AutoAgent 部署与使用教程

AutoAgent 是由香港大学数据智能实验室（HKUDS）推出的全自动化、零代码 LLM Agent 框架。它最突出的特点是允许用户仅通过自然语言对话来创建、定制和部署 AI Agent，无需编写任何代码。你可以用它开箱即用的“深度研究”多智能体系统，也可以通过“智能体编辑器”或“工作流编辑器”，用对话创建专属的 AI 助手或自动化工作流。

一、核心功能概览

在开始部署前，了解其三种工作模式有助于你选择正确的使用路径：

模式 目标用户 核心功能 典型场景
用户模式 (User Mode) 终端用户 开箱即用的多智能体研究助手，可进行信息检索、复杂分析、生成报告，性能媲美 OpenAI Deep Research 快速进行深度研究，无需配置
智能体编辑器 (Agent Editor) 业务专家/开发者 通过自然语言对话，创建具备特定工具和知识的单个AI代理 定制一个“金融数据分析师”或“代码审查员”
工作流编辑器 (Workflow Editor) 系统架构师 通过自然语言描述，设计和编排多个智能体协作完成复杂任务的工作流 创建“市场分析->策略生成->报告撰写”的自动化流程

二、部署步骤

2.1 环境准备

  • Python: 版本 3.8 及以上。
  • Docker (可选): AutoAgent 使用 Docker 容器化 Agent 的交互环境，但会自动拉取镜像，通常无需手动操作。如需使用此功能，请确保 Docker 已安装并运行。
  • Git: 用于克隆仓库。

2.2 安装 AutoAgent

  1. 克隆仓库

    1
    2
    git clone https://github.com/HKUDS/AutoAgent.git
    cd AutoAgent

  2. 安装依赖

    1
    pip install -e .

    此命令会以可编辑模式安装项目及所有依赖。

2.3 API 密钥配置

AutoAgent 需要调用大语言模型（LLM）的 API。你需要为想使用的服务商获取密钥并进行配置。

  1. 创建环境文件：复制项目提供的模板。

    1
    cp .env.template .env

  2. 编辑 .env 文件：填入你的 API 密钥。注意：GITHUB_AI_TOKEN 是必需的，其他按需配置。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    # 必需配置
    GITHUB_AI_TOKEN=你的GitHub个人访问令牌

    # 按需配置（至少配置一个LLM提供商）
    OPENAI_API_KEY=你的OpenAI密钥
    ANTHROPIC_API_KEY=你的Anthropic(Claude)密钥
    DEEPSEEK_API_KEY=你的DeepSeek密钥
    GEMINI_API_KEY=你的Gemini密钥
    # ... 其他如 GROQ_API_KEY, MISTRAL_API_KEY 等

2.4 启动 AutoAgent

CLI 模式启动（推荐）

  1. 启动完整功能

    1
    auto main

    此命令会启动包含用户模式、智能体编辑器、工作流编辑器在内的完整界面。

  2. 启动轻量级研究模式

    1
    auto deep-research

    此命令仅启动开箱即用的“用户模式”深度研究助手。

指定不同 LLM 提供商启动

你可以通过设置环境变量 COMPLETION_MODEL 来指定启动时使用的模型。

  • 使用 Anthropic Claude (默认)

    1
    auto main

  • 使用 OpenAI GPT-4o

    1
    COMPLETION_MODEL=gpt-4o auto main

  • 使用 DeepSeek

    1
    COMPLETION_MODEL=deepseek/deepseek-chat auto main

  • 使用 Gemini

    1
    COMPLETION_MODEL=gemini/gemini-2.0-flash auto main

  • 使用其他兼容 OpenAI 协议的服务 (如 Grok)

    1
    COMPLETION_MODEL=openai/grok-2-latest API_BASE_URL=https://api.x.ai/v1 auto main

    更多模型配置可参考项目文档，模型名称需遵循 LiteLLM 的命名规范。

关键启动选项

  • --port: 指定容器端口 (默认: 12346)。
  • --container_name: 指定 Docker 容器名称。
  • git_clone: 在“编辑器”模式下，是否克隆 AutoAgent 仓库到本地交互环境，默认为 True。

三、快速使用指南

启动成功后，终端会显示一个类似下面的交互界面。你可以在三种模式间切换：

  • 用户模式：直接开始提问，就像使用一个高级 AI 研究助理。
  • 智能体编辑器：输入“创建一个可以帮我总结 YouTube 视频的智能体”，系统会引导你完成配置。
  • 工作流编辑器：输入“创建一个工作流：每天早8点，自动收集隔夜新闻，生成市场简报并发送到我的邮箱”，系统会尝试构建这个自动化流程。

详细的使用流程和界面截图，强烈建议观看项目 README 中的动态演示图。

四、部署清单

步骤 操作 关键点
1. 环境准备 安装 Python (3.8+) 和 Git 如需 Docker，确保已安装并启动
2. 克隆与安装 git clone 并运行 pip install -e . 建议在虚拟环境中进行
3. 配置 API 密钥 复制 .env.template 为 .env 并填入密钥 GITHUB_AI_TOKEN 和至少一个 LLM 密钥是必需的
4. 启动 运行 auto main 或 auto deep-research 可通过 COMPLETION_MODEL 环境变量切换模型
5. 开始使用 在 CLI 界面中选择模式，用自然语言交互 从预置的“用户模式”开始体验

总结

通过本教程，你应该已经成功部署并启动了 AutoAgent。其核心价值在于将复杂的 Agent 开发简化为自然语言对话，让非技术人员也能构建 AI 应用。你可以从体验“用户模式”开始，再逐步尝试创建属于你自己的专属 Agent。

后续学习建议：

  • 阅读项目 官方文档 了解更深入的架构和配置。
  • 尝试接入不同的 LLM（如 DeepSeek、Qwen）以比较效果和成本。
  • 加入项目的 Slack 或 Discord 社区 与其他用户交流经验。