AI 落地在企业落地一种路径
昨天我觉得自己想到了个天才点子。
把 Agent 封装进 Docker，让命令行交互变成 Web API。那些 y/N 的选择、多选菜单，全都动态渲染,再把指令丢回给容器里的 Agent。好处很明显：隔离环境解决权限问题，自定义 base 镜像内置 skills，横向扩展，随时 docker commit 快照。
然后 Claude 泼了盆冷水。ANSI 转结构化 API 会各种挂，而且已经有开源实现了。
我点开链接。OpenHands，6.5 万 star。
被验证的不只是技术可行性
Docker 沙箱、WebSocket 实时交互、PTY 处理、可配置 runtime、企业级权限控制、Kubernetes 部署。我脑子里冒出来的每个功能都在里面，完成度高到让人不好意思。
但真正让我兴奋的不是"我又造轮子了"，而是看到一个 6.5 万 star 的项目验证了同样的架构选择。这种验证不是技术层面的——技术上 Docker + Agent 当然能跑。真正被验证的是：这个方向解决了企业 AI 落地最核心的问题。
AI 工具在企业里的现状是什么？几个技术好的工程师装了一堆 CLI 工具，自己用得飞起。但仅此而已。没办法规模化，没办法统一管理，更没办法产品化给非技术团队用。这些工具只能作为某几个人的提效能力存在，而不是整个组织的基础设施。
OpenHands 做对了什么？它没有直接在宿主机上操作系统，而是在容器启动时运行一个轻量级的 HTTP/WebSocket Server（action_server 或 runtime_client），宿主机通过 API 给容器内的 Server 发指令。
这个设计看起来简单，但它解决了一个根本问题：把不可控的 CLI 交互变成了可编排的 API 调用。 你可以在上面构建权限系统、审计日志、资源配额、多租户隔离——所有企业需要的那些东西。
但为什么不是每个公司都在用？
这里会有人问：既然 OpenHands 这么好，为什么我们公司还没用上？
因为大部分公司根本没准备好。
企业 AI 落地不是装个工具的问题。你得先问自己几个问题：
你的人员知道自己在做什么吗？ 不是指他们会不会用 AI，而是他们理解 AI 在工作流中的位置吗？知道什么该交给 AI，什么不该吗？
你具备规模化管理的能力吗？ 单机应用还是集群部署？有全自动 CICD 吗？数据回收链路完整吗？这些听起来和 AI 无关，但没有这些基础设施，AI Agent 就只能是玩具。
你的工作流范式是什么？ AI 不会自己定义工作流，它只会放大现有流程的效率或混乱。如果你的团队协作本身就是一团乱麻，给他们加 AI 只会乱得更快。
OpenHands 6.5 万 star，但真正能用起来的公司可能不到 1%。不是技术门槛的问题，是组织准备度的问题。
这套架构也不是万能的
Docker + Agent 有个烦人的地方：每次从容器里拉代码会有点麻烦。如果你的工作流需要频繁在容器内外切换，这个摩擦可能会抵消掉隔离带来的好处。
还有个更隐蔽的问题：过度隔离可能会让 Agent "看不到"它需要的上下文。比如你本地开发环境的配置、IDE 的 linter 规则、团队约定的代码风格——这些东西如果没法传递给容器里的 Agent，它生成的代码就会和你的项目格格不入。
所以这不是"所有 AI 都该用 Docker"，而是当你需要规模化部署、多租户隔离、可审计的执行环境时，这个架构才有意义。 如果只是个人用，直接在本地跑可能更方便。
真正的问题在哪
我在本地测试了 OpenHands，确实很牛。但测完之后我一直在想一件事：
为什么企业 AI 落地的讨论，90% 都在谈 Prompt 工程和模型选择，只有不到 10% 在谈基础设施？
这很奇怪。如果你去问一个公司怎么做软件开发，没人会只谈"我们用什么编程语言"而不谈 CICD、监控、部署流程。但一谈到 AI，大家就只盯着 GPT-4 还是 Claude，要不要 RAG，Prompt 怎么写。
基础设施层决定了你能不能把 AI 从几个人的玩具变成整个组织的能力。Docker + Agent 这个架构之所以重要，不是因为它技术上多先进，而是因为它把 AI 当成了需要工程化管理的生产力工具，而不是魔法黑盒。
你可以版本管理 Agent 的运行环境（通过 Docker 镜像），可以审计它的每个操作（通过 API 日志），可以控制它的资源消耗（通过容器配额），可以横向扩展到成百上千个并发任务（通过 Kubernetes）。这才是"AI 落地"该有的样子。
但这需要你的组织已经有了现代软件工程的基础。如果连 CICD 都没跑通，就别想着上 AI 了。
我现在怎么想这件事
6.5 万 star 验证的不是我的想法有多聪明，而是这个方向确实是对的。但同时也说明，大部分人都还在更早的阶段挣扎——他们连为什么需要这套基础设施都没想清楚。
如果你也在想怎么让 AI 在公司落地，别从 Prompt 开始。先看看你的基础设施层准备好了没。不是说要先把所有基础设施搞完美，而是要知道你现在缺什么，以及这个缺口会在哪个环节卡住你。
有时候，技术直觉被验证是件好事。至少说明你在看正确的方向。