Agents Universe
开源共建 · 技术平权 —— 让智能体像人一样学习和工作。
Agents Universe 是一个开源（Apache-2.0）的企业级 AI Agent 平台。它不是又一个"更聪明的聊天框"，而是要让智能体真正成为能干活的人：入职读懂文档、接任务先规划、以个人身份与权限执行、留下可审计的轨迹，并把这一切沉淀为每个人都能复用、共同建设的资产。
Codex 式三栏界面：左侧会话与项目导航，中间对话流，右侧计划与知识上下文（点击可查看大图）
30 秒了解 Agents Universe
- 是什么 — 开源企业级 AI Agent 平台：多 LLM 统一接入、10 个开箱即用的智能体、Docker 一键自托管。详见核心特性
- 解决什么 — 智能体的两极困局：开发者框架门槛高、经验不可传承；低代码平台没有身份、权限与可审计轨迹。详见为什么是 Agents Universe
- 有何不同 — 像人一样学习与工作：入职读文档（全量加载，无向量检索）、按计划与身份执行、经验沉淀为可复制的技能/工作流/知识资产。详见智能体是如何学习的
- 怎么参与 — 贡献不需要会写代码：注册后与 Product Owner 聊需求即可提交 PR；或
docker compose up --build 自托管。详见零代码共建与快速开始
🚀 它正在管理它自己
本项目已部署在 agents-universe.com，并且正在被它自己管理。 平台上的 Product Owner 与 Tech Lead 智能体，就是这个仓库的日常维护者：需求、代码、PR 都由智能体们在对话中完成。
因此——给这个项目做贡献，不需要会写代码。注册账号、配置你自己的模型 API Key 与 Git Token，然后和 Product Owner 聊需求，聊得差不多 @Tech Lead 告诉它要实现哪个，即可完成协作提交 PR。详见 零代码共建。
目录
快速开始
不想搭环境？直接在 agents-universe.com 上体验，并按 零代码共建 的方式参与共建。
环境要求
- Docker & Docker Compose
- Node.js 20+（本地开发前端）
- Python 3.12+（本地开发后端）
- SQL Server ODBC Driver 17（仅本地开发直连 SQL Server 需要；Docker 部署镜像已内置，改用 PostgreSQL/MySQL/SQLite 时也无需安装）
Docker 一键启动
# 1. 复制环境变量与编排文件（docker-compose.yml 未入库，必须从 example 复制）
cp .env.example .env
cp docker-compose.example.yml docker-compose.yml
# 2. 生成 SECRET_KEY 并写入 .env（启动时会拒绝一切 change-me 占位值）
# bash / macOS / Linux:
echo "SECRET_KEY=$(openssl rand -hex 32)" >> .env
# PowerShell:
# Add-Content .env "SECRET_KEY=$(python -c 'import secrets;print(secrets.token_hex(32))')"
# 3. 启动全部服务（首次构建含 Playwright 与渗透测试工具链，视网络约 10-30 分钟）
docker compose up --build
服务地址：
- Web UI / API: http://localhost:8000（同一 nginx 反代
/api、/ws，健康检查 /health）
- 热重载前端（可选）:
docker compose --profile dev up → http://localhost:5173
几点说明：
-
.env 里不需要 LLM API Key：启动后在 Settings → AI Models 按用户配置（加密存库）；SYSTEM_DEFAULT_* 仅作可选兜底。
-
默认 AUTH_BYPASS_ENABLED=true 免登录，开箱即用，仅供本地体验；生产部署请关闭并配置 OAuth SSO。
-
数据库迁移与全局知识索引由容器启动脚本自动执行。
-
首次构建默认使用中国境内镜像源；网络不通时改用官方源构建：
docker compose build \
--build-arg NPM_REGISTRY=https://registry.npmjs.org \
--build-arg PIP_INDEX_URL=https://pypi.org/simple \
--build-arg PIP_TRUSTED_HOST=pypi.org \
--build-arg APT_MIRROR_HOST=deb.debian.org \
--build-arg NODE_BASE_URL=https://nodejs.org/dist \
--build-arg PLAYWRIGHT_DOWNLOAD_HOST=https://cdn.playwright.dev
docker compose up
本地开发
# 0. 依赖服务（SQL Server + Redis；compose 文件同上，从 example 复制）
docker compose up -d sqlserver redis
# 1. 环境变量：cp .env.example .env，生成 SECRET_KEY（同上），
# 并把 PROJECTS_ROOT 设为已存在的绝对路径（子项目工作区目录）
# 2. API (packages/api/)
cd packages/api
python -m venv .venv
source .venv/bin/activate # Windows PowerShell: .\.venv\Scripts\Activate.ps1
pip install -e ../agent-core -e .
PYTHONPATH=src python -m uvicorn api.main:app --port 8000 --reload
# Windows PowerShell: $env:PYTHONPATH='src'; python -m uvicorn api.main:app --port 8000 --reload
# 3. Frontend (packages/web/)
cd packages/web
npm install
npm run dev # http://localhost:5173，代理到 :8000
# 4. 数据库迁移（API 启动时也会自动执行，手动跑仅为确认）
cd packages/api
alembic upgrade head
# 5. 全局知识索引（本地开发不会自动执行，Docker 部署由 entrypoint 执行；在仓库根目录运行）
python -m agent_core.knowledge.index --global-dir ./knowledge
本地开发直连 uvicorn，API Docs 在 http://localhost:8000/docs；Docker 部署下该路径由 nginx 交给前端 SPA，不提供 Swagger。
为什么是 Agents Universe
为什么需要再做一个智能体平台？先看行业的两极困局，再看 Agents Universe 的答案与愿景。
智能体的两极困局
今天的智能体产品站在两个极端。
举个常见的例子：同一个项目，两个人各自调教智能体——资深工程师的智能体读过全部文档、记住所有口径，能独立交付一整个功能；同事打开同样的框架，得到的却是一个"会聊天但干不了活"的助手。更难受的是，项目背景、业务口径、踩过的坑，散落在各人各自的对话记录里——每个人的智能体都只知道自己那一份，换个人来问，它一无所知。
一端是开发者框架 —— Claude Code、VS Code AI 等，自由度与上限都极高，但：
- 门槛极高 — 要懂代码、会写 Prompt、会管理上下文与工具，非技术人员几乎不可用
- 效果天差地别 — 每个人的智能体是不同的智能体，结果不可复现
- 上下文锁在个人会话里 — 项目背景、业务口径、调教经验都只属于自己那份对话，团队无法共享同一个上下文；经验无法沉淀、无法传承，换个人、换台机器，一切从头再来
另一端是低代码平台 —— Dify 等，上手简单，但设计理念从"知识库 + 应用配置"出发：
- 智能体能力是补充而非核心 — 自主规划、任务执行、工具使用被简化成配置节点
- 更像"应用"而不是"员工" — 没有个人身份、最小权限与可审计的执行轨迹
- 企业落地不适配 — 共享权限难以追责，复杂场景触及平台能力边界
我们的答案：让智能体像人一样
| 像人一样 | Agents Universe 的做法 |
|---|
| 学习：入职读文档，干活中不断更新 | 项目选中即全量加载知识；交给它的文档提取后整理进对应知识条目，工作全程持续迭代；[[slug]] 显式表达业务结构；模糊决策主动向用户澄清 |
| 工作：接任务、拆任务、执行、汇报 | plan_task 拆解任务树；按上下文选择工具；个人身份与权限执行；WebSocket 实时可见 |
| 传承：老带新，经验沉淀 | 技能（Skills）、工作流（Workflows）与知识条目把个人经验变成组织资产；开源共建，人人可用 |
This is the beginning of the README. Read the rest at the original. Read the full README ↗
