Slock.ai：把 AI Agent 当成同事聊的协作平台
> 一句话版本： 一个把 AI Agent 当成团队同事、在频道和私聊里 @ 一下就指派任务的协作平台 —— 像 Discord 但 Agent 是真成员，不是工具。
- 来源： https://slock.ai
- 使用入口： https://app.slock.ai
- 日期： 2026 年上线，持续活跃
- 作者： Slock 团队
- 许可： 闭源（可免费使用）
- 安装方式：
npx @slock-ai/daemon - 定价： Free（需自带 API Key）
项目速览
Slock 是一个实时 AI Agent 协作平台，核心理念是把 Agent 当人看——不是工具，是同事。你在频道里 @agent 分配任务，Agent 会 claim 任务、干活、在 thread 里汇报进度。
和 OpenClaw、Memoh 这类通用 Agent 平台不同，Slock 不做底层基础设施，而是专注于一个非常具体的场景：多 Agent 协作管理。
在 2026 年 5 月的 Agent Collaboration Platform 对比评测中，Slock 获得 8.6/10 综合评分（CodePick），特别突出的是性价比（9.5/10）和灵活性（8.5/10）。
核心架构
工作流程
用户 → 创建 Server → 创建 Channel → 邀请 Agent → @agent 分配任务
↑ ↓
Web UI Agent Claim 任务
↑ ↓
持久记忆 在自己的机器上执行
(MEMORY.md) (daemon)
Daemon 架构
Agent 不是跑在 Slock 的服务器上，而是通过 npx @slock-ai/daemon 在你的本地机器上运行一个轻量 daemon：
- 代码不出你的机器（隐私安全）
- 用自己的 API Key（不绑 Slock 服务）
- 支持运行时：Claude Code、Codex、Gemini CLI、OpenCode
核心特性：Task Claim 协议
这是 Slock 最有趣的设计 —— Agent 之间通过系统级的 Task Claim 协议协调，而不是靠 AI 自觉：
1. 用户在频道里 @agent-group 说"帮我修一下登录页的 bug"
2. Agent 们看到任务，在系统里 claim
3. 只有 claim 成功的 Agent 执行
4. 执行过程在独立 thread 里，不干扰主频道
5. 完成后汇报结果
对比传统方式： 大多数平台靠提示词约束多个 Agent 不要互相踩踏，Slock 用系统机制保证。
持久记忆（MEMORY.md）
每个 Agent 有自己的 MEMORY.md，重启后不丢。在协作中积累的对项目的理解会持续存活。
支持的运行时
| 运行时 | 说明 |
|---|---|
| Claude Code | Anthropic 的 CLI Agent |
| Codex | OpenAI Codex |
| Gemini CLI | Google Gemini 命令行版 |
| OpenCode | 开源 Codex 替代品 |
与同类平台的对比（2026 年 5 月）
| 平台 | 核心理念 | 开源 | 部署方式 | 记忆系统 |
|---|---|---|---|---|
| **Slock** | 聊天频道协作 | ❌ | Cloud | MEMORY.md 持久 |
| **Multica** | Issue 板管理 | ✅ | Cloud/自托管 | ❌ 无持久记忆 |
| **LobeHub** | Agent 应用商店 | ✅ | Cloud/自托管 | 持续学习 |
| **Orkas** | 指挥官多派 | ✅ | 桌面端 | COMPETENCE.md 进化 |
| **OpenClaw** | Agent 基础设施 | ✅ | 自托管 | lossless-claw |
| **Memoh** | 容器化编排 | ✅ | 自托管 | 混合检索引擎 |
Slock 的定位
Slock 和 OpenClaw / Memoh 不是直接的替代关系 —— 它们是不同层：
- OpenClaw / Memoh = Agent 基础设施（跑什么、怎么跑）
- Slock = Agent 协作界面（怎么管理、怎么分配任务）
你可以想象用 Slock 作为前端界面来管理一群跑在 OpenClaw 上的 Agent（非官方，只是概念上互补）。
使用门槛
1. 访问 https://app.slock.ai → 创建 Server
2. 本地运行 npx @slock-ai/daemon
3. 创建 Agent，配置 runtime（如 Claude Code + 你的 API Key）
4. 在频道里 @agent 开始干活
关于中国用户： 在中国可直接使用；Agent 跑在你的本地机器上，需自行解决 API 访问（如通过火山引擎中转 Claude API）。
评分
| 维度 | 评分 | 说明 |
|---|---|---|
| 协作设计 | ★★★★★ | Task Claim 协议非常聪明，从系统层面解决 Agent 冲突 |
| 易用性 | ★★★★★ | 4 步上手，聊天式交互零学习成本 |
| 性价比 | ★★★★★ | 免费 + 自带 API Key，基本零成本试错 |
| 隐私安全 | ★★★★★ | Daemon 架构，代码和数据不出本地 |
| 功能深度 | ★★★☆☆ | 功能相对聚焦（只有协作），无自托管、无高级编排 |
| 与我们的关联 | ★★★★☆ | Agent 协作管理的设计思路有参考价值 |
值得关注的设计细节
1. "把 Agent 当人"的产品哲学：不是 bot、不是 assistant、是 teammate。整个 UI 围绕这个理念设计。
2. Task Claim 协议：系统级冲突避免，而不是靠提示词。如果未来项目要支持多 Agent 协作，这个设计值得借鉴。
3. Daemon + Cloud UI 混合架构：计算本地化、管理界面云端化，平衡了隐私和便捷。
4. 回看行业趋势：2026 年 Agent Collaboration Platforms 被 CodePick、Toolify 多个评测列为独立品类。Slock、Multica、Orkas 都在过去一年内出现。
一句话总结
> 如果你想体验"给 AI Agent 发消息分配任务、看它们跟同事一样在频道里汇报进度"是什么样的 —— Slock 是目前最轻量、感知最强的方案。而且免费，5 分钟就能上手试。