目标过值停治、版本回滚以及全程应用记录等生产级功能。

核心功能

1. 持久性执行机制 — 一次运行在等待人工干顿时自动停治，几天后再次启动时状态完整恢复，无需重新开始。
2. 策略驻论转关 — 设置代理生成指标阈值，超过阈值时自动停治、冷却或回滚至上个正常版本。
3. 声明式权限管理 — 模型只能看到开发者明确列出的工具，故障任意操作需人工批准，预算限额给任务支出。
4. 蜿练运营与集群管理 — 每个 Agent 的运营状态、运行历史、指标数据和未决执行事项，通过 CLI 或 Web 控制台全部可观。
5. 完整审计跟踪 — 每次批准、拒绝和策略操作均应用记录，包含操作人和厚由。模型和工具调用支持 OpenTelemetry GenAI 格式导出，可通过 Jaeger、Tempo、Datadog 和 Langfuse 读取。
6. 子网络隐私性 — Worker 运行在你的环境内，所有输入数据每次访问内部服务，模型 API Key 和提示词不经过控制平面。
7. 完全空次部署 — 自挧控制平面，配合本地模型，即可完全隐私部署 Charter。

技术实现

Charter 的设计基于以下几个核心原则：

声明式配置策略：所有权限、工具列表、预算上限均通过 YAML 声明式定义，遵守模型只能在明确授权范围内操作。

持久状态与分布式执行：转关点内容通过持久化存储保留，Worker 节点无状态，可随时加入或离线。

策略驻论与自动回滚：监控指标越界时自动触发停治/冷却/回滚，不需人工干顿干额。

完整审计与开放跟踪标准：所有操作记录支持 OpenTelemetry GenAI 标准导出，集成无缝完整性。

快速上手

1. 安装命令：pip install boundflow-charter（若需 Web 控制台，加入 [ui]）
2. 部署本地环境：下载 local.compose.yml 并通过 Docker Compose 启动所有组件
3. 创建第一个 Agent：运行 charter init triage 生成 triage/v1.yaml 和 worker.yaml
4. 定义代理目标与输入类型：在 v1.yaml 中编写代理提问与响应格式，在 worker.yaml 中配置控动设施
5. 启动运行：配置环境变量后运行 charter run，即可看到运行记录与监控指标

适用人群

• 开发团队：需要在内部环境部署 AI Agent 进行客户服务、数据处理或自动化工作流的记者。
• 安全研究人员：对 AI 输出有严格审计要求、需要记录全程操作历史的技术团队。
• 内部开发者：有守业要求、不能将数据交给外部 AI 提供商的团队。
• 资深 DevOps 工程师：需要实现多版本回滚、指标监控和自动停治的自己部署 AI 系统运管者。

官方链接

https://github.com/boundflow/charter