企业部署 AI Agent，需要一套能管理身份、上下文、工具、流程、执行环境和运行记录的底座。模型负责理解任务和生成决策，运行底座负责把决策接到企业系统，并约束每次读取、调用和写入。缺少这层承接，Agent 很容易停留在单次对话或脚本阶段。

Agent Runtime 就是围绕持续运行建立的基础层。ZGI 是一套可自托管的 Agent Runtime 工作区，公开仓库包含 Agent 应用、可视化 Workflow、Knowledge/Data、Memory、Runtime Skills、模型路由、Runner 和 Sandbox。企业可以用这些组件搭建验证环境，再按自身要求补齐身份体系、审批规则和运维流程。

运行底座可以拆成六层，每一层解决一种生产问题：

概念示意图：身份、数据、工具、流程、隔离和追踪组成 Agent 的运行底座。

身份层经常最先暴露问题。同一个知识问答 Agent，面向销售、财务和外部合作方时，允许读取的资料不会相同。运行底座要把用户身份带进检索与工具调用过程，还要防止 Agent 因为提示词变化绕过原有权限。

状态层决定长任务能否持续。生成一份报告可能经历取数、计算、制图、审核和发送，其中任何一步都可能失败。系统需要保存节点状态，区分可重试错误和需要人工处理的错误，并防止一次重试产生两次写入。

工具层不能只完成接口注册。运行底座还要保存工具版本、参数约束、超时设置和返回结构，让 Agent 在调用前知道输入要求，在调用后判断结果是否完整。接口升级或字段变化时，团队应能找到受影响的 Workflow，安排回归测试后再切换。

隔离层也要通过实测判断。看到 Sandbox 名称并不能直接得出安全结论，团队需要检查可访问的目录、网络目标、凭据注入方式、执行时限和资源上限。涉及敏感数据或高影响操作时，还要安排人工确认和独立审计。

观察层需要兼顾排障和数据保护。日志要能串起用户请求、模型响应、节点状态和工具结果，同时对密钥、个人信息和敏感字段做遮盖。保存周期、查看权限和导出范围也应提前规定，避免运行记录变成新的数据暴露点。

PoC 阶段可以准备四组测试：正常任务、权限不足、工具超时和人工拒绝。正常任务检查完整链路，后三组检查系统会不会越权继续、无限重试或丢失现场。每次测试都保留输入、预期结果、实际结果和处理人，方便下一次升级后复跑。只有四组结果都能解释，运行底座才具备扩大试点的基础。

ZGI 提供了一个可检查、可部署的 Runtime 起点。企业评估时应直接查看公开仓库和文档，用真实任务验证组件行为，不根据产品名称推断安全、合规或承载规模。

GitHub：GitHub - zgiai/zgi: ZGI is an open-source platform for building AI applications. Its intuitive interface combines workflow design, agent orchestration, dataset management, and model integration—allowing you to quickly move from prototype to production. · GitHub

Gitee：https://gitee.com/zgiai/zgi