零代码打造个人AI助手！AutoAgent：Manus和Deep Research的开源版方案！

最新推荐文章于 2025-04-08 09:24:50 发布

AI大模型-小涂

最新推荐文章于 2025-04-08 09:24:50 发布

阅读量526

点赞数 6

文章标签：人工智能语言模型 AI大模型 Manus agi ai LLM

本文链接：https://blog.csdn.net/Gaga246/article/details/146939072

版权

前言

在 AI 助手日益融入生活的今天，构建一个个人化、智能化的 AI 工具却往往需要深厚的技术背景。

而 AutoAgent 的出现，也提供了一种新途径。作为一款完全自动化、零代码的 LLM 智能体框架，AutoAgent 由香港大学 HKUDS 团队开发并开源，堪称 Manus 和 Deep Research 的开源替代方案。

Logo

它的目标就是“让 AI 开发无门槛”。通过自然语言交互，消除了技术壁垒，用户只需用日常语言描述需求，就能生成智能助手。

可用于智能搜索、数据分析、信息处理、自动报告生成等主流工作场景。

核心功能

1、三种使用模式，适配不同用户需求

AutoAgent 提供三种灵活模式，即使是非技术用户也能轻松创建 AI 助手：

• 用户模式（User Mode）：开箱即用，直接体验智能网页搜索、数据分析、信息处理等功能。
• 智能体编辑器（Agent Editor）：通过对话方式配置 AI 助手，调整参数、指令和任务逻辑，无需写代码。
• 工作流编辑器（Workflow Editor）：用自然语言描述任务，创建自动化工作流，让 AI 代理执行复杂任务。

2、双交互模式

AutoAgent 支持两种强大的交互方式，让 AI 能够更高效地理解和处理任务：

• ReAct 模式（推理-行动-反馈）：AI 可动态调整策略，适用于复杂推理任务。
• 函数调用模式：让 AI 调用 API 或数据库来完成特定任务，比如联网搜索、数据查询等。

3、内置自管理向量数据库，强化 AI 记忆

内置向量数据库，让 AI 能够记住上下文信息，提高长期任务的执行能力，适用于：

• 长期 AI 记忆：让 AI 记住过去的交互，提高上下文理解能力。
• 知识增强检索（RAG）：AI 可从本地数据库检索信息，提高准确性。
• 数据驱动 AI：AI 代理能学习并优化自己的策略，提高任务处理能力。

这意味着 AI 代理不仅能完成单次任务，还能随着时间不断优化自己的表现。

快速使用

AutoAgent 的安装和使用过程简单，同时支持 Docker 快速部署。

① 创建Python环境

conda create -n autoagent python=3.10
conda activate autoagent

② 克隆项目代码

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

③ 安装依赖

pip install -e .

④ 创建 .env 文件，配置API

OPENAI_API_KEY=sk-xxxxx
DEEPSEEK_API_KEY=sk-xxxxx
...

⑤ 使用方式

启动完整模式，进入用户模式、智能体编辑器和工作流编辑器。

auto main

启动轻量用户模式

auto deep-research

如果想指定模型运行，比如DeepSeek，可以参考以下方法：

COMPLETION_MODEL=deepseek/deepseek-chat auto main

适用场景

• 智能网页搜索：让 AI 在互联网中自主搜索信息、筛选数据、总结要点。
• 数据分析处理：解析 CSV、Excel、数据库，自动整理，生成报告。
• 自动报告生成：让 AI 根据数据或用户需求，生成专业级报告（如市场调研、行业分析等）。
• 智能 AI 代理：AI 代理可以独立执行任务，比如查找资料、发送邮件、处理文档。
• AI 办公助手：让 AI 自动整理日程、邮件、任务列表，提高办公效率。