打開就能工作的 AI Agent：Aileron 的 Workspace 設計實踐

AI Agent 已經不只是一個會寫程式的工具。從 Claude Code、Codex、Gemini 到OpenCode，不同 Agent 能力正在快速演進；但對企業來說，真正困難的往往不是模型夠不夠強，而是如何讓 Agent 在符合內部規範、權限治理與基礎設施要求的前提下，被團隊穩定採用。

實際導入時，使用者常常還是得自己處理 system prompt、MCP、skills、slash commands、工具安裝、SDK、CLI、專案起始檔案與執行環境。這些設定散落在個人經驗、團隊文件與本機環境裡，讓 AI Agent 很難從工程師個人工具，變成企業可管理、可複製、可擴展的工作方式。

本次將介紹 Aileron 開源平台, Aileron 的目標不是只讓 AI 更會寫 code，而是讓組織可以用標準化的方式提供 Agent 工作區，讓使用者打開 workspace 就能開始工作。

為了讓這件事成立，Aileron 聚焦在三個關鍵設計：

1. 讓 Agent 更容易被企業採用 透過集中式 Marketplace、模板、權限與標準化能力，將 system prompt、MCP、skills、slash commands、起始檔案與工具需求包裝成可分發、可選擇、可治理的工作區能力。企業不需要依賴每個人手動拼裝 Agent 設定，而是可以用平台化方式管理不同場景的 Agent 使用方式。
2. 讓使用者更容易開始工作 Aileron 將 Chat、檔案管理、Git、Web Terminal、OpenSpec 與常用 CLI / SDK 整合在同一個 workspace 中，並透過 base image 預先準備執行環境。使用者不需要先安裝一堆工具、處理權限或設定本機環境，就能直接進入可工作的Agent workspace。
3. 與 Kubernetes 結合，支撐正式環境部署 Aileron 透過容器化 runtime 與 workspace-operator，將每個 Agent workspace 轉換成 Kubernetes 中可動態佈建、隔離、重現與管理的執行環境。這讓 Agent 不只是換 prompt，而是真的進入對應任務的工作場景，也讓企業能用既有的 K8s來承載 Agent 工作負載。

本次分享重點包括：

1. 導入 AI Agent 時，從個人工具走向平台化工作區會遇到哪些門檻
2. Aileron 如何用 Marketplace / 模板系統，讓 Agent 能力變成可分發與重用的 workspace capability
3. base image、容器化與預裝工具，如何降低使用者開始工作的成本
4. workspace-operator 如何結合 Kubernetes，動態建立可隔離、可重現、可管理的 Agent workspace
5. 使用 OpenSpec 開發 Aileron 的歷程與實務經驗