2026 年 6 月 17 日，Vercel 開源了 eve——一個 filesystem-first 的 agent 框架，也是 Vercel 內部一百多個 production agents 正在跑的同一套程式。它的賣點一句話說得完：durable execution、sandboxed compute、human-in-the-loop、subagents、evals 這些每個 agent 遲早都要重造的輪子，eve 全部預裝；你只定義 agent「做什麼」，框架處理它「怎麼在 production 裡活下來」。
目錄即 agent：把形狀寫進檔案系統
eve 的核心設計是：一個 agent 就是一個目錄，目錄結構就是 agent 的定義。
agent/
├── agent.ts # defineAgent：一行指定 model
├── instructions.md # 每次呼叫前置入的 system prompt
├── tools/ # 工具：一個 TypeScript 檔一個
├── skills/ # 領域知識：一個 Markdown 檔一份
├── subagents/ # 可委派的子 agent
├── channels/ # 通訊渠道 adapter
└── schedules/ # 排程任務agent.ts 裡 defineAgent 一行決定 model，provider fallbacks 由 AI Gateway 支撐，compaction、model options 等選項欄位要用再開；instructions.md 會被放在每一次 model call 之前。工具與技能不必註冊：檔名與位置就是定義，build time 自動載入，檔名直接成為 model 看到的 tool 名，沒有 boilerplate。skill 檔則用一段 description 聲明載入時機——例如「回答任何營收問題前先載入」——讓領域知識只在相關問題出現時進 context。這個手感與 Next.js 之於 routing 如出一轍：框架先約定形狀，你再填行為。
生產能力預裝：durable session 與 sandbox
每一個 conversation 都是一個 durable workflow：每個 step 都被 checkpoint，session 可以為了等批准暫停幾小時甚至幾天，撐過 crash 與 deploy 之後從中斷點原樣恢復。這套 durability 建構在開源的 Workflow SDK 之上。
sandbox 的預設立場更值得注意：agent 產生的 code 一律視為不受信任，每個 agent 有自己隔離的環境跑 shell、scripts 與 file I/O。官方給的實例是「把上週營收按區域拆開並畫圖」：agent 自己寫出 analysis/by_region.py、在 sandbox 裡用 bash 執行，回報美洲 $2.1M、歐非中東 $1.6M、亞太 $0.5M，圖存成 analysis/by_region.png。任務需要不存在的工具時，agent 可以現場寫一個。backend 是 adapter 設計——部署到 Vercel 用 Vercel Sandbox，本地開發可用 Docker、microsandbox 或 just-bash。
human-in-the-loop 被壓縮成 tool 上的一個欄位：needsApproval 可以設條件，例如查詢掃描量超過 50GB 才要求人工批准。agent 會在那裡無限期暫停、不消耗 compute，核准後從原處繼續。
人機邊界：connections、channels 與 subagents
對外連線用 connection 檔案管理：一個檔案指向一個 MCP server 或相容 OpenAPI 的 API，model 看不到 URL 或 credentials，OAuth 由 Vercel Connect 處理。launch 時可直連 Slack、GitHub、Snowflake、Salesforce、Notion、Linear。
channel 只是一個小 adapter 檔：HTTP API 預設開啟，內建 Slack、Discord、Teams、Telegram、Twilio、GitHub、Linear，defineChannel 支援自訂，channel 之間可以 handoff——同一個 agent 因此能同時存在於多個介面。
委派靠 subagents：子 agent 是 subagents/ 裡一個同樣形狀的目錄，有自己的 instructions、tools 與 sandbox；parent 像呼叫 tool 一樣呼叫它，child 以乾淨的 context window 開始，只帶被授予的 tools。
觀測與驗證：traces、evals 與部署節奏
每次 run 產生 trace，列出每個 model call 與 tool call 的輸入輸出，以及 sandbox 裡執行的指令；spans 是標準 OpenTelemetry，可匯出到 Braintrust、Raindrop、Arize、Honeycomb、Datadog 或 Jaeger。evals 同樣檔案化：defineEval 寫成 scored test suites，eve eval 能跑本地，也能直接指向部署中的 app；接進 CI 之後，它就是 deploy gate。
本地開發是 eve dev 一個命令：起 dev server 與 terminal UI。重點是 TUI 只是 client——agent 透過 HTTP 暴露同樣的 structured events，curl、測試腳本或 CI 都能驅動它。部署號稱零 provisioning：agent 就是普通的 Vercel project，vercel deploy 即上線，部署不打斷進行中的 session，schedules 部署為 Vercel Cron Jobs，每個 commit 有 preview deployment、可即時 rollback。
Vercel 自家的戰績：一百個 agent 在跑（廠商自述）
eve 最有力的論證是 Vercel 自己。這一百多個 agents 前身是各自獨立的專案、各自的技術棧，各有一套狀態保存、憑證仲介與日誌輸出——官方說，多數團隊就是在第二、第三個 agent 之後落到這個處境。如今它們活在同一個 monorepo，因為形狀相同，一百個 agent 用與一個相同的工具和慣例建構、觀測、升級。幾個被點名的案例（以下數字全部是 Vercel 自述，無第三方驗證）：
| Agent | 角色 | 自述數字 |
|---|---|---|
| d0 | 資料分析，Slack 問答，查詢權限隨提問者——你看不到的表它也看不到 | 每月 30,000+ 問題 |
| Lead Agent | 全天候跑最佳業務劇本 | 年成本約 $5,000，回報 32 倍 |
| Athena | RevOps 六週無工程師建成 | pipeline coverage 近乎翻倍 |
| Vertex | 全天候 support | 自解 92% tickets |
表格外還有兩個營運細節值得記：Lead Agent 在新 lead 進來的當下就處理、自主跟進，不讓任何一條過夜變冷，一年只需一位工程師兼職維護；Athena 則以自然語言回答來自 Snowflake 與 Salesforce 的 pipeline 與 forecast 問題。旁證還有一個方向性數字：一年前 agents 觸發的 Vercel deployments 不到 3%，現在約 29%，官方預期很快過半。
限制、取捨與 Builder 建議
取捨要先講清楚：launch 部署目前僅支援 Vercel，其他平台官方只說 on the way；框架深度整合 Vercel 生態（Sandbox、AI Gateway、Observability），離開 Vercel 就要自己接 adapter，公告也未載明 license 名稱，引用時以 repo 為準。另一個容易誤會的點：公告正文從未出現 AI SDK 字樣，唯一的間接訊號是 trace span 的命名（如 ai.streamText）與 provider fallbacks——把它讀成 AI SDK 的封裝是推論，不是官方陳述。
它也不是 no-code 工具：工具仍是 TypeScript、知識仍是 Markdown，要學的是目錄慣例。對 builder 的建議很具體：eve 以 npm package 發佈，開發在 github.com/vercel/eve 公開；最便宜的驗證方式，是挑一個現有 agent 用它的目錄結構重寫一次，感受「一個檔案一個能力」把 boilerplate 消掉之後，剩下的程式碼有多貼近意圖。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。