项目简介

欢迎来到 AutoAgent！AutoAgent 是一个全自动且高度自发展的框架，用户仅通过自然语言即可创建和部署LLM智能体。

AutoAgent 是一个“全自动、零代码”的 LLM Agent 框架，能让你通过日常语言（比如“帮我写个总结”）告诉系统你想要什么，然后它自动帮你生成一个智能助手（AI Agent）。这些助手是用像 GPT-4 或 Claude 这样的大模型驱动的，但你不需要懂技术也能用。

✨关键特性

• 🏆 GAIA 基准测试中的顶级表现者
  AutoAgent 在开源方法中排名第一，其性能与 OpenAI 的深度研究相当。

• 📚 带有原生自我管理向量数据库的 Agentic-RAG
  配备原生自我管理向量数据库的 AutoAgent，在性能上超越了 LangChain 等行业领先解决方案。

• ✨ 轻松创建代理和工作流程

  AutoAgent 利用自然语言轻松构建现成的工具、代理和工作流程 - 无需编码。

• 🌐 通用LLM 支持
  AutoAgent 无缝集成多种 LLMs（例如，OpenAI、Anthropic、Deepseek、vLLM、Grok、Huggingface …）

• 🔀 灵活交互
  享受对函数调用和 ReAct 交互模式的全面支持。

• 🤖 动态、可扩展、轻量级
  AutoAgent 是您的个人 AI 助手，旨在实现动态、可扩展、定制和轻量级。

🚀 解锁LLM代理的未来。现在就尝试 🔥AutoAgent🔥！

🔍 如何使用 AutoAgent1. user mode **(SOTA 🏆 开放深度研究)**AutoAgent 拥有即插即用的多智能体系统，您可以在启动页面选择 user mode 使用它。这个多智能体系统是一个通用人工智能助手，具有与 OpenAI 的深度研究相同的功能，在 GAIA 基准测试中具有可比的性能。🚀 高性能：使用 Claude 3.5 而不是 OpenAI 的 o3 模型与深度研究相匹配。🔄 模型灵活性：兼容任何 LLM（包括 Deepseek-R1、Grok、Gemini 等）。💰 成本效益：Deep Research $200/月订阅的免费开源替代方案🎯 用户友好：易于部署的命令行界面，实现无缝交互📁 文件支持：处理文件上传，增强数据交互🎥 深度研究（又称用户模式） 2. agent editor **（无工作流创建代理）**AutoAgent 最显著的特点是其自然语言定制能力。与其他代理框架不同，AutoAgent 允许您仅使用自然语言创建工具、代理和工作流程。只需选择 agent editor 或 workflow editor 模式，即可开始通过对话构建代理的旅程。

3. workflow editor （有工作流创建代理） 您还可以使用 workflow editor 模式通过自然语言描述创建代理工作流程，

⚡ 快速开始

安装 AutoAgent 安装

git clone https://github.com/HKUDS/AutoAgent.gitcd AutoAgentpip install -e .

Docker 安装 我们使用 Docker 来容器化代理交互环境。因此请先安装 Docker。您不需要手动拉取预构建镜像，因为我们已经让 Auto-Deep-Research 根据您的机器架构自动拉取预构建镜像。

API 密钥设置创建一个环境变量文件，就像.env.template 一样，并设置你要使用的LLMs的 API 密钥。并非每个LLM API 密钥都是必需的，使用你需要的即可。

# Required Github Tokens of your ownGITHUB_AI_TOKEN=
# Optional API KeysOPENAI_API_KEY=DEEPSEEK_API_KEY=ANTHROPIC_API_KEY=GEMINI_API_KEY=HUGGINGFACE_API_KEY=GROQ_API_KEY=XAI_API_KEY=

以命令行模式开始

命令选项：

您可以运行auto main 来启动 AutoAgent 的全部功能，包括user mode 、 agent editor 和 workflow editor 。顺便说一句，您也可以运行auto deep-research 来启动更轻量级的 user mode ，就像 Auto-Deep-Research 项目一样。以下是一些此命令的配置示例。

• –container_name ：Docker 容器的名称（默认：‘deepresearch’）
• –port : 容器端口（默认：12346）
• COMPLETION_MODEL : 指定要使用的 LLM 模型，您应遵循 Litellm 的命名方式设置模型名称。（默认： claude-3-5-sonnet-20241022 ）
• DEBUG : 启用调试模式以获取详细日志（默认：False）
• API_BASE_URL : LLM 提供者的基本 URL（默认：无）
• FN_CALL : 启用函数调用（默认：无）。大多数情况下，您可以忽略此选项，因为我们已经根据模型名称设置了默认值。
• git_clone : 将 AutoAgent 仓库克隆到本地环境（仅支持使用 auto main 命令，默认：True）
• test_pull_name : 测试拉取的名称。（仅支持使用auto main 命令，默认：‘autoagent_mirror’）

关于 git_clone 和 test_pull_name 的更多详细信息] 在 agent editor 和 workflow editor 模式下，我们应该将 AutoAgent 仓库的镜像克隆到本地交互式环境，并让我们的 AutoAgent 自动更新 AutoAgent 本身，例如创建新的工具、代理和工作流程。因此，如果您想使用 agent editor 和 workflow editor 模式，您应该将 git_clone 设置为 True，并将 test_pull_name 设置为 ‘autoagent_mirror’ 或其他分支。

auto main 使用不同的 LLM 提供商 然后，我将向您展示如何使用 AutoAgent 的完整功能，通过 auto main 命令和不同的LLM提供商。如果您想使用 auto deep-research 命令，可以参考 Auto-Deep-Research 项目获取更多详细信息。

Anthropic

• 在 .env 文件中设置 ANTHROPIC_API_KEY 。

ANTHROPIC_API_KEY=your_anthropic_api_key

• 运行以下命令以启动 Auto-Deep-Research。

auto main # default model is claude-3-5-sonnet-20241022

OpenAI

• 在 .env 文件中设置 OPENAI_API_KEY 。

OPENAI_API_KEY=your_openai_api_key

• 运行以下命令以启动 Auto-Deep-Research。

COMPLETION_MODEL=gpt-4o auto main

Mistral

• 在 .env 文件中设置 MISTRAL_API_KEY 。

MISTRAL_API_KEY=your_mistral_api_key

• 运行以下命令以启动 Auto-Deep-Research。

COMPLETION_MODEL=mistral/mistral-large-2407 auto main

Gemini - 谷歌 AI 工作室

• 在 .env 文件中设置 GEMINI_API_KEY 。

GEMINI_API_KEY=your_gemini_api_key

• 运行以下命令以启动 Auto-Deep-Research。

COMPLETION_MODEL=gemini/gemini-2.0-flash auto main

Hugging Face

• 在 .env 文件中设置 HUGGINGFACE_API_KEY 。

HUGGINGFACE_API_KEY=your_huggingface_api_key

• 运行以下命令以启动 Auto-Deep-Research。

COMPLETION_MODEL=huggingface/meta-llama/Llama-3.3-70B-Instruct auto main

Groq

• 在 .env 文件中设置 GROQ_API_KEY 。

GROQ_API_KEY=your_groq_api_key

• 运行以下命令以启动 Auto-Deep-Research。

COMPLETION_MODEL=groq/deepseek-r1-distill-llama-70b auto main

OpenAI-兼容端点（例如，Grok）

• 在 .env 文件中设置 OPENAI_API_KEY 。

OPENAI_API_KEY=your_api_key_for_openai_compatible_endpoints

• 运行以下命令以启动 Auto-Deep-Research。

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

OpenRouter（例如，DeepSeek-R1）

我们建议暂时使用 OpenRouter 作为 DeepSeek-R1 的LLM提供商。因为 DeepSeek-R1 的官方 API 无法有效使用。

• 在 .env 文件中设置 OPENROUTER_API_KEY 。

OPENROUTER_API_KEY=your_openrouter_api_key

• 运行以下命令以启动 Auto-Deep-Research。

COMPLETION_MODEL=openrouter/deepseek/deepseek-r1 auto main

DeepSeek

• 在 .env 文件中设置 DEEPSEEK_API_KEY 。

DEEPSEEK_API_KEY=your_deepseek_api_key

• 运行以下命令以启动 Auto-Deep-Research。

COMPLETION_MODEL=deepseek/deepseek-chat auto main

启动 CLI 模式后，您可以看到 AutoAgent 的起始页面

项目链接

https://github.com/HKUDS/AutoAgent

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】