零门槛用 AutoAgent 把自然语言变成可用的 LLM 智能体【免费下载链接】AutoAgentAutoAgent: Fully-Automated and Zero-Code LLM Agent Framework项目地址: https://gitcode.com/GitHub_Trending/au/AutoAgent想要一个能检索、能分析、还能写报告的研究助手却不想写一行代码AutoAgent 可以做到。它是一个全自动化、零代码的 LLM Agent智能体框架仅凭自然语言就能创建并部署智能体适合 AI 爱好者、研究者和想快速搭 Agent 的开发人员。一分钟认识 AutoAgentAutoAgent 的核心理念是你负责描述它负责写代码、编排和部署。启动后你会看到三个内置模式——开箱即用的多智能体研究系统、对话式创建单智能体的编辑器、以及对话式编排多步工作流的编辑器。智能体之间可以互相调度工具代码则由框架根据对话自动补全。对使用者来说它的价值集中在三点自然语言是唯一输入说出想要什么智能体它自动完成需求分析、配置生成和工具代码编写全程无需手写配置。研究能力开箱即用user mode是一个可直接使用的多智能体研究助手在 GAIA通用 AI 助手评测基准上的表现与主流商业深度研究产品相当且模型可自由替换。模型不绑定OpenAI、Anthropic、DeepSeek、Gemini、Groq、OpenRouter 等主流服务商都支持模型名按 Litellm大模型统一调用库的命名规则填写即可。环境准备三条命令装好它AutoAgent 要求 Python 3.10 及以上版本。克隆仓库、安装依赖只需三步git clone https://gitcode.com/GitHub_Trending/au/AutoAgent cd AutoAgent pip install -e .接着创建.env文件仓库里的.env.template可直接参考。其中GITHUB_AI_TOKEN是必填项其余 API Key 只填你实际要用的那一个GITHUB_AI_TOKENyour_github_token ANTHROPIC_API_KEYyour_anthropic_api_key关于运行环境多说一句默认情况下智能体在 Docker 容器里操作代码和网页镜像会按你的机器架构自动拉取无需手动操作如果不想装 Docker启动时加--local_env参数即可改用本机环境。首次运行五分钟看到模式选择菜单密钥配好后直接运行auto main默认模型是claude-3-5-sonnet-20241022不需要额外参数。启动过程会初始化配置、创建容器默认名auto_agent端口 12347被占用时自动顺延。完成后终端会出现模式选择菜单用方向键加回车即可进入user mode直接开始研究任务agent editor对话创建智能体workflow editor对话创建工作流exit退出如果你只需要研究助手、暂不打算自建智能体可以用更轻量的auto deep-research它只启动user mode默认容器名deepresearch端口 12346。进入任意模式后对话框会提示Tell me what you want to do输入任务即可输入exit结束会话。场景一让多智能体系统替你完成深度调研目标产出一份有信息源、有结构的研究分析报告。操作选择user mode直接输入研究问题例如分析人工智能在医疗领域的应用现状与趋势。系统会由分诊智能体把任务分派给检索、编程、网页浏览等成员智能体自动完成资料搜集、数据整理和总结。过程中你还可以做两件事用加智能体名指定由谁接手比如WebSurfer_Agent 去核实一下这条数据或者选择文件上传功能把本地 PDF、文档丢给它一起分析。结果等一段时间后终端会输出结构化的研究结论包含现状、趋势、争议点等内容引用材料来自它自己检索到的网页和文档。场景二用对话造一个专属智能体目标拥有一个查询指定城市天气的智能体以后随时调用。操作选择agent editor按对话节奏推进先输入需求描述系统自动做智能体画像分析profiling把职责、需要的工具列成配置文件供你确认确认无误后它开始编写并注册所需工具例如天气接口封装这一步之后可以选择直接输入一个测试任务比如查询北京今天的天气顺便验证效果。结果新智能体连同工具代码被写入容器内的仓库镜像创建完成后即可用它执行后续任务。这里有一个关键机制agent editor依赖仓库镜像git_clone默认开启分支名为autoagent_mirror所以它只能通过auto main使用deep-research命令里没有这个模式。场景三把多个智能体串成工作流目标搭一条读取销售 CSV → 数据清洗 → 统计分析 → 生成报告的固定流水线。操作选择workflow editor对话流程和上面类似——输入需求、等待自动工作流分析、确认输出的工作流配置文件各步骤、各智能体的分工会清晰列出、可选地输入一条测试任务。结果生成的是可复用的工作流文件同一批数据再跑一遍无需重新描述需求。注意这个模式暂时不支持自动创建新工具工作流里用到的工具需要是已有的。参数速查与进阶定制常用命令与参数一览项目作用默认值auto main启动全部三个模式—auto deep-research仅启动轻量user mode—COMPLETION_MODEL模型名按 Litellm 规则填写claude-3-5-sonnet-20241022API_BASE_URL自定义 OpenAI 兼容接口地址无--container_name容器名main默认auto_agentdeep-research默认deepresearch见左--port容器端口被占用时自动顺延12347/12346--git_clone是否克隆仓库镜像编辑器模式必需True--test_pull_name镜像分支名autoagent_mirror--local_env用本机环境替代 DockerFalseDEBUG输出详细日志FalseFN_CALL函数调用开关多数模型自动判断一般不用管自动换模型只需在命令前加环境变量例如服务商启动示例OpenAICOMPLETION_MODELgpt-4o auto mainDeepSeekCOMPLETION_MODELdeepseek/deepseek-chat auto mainGeminiCOMPLETION_MODELgemini/gemini-2.0-flash auto mainGroqCOMPLETION_MODELgroq/deepseek-r1-distill-llama-70b auto mainGrokOpenAI 兼容端点COMPLETION_MODELopenai/grok-2-latest API_BASE_URLhttps://api.x.ai/v1 auto main进阶定制里最常用的是两件事导入浏览器 Cookie把 Chrome 里导出的 Cookie JSON 放进autoagent/environment/cookie_json/再运行python autoagent/environment/browser_cookies.py转换智能体上网时就能保持登录态访问限制类网站更顺畅。具体步骤见 Cookie 导入说明。接入第三方工具平台从 RapidAPI 等平台订阅工具后运行python process_tool_docs.py把自己的密钥写进去之后创建工具时就能调用这些付费接口。避坑提示前几次运行的高频问题首次启动卡在Creating environment很久原因第一次要拉取镜像并初始化容器耗时长是正常的。 处理耐心等它跑完后续启动会复用已有容器端口被占用也会自动顺延不用手动改。报 401 或提示模型不存在原因API Key 没填对或模型名没按服务商/模型名的 Litellm 格式写。 处理检查.env把COMPLETION_MODEL改成类似deepseek/deepseek-chat的写法再重启。编辑器生成的新智能体找不到原因关闭了git_clone新代码没有写进容器里的仓库镜像。 处理确认用auto main启动且--git_clone保持默认True创建前别删掉这个参数。智能体进不去需要登录的站点原因容器里的浏览器没有任何登录态。 处理按上文进阶定制第 1 条导入 Cookie常用站点列表如 archive.org、youtube.com可以参考 Cookie 目录说明。智能体不调用工具、只空谈原因部分模型如 o1-mini、deepseek-r1、grok-2不支持函数调用框架会自动切到 ReAct先思考再行动的交互方式表现上会慢一些。 处理框架已按模型名自动配置通常不用干预确有需要时才显式设置FN_CALL。结尾AutoAgent 把自己定位成自然语言到智能体的地基官方路线图显示更多基准评测SWE-bench、WebArena、计算机操作类智能体、更多工具平台接入和 Web 界面都在陆续推进。想跟进动态或提问可以看 社区联系方式 和 快速入门文档仓库里的 示例项目 也值得一翻。【免费下载链接】AutoAgentAutoAgent: Fully-Automated and Zero-Code LLM Agent Framework项目地址: https://gitcode.com/GitHub_Trending/au/AutoAgent创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考