AutoAgent · 零代码全自动AI工作流，港大开源9.7k Star！

HKU 又整了个狠活——

不用写一行代码，用大白话就能自动组装一整套 AI 工作流，而且还能自己迭代升级。

这就是港大数据科学实验室（HKUDS）开源的 AutoAgent，GitHub 已经飙到 9.7k Star，MIT 协议，妥妥的趋势项目。

凭什么这么火？

传统搭 Multi-Agent 架构的流程是什么样的？写代码、配工具、调试、部署……一个环节出错就卡住。

AutoAgent 直接把这个流程砸穿了——

你只需要说人话。

比如”我要一个能自动抓取竞品信息、生成报告的助手”，它就会自动拆解任务、生成工具、组装工作流、跑起来。零代码、全自动、带自我演进。

深度研究模式直接白嫖

它内置的 User Mode（即 Deep Research 模式），调用 Claude 3.5 或 DeepSeek-R1 效果直接拉满。

关键这是完全免费的开源方案，对标的是 OpenAI Deep Research 每月 $200 的订阅服务。

在 GAIA 基准测试里表现已经能跟 Deep Research 掰手腕——不夸张地说，这是目前最具性价比的深度研究 AI 方案。

支持所有主流大模型

OpenAI、Claude、Gemini、Grok、DeepSeek-R1，以及各类本地开源模型，一个框架全吃得下。

模型随便换，底层工作流不用动。

两种玩法

• Agent Editor：零散任务，用自然语言生成单个 Agent
• Workflow Editor：复杂任务，多 Agent 协作工作流，一键编排

遇到不会的功能？它自己写代码扩展工具库，然后迭代更新——这才是”自我演进”真正的意思。

怎么跑

pip install autoagent
autoagent run

配置好 API Key（支持 .env 文件管理），直接 CLI 交互，没有任何门槛。

文档在这里：https://autoagent-ai.github.io/docs

说白了，AutoAgent 把 Multi-Agent 系统的门槛从「会写代码」拉到了「会说话」。

对于想快速验证 AI 工作流、但不想被代码卡住的同学，这基本上是目前的最佳选择。HKUDS 这次确实秀了一波。

GitHub：https://github.com/HKUDS/AutoAgent

#AI #Agent #LLM #开源 #开发者工具

GitHub: https://github.com/HKUDS/AutoAgent