AutoAgent

不活跃
GitHub Python MIT

简介

全自动化零代码 LLM Agent 框架,用户无需编写代码即可构建和部署自定义 AI Agent,支持自然语言驱动的 Agent 创建。

核心特性

  • 全自动代理构建 — 通过自然语言即可创建、定制和部署 AI Agent,无需编码
  • 零代码框架,让没有技术背景的用户也能参与 AI 开发
  • 自管理工作流生成 — 根据高层描述动态创建和优化代理管道
  • 智能资源编排 — 支持迭代自改进的工具、Agent 和工作流
  • 深度研究模式 — 作为商业深度研究服务的开源低成本替代方案
  • 自我博弈代理定制 — Agent 可通过对话持续优化自身能力

适用场景

💡 深度研究和跨来源综合报告生成
💡 无需任何编程知识即可构建定制 AI Agent
💡 为复杂分析任务创建多 Agent 工作流
💡 教育用途 — 通过动手创建 Agent 教授 AI 概念
💡 AI 驱动自动化管道的快速原型设计

优势与不足

优势

  • 社区热度高(9.8k stars)
  • 开源许可证友好(MIT)
  • Issue 响应及时,积压少

⚠️ 不足

  • 已超过 10 个月未更新

快速开始

git clone https://github.com/HKUDS/AutoAgent.git && cd AutoAgent
pip install -e .
autoagent start # 选择 user mode 进行深度研究,或 agent/workflow editor 创建自定义 Agent

相关项目

LazyLLM

3.9k · Python
活跃 A+

LazyLLM 是一个轻量级多 Agent LLM 应用开发框架,提供最简捷的方式构建多智能体 LLM 应用,集成了 RAG、知识图谱、微调等功能,支持 LangChain 和 LlamaIndex 生态。

multi-agentframeworkrag +3
  • · 低代码多智能体应用组装,内置数据流和功能模块,像乐高积木一样搭建
  • · 一键部署,POC 阶段使用轻量网关,生产阶段支持 Kubernetes 打包
  • · 跨平台兼容裸金属、Slurm 集群和公有云,无需修改代码

ART

10.7k · Python
活跃 A+

ART(Agent Reinforcement Trainer)是一个使用 GRPO 算法训练多步 Agent 的强化学习框架,支持为 Qwen、Llama 等模型进行在职训练以完成真实世界任务。

reinforcement-learningagent-trainingGRPO +3
  • · 基于 GRPO 的强化学习,用于在真实世界任务上训练多步 Agent
  • · W&B Training 无服务器 RL,通过共享推理集群降低 40% 成本并提速 28%
  • · 预置笔记本示例,涵盖邮件搜索、2048、井字棋、Codenames 和 MCP 工具掌握

DeepResearchAgent

3.5k · Python
不活跃 B

DeepResearchAgent 是一个分层多智能体系统,专为深度研究任务和通用任务求解设计。通过顶层规划 Agent 协调多个专业子 Agent,实现自动化任务分解和跨领域高效执行。

multi-agentframeworkpython +3
  • · 分层多 Agent 系统,顶层规划 Agent 协调专业子 Agent
  • · RSPL 协议层将提示、Agent、工具、环境和记忆建模为版本化资源
  • · SEPL 自进化协议,支持提议、评估和提交改进并支持回滚