Ontheia 是什麼？給團隊自架的 AI agent 平台，權限與個資都管得住

公司要用 agent，卡的從來不是技術

個人玩 AI agent，裝了就跑。但把同一件事搬進公司，問題馬上變成另一種：誰能用哪個 agent？客戶資料會不會被 agent 送出去？主管要稽核 agent 做過什麼，紀錄在哪？歐洲客戶問你 GDPR 合規怎麼做，答得出來嗎？

市面上大多數 agent 工具是為個人設計的，這些問題全都要你自己補。Ontheia 把「管得住」當成產品核心：開源、自架、從第一天就內建多人權限和個資治理的 agent 平台。

它給你哪些東西

定位講完了，看它實際給什麼：

• 多模型支援：Claude、OpenAI、Gemini 之外也接 Ollama——敏感場景可以全走本機模型，資料不出機房。
• 長期記憶：內建以 pgvector 為底的記憶層，agent 跨對話記得住脈絡，不用另外拼記憶方案。
• 視覺化工作流：把多步驟任務串成可以重複執行的流程，非工程師也看得懂。
• 多人與權限（RBAC）：組織、團隊、角色分層，誰能碰什麼 agent、什麼資料，管理員說了算。
• GDPR 取向設計：資料落地自架、可刪可查，面對法遵詢問有得答。

授權是 AGPL-3.0，用 Docker 部署在自己的基礎設施上。

跟 Dify、Cognee 怎麼分

站上相關的兩個工具擺在一起，分工就清楚：

• [Dify](/articles/github-tools/dify)：AI 應用開發平台——重點是把 AI 做成客服、問答這類產品。
• [Cognee](/articles/github-tools/cognee-self-hosted-ai-memory-guide)：自架記憶引擎——它是零件，給開發者組進自己的系統。
• Ontheia：團隊的 agent 營運平台——重點是一群人共用 agent，而且權限、紀錄、個資都管得住。

要做產品選 Dify，要記憶零件選 Cognee，要「公司內部安全地用 agent」才是 Ontheia 的主場。

適合誰、不適合誰

適合：

• 中小團隊想導入 agent，但 IT 或法遵過不了「資料上雲」這關。
• 處理客戶個資的行業（金融、醫療、人資），需要權限分層和稽核。
• 已有機房或私有雲，想把 AI 能力收進來統一管理的組織。

不適合：

• 個人使用者——RBAC、組織管理對你是累贅，Odysseus 或 Open WebUI 那類個人向工具更順手。
• 想要「開箱即用零維運」的團隊——自架平台就是要有人當管理員，沒這個人力就考慮雲端方案。

導入前的評估清單

比起「怎麼裝」，這類平台更該先想「值不值得裝」：

1. 先數人頭：有沒有至少一個能維運 Docker 服務的人？沒有就先別談。
2. 小範圍試：挑一個非敏感流程（例如內部文件問答）先跑一個月，驗證團隊真的會用。
3. 權限先設計再開放：誰是管理員、誰能建 agent、誰只能用，上線前定清楚——事後收權限比事前給權限痛苦十倍。
4. 法遵對齊：它給你 GDPR 取向的工具，但合規流程還是要你的法務確認——工具不能代替制度。

還有一點要特別點出：專案還年輕，社群和文件都在長，安裝走 Docker、步驟以官方文件為準。導入決策裡要放進「它可能快速改版」這個變數，關鍵流程先別完全押上去。

該不該排進評估清單？

如果你的團隊卡在「想用 agent 但過不了資安法遵這關」，Ontheia 是目前少數把這個痛點當主菜的開源選項，值得排進評估清單。如果你是個人玩家，這篇當開眼界就好——你的答案在別篇。

下一步可以先看什麼

• Dify 是什麼：要開發 AI 應用產品看這個。
• Cognee 是什麼：要自架記憶零件看這個。
• n8n 是什麼：偏自動化工作流的另一條路。

參考來源

• Ontheia 官方網站：https://ontheia.ai

本文最後查證日期：2026-08-07