首页 › new-tools › 三件Agent新基建，中文圈还没教程

这一轮不聊模型，聊模型周围的三块“地基”。名字你可能一个都没听过：E2B、Onyx、Docling。它们在海外开发者圈已经站住了脚——Agent创业公司拿E2B给AI开电脑，美国公司拿Onyx当内部大脑，IBM把Docling开源出来粉碎一切PDF。但在中文圈，这三件的深度教程几乎为零。做Agent应用的朋友，这三个名字建议直接进你的技术选型清单，因为它们解决的是同一个痛点：大模型本身不产出价值，模型周围的管道才产出价值。

一、E2B：给Agent一台用完即扔的电脑

它解决的是所有Agent开发者都撞过的墙：让AI“动手”而不只是“动嘴”。用户问“帮我把这份CSV按季度做个图”，AI生成的pandas代码如果跑在你的生产环境，一次rm -rf就能让你原地毕业。用E2B的思路是：把代码丢进沙箱执行，拿到结果和图表再返回给用户。

上手有多简单：Python侧一个SDK（pip install e2b-code-interpreter，另有JavaScript SDK），几行代码就能起一个沙箱、把AI生成的代码喂进去、拿回执行结果。它对模型完全中立——Claude、GPT、DeepSeek生成的代码都能跑，你只管把“生成代码”和“执行代码”两步接起来。官方宣称沙箱是亚秒级启动（以官方文档为准），快到可以塞进一次对话请求里。

价格：核心是开源的，可以完全自托管；云托管版有免费额度，之后按沙箱运行时长计费（具体额度与单价以官网为准）。

为什么值得关注：海外这波“会干活”的Agent——数据分析助手、自动化测试、AI做报表——底下的执行层大量用的就是这类沙箱方案。自己拿Docker搓一个当然行，但进程隔离强度、冷启动速度、并发调度，全是脏活。E2B把这些打包成了API。

国内对比：国内做Agent的团队大多还在“云函数+自建K8s”的路线上，缺少这种“一次性微虚拟机即服务”的成品形态。同类的开源项目Open Interpreter走的是本地执行路线，适合个人玩家，但放到多用户产品里，E2B这种云端隔离明显更稳。沙箱要过合规审计的，开源版可以整套装进内网。

适用人群：做Agent平台、AI数据分析工具、AI编程产品的工程师。

二、Onyx：把公司大脑装进一个开源聊天框

它的前身叫Danswer，后来更名为Onyx——项目一直在活跃迭代。定位对标的是美国企业搜索界的Glean（那可是按席位收重金的SaaS），而Onyx把核心能力开源了：自托管、数据不出内网、连接器随便挑。

几个真实戳中痛点的细节：

  1. 权限继承。AI不是把公司机密抄给所有人的复印机——它跟着文档本身的权限走，你没权限看的合同，AI也不会答给你（具体各连接器的权限粒度以官方文档为准）。这一点是很多自研RAG项目栽过的坑。
  2. 能住进Slack。不用让员工再开一个网页，直接在Slack里@它问“上次和客户对齐的报价口径是什么”，它翻完Drive和Confluence带着链接回答。
  3. 可定制多个AI助手。给销售配一个懂所有PPT话术的，给客服配一个只读工单库的，各管各的知识范围。

价格：开源版免费自托管，官方提供企业版收费支持（以官网定价页为准）。

国内对比：飞书智能问答、钉钉AI助理确实好用，但都锁死在自家生态里，文档在别的系统里就抓瞎，且按席位持续付费。Onyx的玩法是反过来的：不管你的文档在哪个系统，连接器拉进来统一索引，模型也能换成私有化部署的开源模型。对20人以上、文档散落在三四个系统里的团队，这是实打实的省命方案。

适用人群：被“答案明明在公司里，就是找不到”折磨的团队负责人；给企业做知识库交付的乙方工程师。

三、Docling：IBM开源的文档粉碎机

很多人抱怨“RAG效果差”，排查半天提示词和向量库，最后发现锅在最前面那步：PDF解析。双栏排版、跨页表格、图表里嵌文字，市面上大多数解析器直接把这些搅成浆糊，检索自然驴唇不对马嘴。

Docling的杀手锏是带版面分析模型和表格结构还原（其表格模型TableFormer在学术圈有据可查）：它能识别“这是一页两栏论文”“这是一个跨页复杂表头”，把表格按行列结构还原出来，而不是拍成一堆乱序文字。装完即得一个docling命令行，一行命令把整本PDF转成Markdown（参数细节看README）；Python库方式调用也很直接，且与LangChain、LlamaIndex有现成集成，解析结果直接进你的RAG管道。

价格：MIT开源，零成本，可以无脑商用。

国内对比：国内玩家熟PyMuPDF、pdfplumber，以及RAGFlow自带的DeepDoc。pdfplumber这类胜在轻快，但对版面的理解是“规则式”的；Docling是模型驱动，复杂排版和表格是它的主场，且多格式一把梭。最稳的姿势是两个都留着：简单文档走轻量路线，财报、合同、论文这类硬骨头交给Docling。

适用人群：搭企业知识库、做财报/合同/文献解析的所有人。

三件串起来，就是一条完整流水线

单看是三个工具，连起来是一个“企业AI知识员工”的完整底座——这正是海外Agent创业公司正在收年费卖的东西：

flowchart TD
    A["散落的团队文档"] --> B["Docling 粉碎成干净文本"]
    B --> C["统一索引与向量库"]
    C --> D["Onyx 连接器持续同步"]
    D --> E["员工在聊天框提问"]
    E --> F{"需要算数或画图吗"}
    F -->|否| G["带引用直接回答"]
    F -->|是| H["E2B 开沙箱跑代码"]
    H --> I["返回数字与图表"]
    I --> G

数据不出内网（Onyx和Docling全自托管），执行不出沙箱（E2B），模型随便换。这套组合的全部构件都是开源的，海外有人拿它融资收钱，你周末就能把demo跑起来。

信息差总结

你以为的 实际情况
让AI跑代码太危险，只能让它写给人看 E2B这类沙箱已是海外Agent产品的标准件，开源可自托管
企业知识问答只能买飞书/钉钉/Glean Onyx开源自托管，连接器自由组合，权限跟着文档走
PDF解析用pdfplumber就够了 复杂表格和排版，Docling的版面模型专啃硬骨头
这套东西要大团队才玩得起 三件全是开源，一台16G内存的机器周末就能搭demo

行动指南

  1. 今晚半小时：pip install docling，挑3份你最头疼的PDF转Markdown，和现在的解析方案对比表格还原度——差距一眼可见。
  2. 本周末半天：按Onyx仓库的Docker Compose指引自托管一套，先接一个Google Drive或本地文件夹，把家里/团队的文档灌进去问几个问题。
  3. 下周：注册E2B拿免费额度，跑通“AI生成代码→沙箱执行→返回图表”的最小demo，再评估是自托管开源版还是用云托管。
  4. 想清楚一件事：这三件分别对应你产品里的“解析层、知识层、执行层”。哪层是短板，先补哪层。

参考来源

  1. E2B 官网：https://www.e2b.dev
  2. E2B 开源仓库：https://github.com/e2b-dev/E2B
  3. Onyx 官网：https://www.onyx.app
  4. Onyx 开源仓库：https://github.com/onyx-dot-app/onyx
  5. Docling 开源仓库：https://github.com/docling-project/docling

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。

51学通信知识星球海报-扫码加入

📎 本分类最新文章