Zaro
Zaro 是一个统一的、公司拥有的 AI 工作空间，它将您的内部数据连接到上下文感知的代理和提示构建的应用程序/工作流程，因此自动化保留共享记忆，避免供应商锁定（通过 MCP），并通过与模型无关的路由保持成本效益。
https://zaro.ai/?ref=producthunt&utm_source=aipure
产品信息
更新于：2026年06月29日
什么是 Zaro
Zaro 是一个企业级 AI 工作空间，旨在帮助团队直接从他们已有的数据（文件、会议记录、Slack 线程、CRM 记录等）生成自定义应用程序、代理和工作流程，而无需将上下文分散到不相关的工具中。Zaro 围绕着公司应该拥有其机构智能（而不是供应商）的理念构建，将运营知识集中在一个地方，并允许团队描述他们需要什么（例如，管道跟踪器、仪表板或每周简报）来创建工具，这些工具可以随着时间的推移从同一个工作空间读取和写入。
Zaro 的主要功能
Zaro是一个企业级AI工作区，它将公司分散的数据（文件、电话、CRM记录、Slack对话、规范）统一到一个共享的、公司拥有的上下文层中。代理可以在此层中运行、写回结果，并根据自然语言描述生成自定义的内部应用程序和仪表板。它旨在通过在工作流中保持内存持久性，使“智能复合”随着时间的推移而增长，同时保持模型无关性，并基于MCP（一个用于工具连接的开放标准）构建，以减少供应商锁定，让团队选择其架构和成本配置文件。
共享上下文层（持久内存）: 一个工作区级别的内存，连接公司数据、决策、工作流和操作历史，以便代理和应用程序在任务之间不会“重置”，并可以在先前的输出基础上进行构建。
连接现有工具和数据源: 从文件、电话/会议记录、CRM记录、Slack线程和规范等来源摄取和集中上下文，而无需强制团队改变其工作方式。
读写工作区的代理: 代理可以按计划、触发或按需运行；它们在工作区上下文中操作，并将结果持久化回共享层（例如，捕获的决策、更新的追踪器）。
从纯英文生成自定义应用程序: 描述您的需求，Zaro将构建内部工具，如实时仪表板、自动化晨会简报、渠道/状态追踪器和其他工作流应用程序——无需依赖僵化的模板。
基于MCP的互操作性和架构选择: 基于MCP（AI工具连接的开放标准）构建，实现灵活的集成模式，并通过让客户选择工具和组件的连接方式来减少供应商锁定。
模型无关、成本感知路由: 将更简单的任务路由到成本较低的模型，并将前沿模型保留用于复杂工作，旨在降低AI运营成本，而不是仅使用前沿部署。
Zaro 的使用场景
销售渠道追踪器和站会更新: 根据现有的CRM笔记/电话摘要构建一个渠道追踪应用程序，并运行一个代理，发送包含变更、风险和下一步行动的周一站会更新。
高管或团队晨会简报: 自动从内部更新和相关的外部信号中编译一份早上8点的简报，总结昨天发生了什么变化，今天什么重要，以及需要关注什么。
合规性和审计准备工作区: 集中SOC2/GDPR的工件、决策和证据；运行代理来跟踪差距、更新清单，并为审计和安全审查生成状态仪表板。
产品和工程状态追踪器: 从规范、工单和Slack讨论中提取上下文，生成一个自我更新、突出障碍并记录关键技术决策的实时状态仪表板。
客户支持和运营知识循环: 统一支持线程、事件笔记和运行手册，以便代理可以总结常见问题、提出工作流改进建议，并保持内部“单一事实来源”的最新性。
研究和竞争情报中心: 将研究文档、会议记录和链接聚合到一个工作区中；代理可以提取见解、跟踪决策，并为利益相关者生成可共享的仪表板。
优点
通过在一个具有持久内存的工作区中统一数据、代理和应用程序来减少碎片化。
公司拥有的上下文层有助于减轻供应商锁定并保留机构知识。
通过MCP实现的灵活集成和模型无关的方法可以提高互操作性并控制成本。
缺点
拥有上下文层可能会增加信任/采购要求，并减缓企业采用速度。
对第三方模型/工具的依赖可能会引入可靠性和责任限制（如条款中所述）。
客户构建的应用程序的向后兼容性可能无法保证，随着时间的推移会增加维护风险。
如何使用 Zaro
1) 创建一个工作空间: 在 Zaro 中，首先创建一个与您的范围（公司范围、每个团队或每个用例）匹配的新工作空间。工作空间是一个独立的上下文层，您的数据、代理运行和应用程序输出都集中在一起，以便记忆随着时间的推移而复合。
2) 连接您现有的数据源: 连接您的团队已经使用的工具和存储库，以便 Zaro 可以在一个地方读取上下文（例如，文件/文档、通话记录、CRM 记录、Slack 线程、规范）。目标是集中您已经生成的内容，而无需改变团队的工作方式。
3) 组织和验证工作空间上下文: 确认您连接的内容在工作空间内可见（例如，会议、运营、产品、合规性文件夹）。这确保了代理和生成的应用程序可以可靠地引用正确的文档和历史记录。
4) 在工作空间聊天中提问以验证检索: 使用工作空间聊天提出一个具体问题，该问题应该从您连接的数据中回答（来自来源的示例：“嘿 @Zaro，团队是否就合同续订的价格和日期达成一致？”）。这有助于确认 Zaro 可以找到决策和相关上下文。
5) 将输出捕获回工作空间: 当 Zaro 产生有用的结果（例如，价格/日期等决策）时，将其存储回工作空间，使其成为共享记忆的一部分。该平台旨在使每次交互都在您的工作空间内构建智能，而不是在工具之间丢失。
6) 创建一个从工作空间读取和写入的代理: 为重复的运营任务创建一个代理。代理旨在从您的工作空间上下文读取并将结果写回其中。Zaro 支持按需、按计划或通过触发器运行代理。
7) 安排、触发或按需运行代理: 选择代理的运行方式：安排它（例如，每天/每周）、从事件触发它或手动运行它。来源强调每次代理运行都应该更新工作空间，以便系统随着时间的推移而复合知识。
8) 从您的工作空间数据生成自定义应用程序（提示驱动）: 用简单的语言描述您想要的工具，并让 Zaro 从您连接的上下文中生成它（来自来源的示例：“从我的文件中构建一个管道跟踪器应用程序，并创建一个代理在每周一例会前向我发送更新。”）。Zaro 可以生成仪表板、跟踪器和简报，而无需依赖固定模板。
9) 审查生成的应用程序并确认它保持活动状态: 打开生成的应用程序（例如，销售管道、会议智能、UX 审计、状态跟踪器）并验证它是否连接到您的工作空间数据。预期的行为是应用程序保持活动状态，并随着代理运行和新上下文的到来而更新。
10) 设置自动化报告/简报: 配置一个代理以生成重复输出，例如早间摘要或会前更新。案例研究示例描述了一个夜间新闻监控器，它在早上 8 点发送电子邮件摘要，说明了如何将计划的简报投入运营。
11) 在集成工作流程时使用基于 MCP 的工具连接: 在连接工具或扩展功能时，依赖 Zaro 基于 MCP 的连接（AI 工具连接的开放标准）。这被定位为通过让您选择架构来启用互操作性并减少供应商锁定。
12) 迭代以使智能在工作空间中复合: 继续运行代理并生成将结果写回同一个工作空间的应用程序。核心工作流程是：连接上下文 → 运行代理 → 生成工具 → 将输出存储回工作空间，以便记忆、决策和运营历史随着时间的推移而积累。
Zaro 常见问题
Zaro是一个人工智能工作区平台，它允许团队在单个工作区内，基于自己的数据构建上下文感知的人工智能代理、应用程序和工具。
与 Zaro 类似的最新 AI 工具
invoices.dev
invoices.dev 是一个自动化发票平台，直接从开发人员的 Git 提交生成发票，并具有与 GitHub、Slack、Linear 和 Google 服务的集成能力。
Monyble
Monyble 是一个无代码 AI 平台，使用户无需技术专业知识即可在 60 秒内启动 AI 工具和项目。
Devozy.ai
Devozy.ai是一个AI驱动的开发者自助服务平台，将敏捷项目管理、DevSecOps、多云基础设施管理和IT服务管理结合到一个统一的解决方案中，以加速软件交付。
Mediatr
MediatR 是一个流行的开源 .NET 库，通过实现中介者模式来提供简单和灵活的请求/响应处理、命令处理和事件通知，同时促进应用程序组件之间的松耦合。
类似 Zaro 的热门 AI 工具
Launch
Launch是一个人工智能驱动的平台，使用户能够立即构建全栈应用程序，同时为产品发布、创业项目和客户获取提供全面的工具。
GitHub Copilot Chat
GitHub Copilot Chat 是一个 AI 驱动的编码助手，提供自然语言交互、实时代码建议和直接在支持的 IDE 和 GitHub.com 中的上下文支持。
Rememberall
Rememberall 是一个安全、开源的长期记忆解决方案，使 AI 应用程序和 GPT 模型能够通过语义搜索和向量存储功能在对话中保持持久记忆。
Upsonic
Upsonic 是一个以可靠性为中心的 AI 代理框架，具有 dockerized 服务器-客户端架构，通过验证层、三角架构和模型上下文协议 (MCP) 集成等高级功能实现受信任的代理工作流程。