CodeConductor

CodeConductor 是什么

CodeConductor 是 CodeConductor, Inc. 推出的企业 AI 应用、智能体与治理平台，2024 年成立，团队分布在旧金山湾区和印度 Chandigarh。它把应用生成、智能体编排、模型路由、策略控制、部署和观测放在统一控制平面中。

产品面向平台工程、IT、安全、开发和业务团队，强调生成可导出的真实代码，并沿用组织已有的 Git、云、身份和可观测性工具。它不是只在编辑器里补全代码的个人编程助手。

平台组成

主要功能

App Studio 应用开发

• 产品团队可以描述要构建的应用，再用视觉组件组合页面、绑定数据、预览并提交代码。
• 支持导入 React、Chakra、Tailwind、Material 或内部组件，编辑属性并同步主题。
• 前端逻辑会序列化为 React 与 TypeScript 代码并写入客户 Git 仓库，而不是锁在专有数据库中。
• 后端可与前端一起生成，页面列出 Python 示例和自动生成 CRUD 接口，具体技术栈由部署方案确定。
• 支持双向 Git 同步、Pull Request 与代码审查，离开平台后生成代码不要求保留 CodeConductor 运行时。

Copilot Studio 智能体编排

• 可视化流程用于排列指令、推理、检索、工具和输出步骤，并设置分支、决策门和逐步模型参数。
• RAG 管线包含分块、嵌入、索引、重排和上下文管理，可连接组织知识与向量存储。
• 智能体可以在权限范围内调用函数、程序接口、数据库和多步工具链，而不只是生成文本。
• 执行轨迹显示输入、工具、响应、延迟、令牌和成本，便于调试与事后审计。
• 开发、预发布和生产版本可通过 Git 配置、CI/CD 检查、回滚和金丝雀流量逐步发布。

模型路由与数据检索

• Model Router 可连接 OpenAI、Anthropic、Google Gemini、Meta Llama、Azure OpenAI、AWS Bedrock、Mistral、自定义接口和本地模型。
• 路由规则可综合成本、延迟、能力、历史成功率、数据驻留、敏感信息和允许的提供商。
• 敏感请求可被引导至私有 VPC 或本地模型，并在外部模型不可用时设置回退。
• 数据层支持文件、数据库、对象存储、向量库与知识库，并提供混合检索、元数据筛选和数据沿袭。
• 统一仪表盘记录请求量、提供商、路由原因、错误、回退和模型开销，实际指标取决于接入配置。

策略、安全与治理

• 控制平面先解析身份和工作区，再使用 OPA 策略检查权限，随后解析依赖、执行请求并写入日志。
• 策略可实施角色权限、租户数据隔离、敏感信息脱敏、模型白名单、速率限制和生产发布审批。
• App Studio 会对生成代码执行策略验证、依赖扫描、注入与跨站脚本等安全检查。
• Copilot Studio 提供敏感信息检测、毒性过滤、输出策略、主题限制、注入防护和发布前红队测试。
• 安全控制能降低风险但不能保证代码、模型和配置没有缺陷，企业仍需独立测试与审计。

集成与现有技术栈

• 工程连接包括 GitHub、Jenkins、PagerDuty、Harness、Datadog、Slack 和 Terraform。
• 身份连接包括 Okta 和 Azure AD，可结合 SAML、OIDC、SCIM 与角色映射。
• 数据与模型连接覆盖 PostgreSQL、Snowflake、Pinecone、Elasticsearch、Firebase、Kafka、Dataverse、S3 和多家模型提供商。
• 业务连接列出 Salesforce、QuickBooks、Xero、Plaid、Gong、Zapier、n8n 等，具体读写动作需逐个核对。
• CodeConductor 的作用是把连接置于统一策略和审计下，不要求企业立即替换全部现有系统。

架构与请求流程

1. 应用或智能体发起请求，控制平面解析用户身份、工作区和上下文。
2. OPA 策略根据访问级别、数据边界、模型规则和操作类型判断是否允许。
3. Unified Graph 解析应用、数据、工具与模型之间的依赖关系。
4. Model Router 根据策略、能力、成本与延迟选择模型和数据路径。
5. 隔离的数据平面运行时执行请求，并把结果返回应用或智能体。
6. 系统记录遥测、策略判断、工具调用和部署事件，用于监控与审计。

完整实施流程

1. 列出目标应用、数据敏感度、用户角色、现有云和必须遵守的制度，申请发现会议或结构化试点。
2. 选择 Standard、Pro、Enterprise 或 Strategic 的范围，并在报价中明确构建席位、容量、环境和支持。
3. 连接身份、Git、数据、模型、程序接口和可观测性，先采用最小权限的非生产凭据。
4. 在 App Studio 描述应用并绑定组件和数据，或在 Copilot Studio 设计智能体的检索、工具和分支。
5. 把权限、敏感信息、数据驻留、模型使用和生产发布要求写成可执行策略。
6. 在 DEV 和 STAGE 环境进行功能、安全、负载、红队、恢复与人工审批测试。
7. 通过流水线和分阶段流量部署生产版本，观察错误、成本、路由和审计日志。
8. 定期轮换密钥、复查连接器权限、评估模型变化，并演练代码和数据导出。

适合用户与场景

• 希望为各业务团队提供统一 AI 应用平台，同时避免形成影子 IT 的 CIO 和平台负责人。
• 需要用企业组件和参考架构快速交付内部应用的工程团队。
• 希望把知识检索、数据库查询和业务动作组合成可审计智能体的 AI 团队。
• 需要强制数据边界、模型白名单、脱敏和发布审批的安全与合规团队。
• 需要私有 VPC、本地或隔离部署，并控制模型密钥和数据驻留的受监管组织。
• 为多个客户实施平台能力、迁移旧系统或建立联合路线图的系统集成商。

价格、方案与试点

CodeConductor 不公开固定金额，报价通常综合构建席位、平台容量、工作负载、治理要求和部署位置。所有正式方案均需联系销售，Enterprise 与 Strategic 还可能采用容量或结果计费。

方案注意事项

• Standard 的无限代码生成、GitLab 和流水线不表示产品数、功能数和集成数也无限。
• Pro 扩大产品、功能、集成、开发者和支持，但仍存在表中列出的组合上限。
• Enterprise 的最高 99.99% SLA 属于可定制上限，不是所有客户默认获得的服务水平。
• 早期创业公司、非营利和教育机构有专项计划，但折扣比例需在销售流程确认。
• 本次未确认统一公开的退款与取消政策，应在报价、主服务协议和订单中写明。

部署与平台形态

安全与合规状态

• 客户数据传输使用 TLS 1.2 或更高版本，加密静态数据时采用 AES-256。
• 身份控制包括 SAML、OIDC SSO、角色权限和默认最小权限，管理员可获取或申请导出审计日志。
• HIPAA 状态表述为支持相关工作负载，并为符合条件的客户提供 BAA；具体系统边界需在协议中确认。
• GDPR 状态表述为支持数据主体权利、合法处理和 DPA，不代表客户接入后自动完成全部合规义务。
• SOC 2 Type II 目前仍在进行中，不能视为已经获得的认证。
• 安全页承诺不使用客户数据训练模型，并在可用时采用第三方模型的零数据保留条件。
• 客户可导出应用、代码和数据，但实际退出流程、格式、时间和费用应写入合同并演练。

隐私与数据处理

• 隐私政策列出姓名、电话、邮箱、地址、职位、账户、联系偏好、支付和用户主动提交的信息。
• 系统还可能处理 IP、浏览器、设备、操作系统、访问页面、停留时间、位置、Cookie 和类似追踪数据。
• 支付由 Stripe 处理，AI 功能可能把输入、输出和相关个人信息交由 OpenAI、AWS AI、Anthropic 和 Google Cloud AI 处理。
• 安全页的不训练承诺与隐私政策中的第三方处理应同时理解，采购方仍需确认每个模型的保留条款和区域。
• 个人信息保存到实现既定目的所需期限，通常不超过账户存续期；不再需要时删除或匿名化，备份例外需确认。
• 符合条件的用户可申请访问、更正、删除、限制、反对、撤回同意或数据携带，并可使用隐私选择机制退出定向广告分享。
• 服务不面向 16 岁以下用户，网站条款另要求使用网站者至少 18 岁。

代码归属、API 与开源状态

• 安全页表明客户拥有其应用、数据和代码，App Studio 也允许把生成逻辑写入客户 Git 并导出。
• 网站条款只授予个人非商业访问站点的有限许可，企业生产使用应以另签的主服务协议、数据协议和订单为准。
• 平台可生成 CRUD 接口并连接内部程序接口，但本次未确认面向公众的统一开发者 API 或通用 SDK。
• GitHub 集成、托管 GitLab、可导出代码和使用开源框架都不等于 CodeConductor 产品本身开源。
• 本次未确认官方公共代码仓库或产品开源许可证，应把平台视为专有商业服务。

能力边界

• 策略代码只有在规则完整且上下文正确时才有效，错误策略可能误放行或阻止正常业务。
• RAG、模型路由和幻觉检测可以提高可控性，但不能保证每个回答真实、完整或适合自动执行。
• 大量连接器不代表所有动作都已预置，认证、字段映射、限流和错误恢复仍需实施。
• 生成代码应进入常规代码审查、依赖扫描、测试和变更管理流程，不能只看平台扫描通过。
• 多云、本地和隔离部署会增加网络、升级、密钥、监控与灾难恢复复杂度。
• 网页上的效率与成本示例不应直接当作采购收益承诺，企业应使用自己的基线和试点数据评估。

总结

CodeConductor 适合希望同时提高应用与智能体交付速度，并把模型、数据、代码和部署纳入统一治理的组织。采购重点应放在试点验收、方案上限、部署责任、模型保留、SOC 2 进度、退出演练和合同价格，而不是只比较生成界面速度。