企业官网建设流程全解析

AutoAgent 零代码 AI 智能体指南：5 分钟从克隆到跑通第一个 Agent

【免费下载链接】AutoAgent"AutoAgent: Fully-Automated and Zero-Code LLM Agent Framework"项目地址: https://gitcode.com/GitHub_Trending/au/AutoAgent

让 AI 替你做一份市场调研，听起来要搭框架、写提示词、接工具。AutoAgent 把这件事压缩成一次粘贴：把"对比 2025 年国内主流大模型 API 价格"直接丢给它，多智能体系统会自己检索网页、汇总数据，二十分钟后吐出一份带来源引用的完整报告。全程你一行代码都不用写——这就是零代码创建和部署 LLM 智能体。下文按"先跑起来，再换模型，最后做定制"的顺序推进。

五分钟跑通第一个智能体

这一节给你从克隆到看到响应的最短路径，全程四条命令。

打开终端，粘贴以下命令克隆仓库并安装依赖：

git clone https://gitcode.com/GitHub_Trending/au/AutoAgent cd AutoAgent pip install -e .

安装成功时你会看到Successfully installed及版本号，没有 ERROR 即可继续。

把要用的 LLM 密钥变量写进项目根目录的.env文件（必做，只填你实际要用的）：

ANTHROPIC_API_KEY=你的密钥 GITHUB_AI_TOKEN=你的GitHub令牌

保存后启动 CLI，进入功能菜单：

auto main

成功时你会看到启动页和三个菜单项：user mode、agent editor、workflow editor。到这里框架已跑通，后面所有操作都发生在这个菜单里。不想装 Docker 的话，auto main会自动处理容器环境；想跳过全部功能只跑深度研究，可以改用更轻量的auto deep-research。

配置密钥变量与运行环境

这一节把"必做什么、可选做什么"一次说清，避免你为用不到的模型浪费密钥。

必做两件事：

• Python 版本 3.8 及以上（python --version确认）；
• .env里至少填一个 LLM 密钥变量。

可选两件事：

• 安装 Docker：auto main默认把代码执行放进名为deepresearch的容器（端口 12346），不装 Docker 也能跑，但代码执行能力受限；
• 需要网页抓取类智能体时才填GITHUB_AI_TOKEN，纯对话场景可以不填。

启动时常用的环境变量：COMPLETION_MODEL指定模型名（默认claude-3-5-sonnet-20241022）、DEBUG=true打开详细日志、API_BASE_URL改 LLM 服务商端点。模型名遵循 LiteLLM 命名约定，下一节有速查表。

三种玩法：按任务复杂度选入口

启动页的菜单对应三种智能体使用方式，先判断任务形态，再挑对应入口。

user mode：直接提问拿到研究报告

开箱即用的多智能体系统，定位是开源版深度研究助手，在 GAIA 基准上与商业深度研究产品表现相当，支持文件上传。

1. 菜单选user mode；
2. 用一句话描述研究任务，或先上传本地文件再提问。

微型案例：让它整理"开源向量数据库的横向对比"，它会自己检索资料并产出结构化报告，过程无需你干预。

agent editor：用一句话造一个专属智能体

这是 AutoAgent 与其他 Agent 框架最大的区别：工具和智能体都能靠自然语言生成。

1. 菜单选agent editor，输入你想要的智能体类型；
2. 系统先输出智能体画像（职责、所需工具），确认后再逐个创建工具，最后可输入一条任务实测。

微型案例：输入"我需要一个查询指定城市天气的智能体"，它会自动生成天气 API 工具，再拿"查询北京今天天气"验证一遍。

workflow editor：一句话生成多步工作流

任务需要多个环节接力时，用它编排智能体工作流；注意此模式暂不支持创建自定义工具。

1. 菜单选workflow editor，描述工作流的输入、步骤和产出；
2. 系统输出工作流配置（各环节与顺序），可加一条任务试跑。

微型案例："读取销售数据 CSV → 清洗 → 统计分析 → 输出报告"四步，描述清楚后直接生成可执行工作流。

换模型与接端点：一张表加两个完整示例

不想用默认 Claude，改一个环境变量和模型名即可，不必逐家服务商研究文档。

Anthropic 是最小路径：

ANTHROPIC_API_KEY=你的密钥

写入.env后直接auto main，成功时菜单正常出现、提问不再报鉴权错误。

OpenAI 则是"环境变量 + 命令行前缀"的组合：

COMPLETION_MODEL=gpt-4o auto main

成功时你会看到启动日志里打印的模型名已变为gpt-4o。其余服务商（Mistral、Huggingface、Groq、OpenRouter、DeepSeek）都是同一个模式：在.env填对应密钥变量，命令行加COMPLETION_MODEL=模型名前缀；接 OpenAI 兼容端点（如 xAI）再追加API_BASE_URL=https://api.x.ai/v1即可。

进阶：自定义参数、接入工具平台与导入 Cookie

这一节覆盖三个高频定制需求，每项两三句够用。

• 自定义 LLM 参数：温度、最大 tokens 等通过环境变量或.env调整，DEBUG=true启动可以在日志里核对实际生效的参数；
• 接入第三方工具平台：想从 RapidAPI 等平台订阅现成工具，在仓库根目录运行：

python process_tool_docs.py

成功时脚本会提示你粘贴 API 密钥并完成工具文档注册；

• 导入浏览器 Cookie：把已登录站点的 Cookie 导入浏览器环境，智能体就能带着登录态访问受限页面，入口见 浏览器 Cookie 文档。

内置工具（文件、网页、终端、RAG 向量库）的源码都在 autoagent/agents/ 下，想加新工具可从这里对照实现。

踩坑速查表

现象 → 原因 → 解法，五条覆盖安装、密钥、运行时三类：

边界与去处

AutoAgent 当前尚未覆盖的能力：SWE-bench / WebArena 等基准、computer use 形态的智能体、Composio 等更多工具平台和 E2B 代码沙箱，均已在官方 roadmap 上排期，evaluation/ 目录里可以先看现有的 GAIA、MATH500 评测代码。

要查参数细节，去 docs/ 找安装、CLI 模式、自定义沙箱、持久化会话等章节；遇到问题直接提 issue，社区入口在 Communication.md（Slack、Discord、飞书、微信均有）。

【免费下载链接】AutoAgent"AutoAgent: Fully-Automated and Zero-Code LLM Agent Framework"项目地址: https://gitcode.com/GitHub_Trending/au/AutoAgent