YAML 定义代理
代理写在仓库里的配置文件中,随代码一起评审与合并,版本可回溯,团队能复用同一套规范;同一份配置还能声明多个用途不同的代理。
拖动滑块完成拼图,通过后发送验证码
独立第三方 AI 评测平台 · 只用实测数据
Ellipsis 现在在官网上的定位写得很明确:Managed Cloud Agents Platform,也就是托管式云代理平台。它早年以自动评审 PR 的机器人起家,如今把重心放在「把代理写进代码仓库」这件事上:代理用 YAML 定义,可以指定触发条件(定时任务,或 GitHub、Linear、Slack、Sentry 的事件)、跑在哪个编码代理壳里(Claude Code 或 Codex,官方示例显示改一行即可切换)、用哪个模型、覆盖哪些仓库、预算上限多少。沙箱、权限、日志与花费控制由平台负责,同时提供 REST API 与命令行工具做程序化调用,所以它更适合愿意写配置、把编码代理当基础设施用的团队。代码评审是这个平台上的一个典型代理用例:自动评审 PR 并在评论里给出意见。要留意的是,作为评审工具它的专项深度不如只做评审的同类产品,而作为代理平台,它的价值主要体现在把评审、issue 分诊这类重复工作统一成可版本管理的配置。
一句话概括:用 YAML 把编码代理写进仓库的托管式云平台,评审只是其中一个用例。
代理写在仓库里的配置文件中,随代码一起评审与合并,版本可回溯,团队能复用同一套规范;同一份配置还能声明多个用途不同的代理。
既支持定时任务,也能由 GitHub、Linear、Slack、Sentry 等系统的事件触发,让代理跟着团队既有的工作节奏自动启动。
官方配置示例显示可以在 Claude Code 与 Codex、Anthropic 与 OpenAI 的模型之间按行切换,避免被单一供应商锁死。
自动评审 PR 并留下意见,是平台上现成的用例之一,适合作为第一个落地的代理;它的意见停留在评论层面,不会替你直接合并;它给出的意见仍需要人来判断是否成立。
可以部署进你自己的 AWS 账号或 VPC,官方称此时凭据、代码与模型调用都不离开该环境,算力由 AWS 单独结算,部署与运维由团队自己承担。
沙箱、权限、运行日志与花费上限都在平台侧统一管理,代理跑飞了有日志可查、有额度可拦,额度耗尽后的处理方式以官方文档说明为准。
提供 REST API 与命令行工具,可把代理的触发与结果读取接进自建系统,而不只是在网页上手动点几下,自动化链路能完整闭环。
| 模型 / 系列 | 说明 |
|---|---|
| Anthropic Claude 系列 | 官方配置示例中出现 Claude Code 与 Claude 模型 |
| OpenAI GPT 系列 | 官方配置示例中可在 Codex 与 OpenAI 模型间切换 |
平台托管模型调用并按 token 计费;官方称交互式会话也可跑在自己的 Claude Code 或 Codex 订阅上,配置里可更换模型与代理壳。
AI 编程软件的价格与额度调整频繁,本页只记计价方式、不构成报价;下单前请以 官方定价页为准。
免费与试用方面:无免费额度,官方以「按消耗付费 + 自助注册」替代免费层。计价方式为按量计费,超出免费范围后按官方档位付费,具体额度以官网为准。
官方口径涉及 Anthropic Claude 系列、OpenAI GPT 系列 等模型。平台托管模型调用并按 token 计费;交互式会话官方称可跑在自己的 Claude Code 或 Codex 订阅上,配置里可换模型与代理壳。模型通常由官方统一提供,能否自行更换要看订阅档位与官方设置。
计价方式:按量计费。按代理实际消耗的 token 计费,官方模式为模型成本加固定比例的平台费;托管在自有 AWS 账号时算力由 AWS 单独计费,另有面向企业的按档次支持包。具体价格以官网为准。
支持的系统:Web。运行在:浏览器。代码语言方面:全语言。国内访问可能需要网络条件,具体可用性以官网为准。
Ellipsis 是闭源商业软件,不提供源码。支持在自己的环境里运行(本地或私有化部署),适合对代码外泄敏感的团队。
不支持自带 API Key,模型调用由官方统一提供。同时不支持本地模型,需要联网使用官方服务。
CodeRabbit 这类工具交付的是评审意见本身,装上就有输出;Ellipsis 交付的是一个可编程的代理运行环境,评审只是其中一个现成用例,你还能让它做定时任务、issue 分诊与告警跟进。反过来,只想要评审深度、不想维护配置的话,专用评审工具更直接。
官方提供自带云方案:把平台部署进你自己的 AWS 账号或 VPC,官方称此时凭据、代码与模型调用都不离开该环境,算力由 AWS 单独结算。使用官方托管版时数据边界以官方说明与合同条款为准,敏感代码库建议先走自带云方案评估。
代理的预算上限写在配置文件里,由平台侧做花费控制,这是它区别于裸跑模型调用的一点。具体触顶后的行为(中断、告警还是暂停代理)以官方文档为准。由于按 token 消耗计费,建议先在单个仓库上跑通、观察一个周期的实际消耗再铺开。
主要是两件事:读懂 YAML 配置的结构,以及想清楚触发条件与仓库范围。不需要算法背景,但要求有人愿意维护这份配置并盯住消耗。若团队里没有愿意承接这活的角色,采用后大概率会变成没人维护的僵尸代理,建议先指定负责人。
软件的能力、定价与平台信息取自厂商公开页面并逐条核验;价格与额度随官方调整,请以各官网为准,核验时间 2026-10。