Plurality：在家自架你的 AI 中控台

📌 本文重點

• Plurality 是本地可自架的 AI 中控台
• 同一介面整合聊天、腳本自動化與多代理協作
• 透過沙盒與 MCP 打造安全可控的 AI Runbook 系統

一句話定位：Plurality 是一個裝在你自己電腦或局域網裡的 AI 中控台，用同一個介面處理聊天、腳本自動化和多代理協作，而且完全開源、可本地部署。

專案連結：https://github.com/azukaar/plurality （建議邊看文邊打開）

---

核心功能：把「聊天 + 自動化 + 安全執行」塞進一個面板

1. 一個介面同時管「聊天」和「背景自動化」

Plurality 的定位很像「你自己架的 Slack + Jira + Runbook 執行器」，但全部交給 AI 來動。

你可以在同一個 Web 介面裡：

• 和 AI 助理聊天
• 建立長期存在的 Agent（例如「專案助手」「報表助手」）
• 為每個 Agent 配好自動化流程（Automation Flow），讓它在背景持續跑

你可以這樣用：

• 先在 Plurality 裡創一個「專案助理」Agent
• 在聊天裡下達指令：「幫我建立一個每日 build 檢查流程」
• 再把這段需求轉成 automation flow：每天定時跑腳本、整理結果、回報到同一個對話 Thread

實際效果：你不再需要切來切去——一樣是在「跟 AI 聊天」，但對話可以變成「可重複、自動執行的任務」。

💡 關鍵： 將常用對話轉成 automation flow，可把「會話」變成每天自動跑的固定任務，減少大量手動重複操作。

行動建議：想像一下你現在最常對 ChatGPT 說的其中一件事（例如「整理日報」「幫我跑某個腳本」），這會是你在 Plurality 裡第一個要做成 Automation 的任務。

---

2. 安全的 CLI + 檔案系統沙盒

Plurality 支援讓代理在「沙盒環境」裡跑 CLI 命令、操作檔案，但重點是：

• 可控制範圍：你可以只把某個專案資料夾掛載給該 Agent
• 可審核：代理要執行敏感命令前，可以設成需要你點擊確認
• 可記錄：所有命令和檔案操作都在介面裡看得到 log

這意味著：

• 開發者可以讓 Agent 幫忙跑測試、打包、整理 log
• 知識工作者可以讓 Agent 在限定資料夾裡整理檔案、產出報告
• 家用伺服器使用者可以讓 Agent 只碰 backup 資料夾，不碰其他東西

你可以這樣設定：

1. 在 Plurality 的設定中，新增一個「Project」或「Workspace」
2. 把 /home/你/某個專案 或 NAS 的某個共享資料夾掛載給這個 Workspace
3. 建立 Agent 並指定它只能使用這個 Workspace
4. 開啟「命令前需要確認」（如果你怕它亂改東西）

行動建議：先選一個「就算搞壞也不會心痛」的資料夾，當作 Agent 測試用沙盒，把 CLI 操作和檔案操作都限制在這裡。

---

3. 搭配 MCP、多代理協作，變成你的「個人 Jira + Runbook 執行器」

Plurality 支援 MCP（Model Context Protocol）等多代理協作生態，你可以把它當成一個統一入口，接上：

• 不同工具的 MCP 伺服器（例如資料庫查詢、Issue 管理、監控系統）
• 多個 Agent 各自負責不同任務

用白話來說：

• 「像 Jira 一樣」：你可以把每個自動化流程當成一個 Ticket / 任務
• 「像 Runbook 一樣」：每個任務裡，是具體的步驟（腳本、API調用、檔案處理）
• Plurality 的 Agent 負責：讀任務 → 選工具 → 執行 → 回報結果

實際用法例子：

• 一個「監控 Agent」：定時讀監控 API → 判斷是否異常 → 若異常就呼叫「Runbook Agent」
• 「Runbook Agent」：按你寫好的流程，連線伺服器、跑腳本、紀錄在一個對話 Thread 裡

行動建議：先想一個你現在「寫在 Notion / Wiki 的 Runbook」，例如「網站掛掉怎麼檢查」，把它拆成步驟，交給 Plurality Agent 來執行一次看看。

---

適合誰用？三個具體場景

1. 開發者：用 Plurality 管專案腳本

適合這樣的人：

• 手上有一堆 npm script / Makefile / shell script
• 常常要：跑測試、打包、部署、整理 log

實際流程可以長這樣：

• 在 Plurality 裡建立一個「專案 Dev Agent」
• 掛載你的專案資料夾（例如 /projects/my-app）
• 讓 Agent：
• 用 CLI 跑 npm test，把錯誤訊息整理貼回聊天
• 根據你的指示修改設定檔或產出新腳本（在沙盒裡）
• 定時跑 lint + test 並生成報告

你每天要做的事情，就變成：開 Plurality → 問「今天 CI 有沒有紅？」→ 讓 Agent 調出 log 給你看。

💡 關鍵： 讓 Agent 接管 npm test、lint 等例行腳本，可把日常 CI/開發檢查集中在單一對話介面完成。

---

2. 知識工作者：整理檔案 + 做定時報告

適合這樣的人：

• 每週要交固定報告（營運簡報、數據摘要、內容整理）
• 桌面 / NAS 上堆滿 PDF、Word、報表 CSV

你可以這樣設計一個 Agent：

• 掛載「報表資料夾」給它（例如 Reports/Weekly）
• 每天或每週固定時間：
• 掃描新檔案
• 自動分類命名（根據檔名、內容）
• 生成一份文字摘要（例如本週營運重點、會議紀錄整理）
• 寄出 Email 或貼到公司內網

整套流程變成：你只要把資料丟進資料夾，其它交給 Plurality。

---

3. 自架家用伺服器：備份 + 監控

如果你有自己的 NAS 或家用伺服器（例如和 Livinity 這種 homeserver OS 類似的架構），Plurality 很適合當成「AI 管家」。

可以做的事情：

• 每天半夜：
• 檢查共享資料夾是否有新檔
• 壓縮後備份到另一顆硬碟或雲端
• 寫 log + 總結備份結果
• 每小時：
• 跑監控腳本（例如檢查 Docker 容器、硬碟空間）
• 若異常，透過 Email / Telegram 通知你

這些都可以用 Plurality 的 automation flow + CLI 沙盒來完成，而且所有設定都留在你自己的網路裡。

💡 關鍵： 把備份與監控自動化放進局域網，能在不依賴外部服務的前提下，建立可審計又可控的「AI 管家」流程。

---

15 分鐘入門：從 clone 到第一個 Automation Flow

下面用一個具體目標來帶你：每天抓 RSS → 總結 → 寄信。

步驟 0：準備環境（2 分鐘）

需求：

• 一台可以跑 Docker 的機器（你的電腦、NAS 或家用伺服器）
• 至少一個可用的模型：
• 本地：Ollama / LM Studio / 其他本地 LLM 伺服器
• 雲端：OpenAI / Claude 等（有 API key）

行動：先確認你有 Docker 和一個模型 API（或已裝好 Ollama）。

---

步驟 1：拉 GitHub repo + 啟動（5 分鐘）

1. 開啟 GitHub 專案：https://github.com/azukaar/plurality
2. 在你的機器上：

git clone https://github.com/azukaar/plurality
cd plurality

1. 使用 Docker（以官方 README 為準，但大致會是）：

docker compose up -d

1. 打開瀏覽器，進入 http://你的機器 IP:PORT（通常 README 會寫預設 port）

行動：先確認你能看到 Plurality 的 Web 介面，並完成初次設定帳號。

---

步驟 2：連上本地或雲端模型（3 分鐘）

在 Plurality 介面的設定裡（通常是「Models」「LLM Providers」之類）：

• 如果你用本地模型（例如 Ollama）：
• 填入 Ollama 的 URL（例如 http://host.docker.internal:11434）
• 選一個模型（llama3 等）
• 如果你用雲端模型：
• 選 OpenAI / Anthropic 等
• 貼入 API key

接著：

• 建立一個「預設 Agent」
• 開一個新聊天，隨便問一個問題，確認模型回應正常

行動：測一次聊天，確定模型接上沒問題，再往下做自動化。

---

步驟 3：設定第一個 Automation Flow：RSS → 總結 → 寄信（5 分鐘）

以概念步驟為主，實際操作依 Plurality 當前 UI 為準（版本更新可能略有差異）：

1. 建立一個 Agent（例如叫 RSS Reporter）：
2. 權限：允許網路請求（抓 RSS）

3. 若需要寄信，先在設定裡填好 SMTP 或 Webhook（視官方檔案支援的方式）

4. 建立 Automation Flow：

5. 觸發條件：每日某個時間（例如 09:00）

6. 步驟設計（可用自然語言描述給 Agent，再微調）：

   1. 抓取指定 RSS（例如科技新聞、公司部落格）
   2. 解析最近 24 小時的新文章
   3. 用模型生成摘要：
      • 列出 3-5 則重點
      • 每則一段話說明「為什麼重要」
   4. 把摘要整理成一封 Email 內容
   5. 呼叫 SMTP/Email 工具寄給你

7. 測試一次：

8. 不用等明天，先在介面裡手動 Run 這個 Flow
9. 檢查 log 和 Email 是否如預期

行動：先用你最常看的其中一個 RSS 做範例，例如你公司部落格或常看的技術網站。

---

小結：把「雜事」搬進你自己的局域網裡

Plurality 的核心價值在於：

• 一個介面聚合聊天 + 自動化 + 多代理
• 可以讓 AI 真正「動手」跑 CLI、操作檔案，但仍在你可控的沙盒裡
• 搭配 MCP、多代理協作，把原本散在各處的腳本、Runbook 和任務，集中到一個你自己掌控的中控台

如果你本來就有自架 NAS、家用伺服器，或公司內網伺服器，Plurality 很適合直接變成「AI 操作台」；如果你只是想找個比 ChatGPT 更能「實際做事」的工具，也可以先在自己電腦上跑一個 Plurality，從那個 RSS → 總結 → 寄信的 Flow 開始。

下一步行動：打開 https://github.com/azukaar/plurality，照本文的 15 分鐘流程做出你的第一個 Automation Flow，之後再慢慢把日常重複工作移進去。

🚀 你現在可以做的事

• 打開 Plurality 專案頁，用 git clone 把專案拉到本機或 NAS
• 準備好一個可用模型（例如設定好 Ollama 或貼入 OpenAI / Claude API key），完成第一次聊天測試
• 挑一個你每天重複做的流程（如 RSS 摘要、報表整理），在 Plurality 裡實作成第一個 Automation Flow