企业官网建设流程全解析

本地部署 AutoAgent：跑通第一个 LLM 代理的完整指南

【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

几十分钟内，你可以在本地终端里启动 AutoAgent 的命令行主界面，并用一句自然语言描述，让它自动搭建出一个带工具的专用 LLM 代理。AutoAgent 是一个全自动化、以自然语言驱动的 LLM 代理框架，核心卖点是：不手写代码、不手调配置，用日常语言说清需求，它负责把代理建好并跑起来。它适合想快速验证代理想法的人，也适合愿意深入拆解其内部结构的开发者。

开跑前确认

• Python 3.10 及以上，pip 可用
• Docker 已安装且守护进程在运行，代理交互环境跑在容器里
• 网络稳定，依赖下载和 LLM 调用都依赖它
• 至少 2GB 可用磁盘空间，依赖含 Playwright 等体积较大的组件

打开终端执行python3 --version && docker --version，两条输出都正常就可以动手了。

主线实操

接下来把"拉源码、装依赖、配密钥、首次启动、创建第一个代理"串起来，你照着做即可。

克隆源码并安装依赖

打开终端，粘贴执行：

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

前两条命令把仓库放到本地并进入目录；pip install -e .按 setup.cfg 以可编辑模式安装全部依赖，涵盖 LLM 调用、浏览器自动化、RAG 检索等组件。依赖较多，这一步可能要等几分钟，成功时命令无报错返回，且auto命令在环境中可用。装完这一步，准备工作就完成了一半。

配置 .env 并填入密钥

仓库里已有一个.env.template，把它的复制为同目录下的.env，再填入你实际要用的密钥，例如：

GITHUB_AI_TOKEN=你的令牌 ANTHROPIC_API_KEY=你的密钥

常见配置项的含义见下表，没用到对应服务商的键可以不填。

保存.env后，CLI 启动时会自动读取。下面看看主界面长什么样。

首次启动 auto main

回到终端，执行：

auto main

这是安装时注册的入口命令（对应 autoagent.cli），启动后进入模式选择菜单，提供user mode、agent editor、workflow editor三种入口。成功时终端停在模式选择界面，且不抛模型或密钥错误。首次启动它会在本机拉起一个 Docker 容器作为代理的交互环境，默认端口 12346，拉取镜像可能要再等一会儿。启动成功后，就可以挑一条体验路线了。

用自然语言描述你的第一个代理

在菜单中选择agent editor，直接用一句中文说清你要什么，比如"做一个能抓取论文摘要并输出中文总结的代理"。系统会先生成代理画像（profiling）供你确认，确认后再自动创建配套工具，全程不需要你打开任何代码文件。

创建完成后界面会给出可用的工具与下一步入口，这时直接把一个真实任务交给它，就能完成第一次完整体验。如果这一路都顺利，手里已经有一个能用的代理了，接下来还有几件事值得做。

跑通之后

先试user mode：不用创建任何东西，直接上传一份文件或抛一个研究问题，内置的多代理系统会完成信息检索并生成报告。这是验证密钥、模型与容器三者是否协同工作的最快方式，也可以用auto deep-research单独启动这个更轻量的入口。

再打开仓库里的 预构建代理 目录，看看数学推理、系统分诊这类现成代理的代码形态，理解框架内部一个"代理"由哪些部分构成。想要更系统的资料，官方文档 覆盖了安装、自定义沙箱、调试与评估等主题，可按需查阅。

如果目标是多个代理协作完成长任务，把入口换成workflow editor，用自然语言描述整体流程即可，由系统编排工作流；需要留意的是，该模式目前暂不支持工具创建。

卡住了

接下来建议先完整走一遍user mode的问答流程，再回到agent editor创建自己的代理，出问题时排查线索会更清楚。

【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