AutoGPT-Next-Web

GitHub
3k 1.4k 简单 5 次阅读 昨天GPL-3.0开发框架语言模型
AI 解读 由 AI 自动生成,仅供参考

AutoGPT-Next-Web 是一个专为简化自主 AI 智能体部署而设计的开源项目,允许用户直接在浏览器中组装、配置并运行自己的 AI 代理。相较于原版 AgentGPT,AutoGPT-Next-Web 重点解决了国内用户面临的访问障碍、语言本地化不足以及部署流程繁琐等痛点。

无论是希望体验前沿 AI 技术的普通用户,还是需要私有化部署的开发者与研究人员,都能通过 AutoGPT-Next-Web 快速搭建专属网页应用。其核心亮点在于支持 Vercel 一键免费部署,仅需一分钟即可完成配置;同时深度优化了中文交互体验,确保输入与显示均为本地语言。此外,AutoGPT-Next-Web 提供了访问码控制功能以保障隐私安全,并兼容 Docker 部署及 Azure OpenAI API 接口。界面采用响应式设计并支持深色模式,兼顾美观与实用性。通过 AutoGPT-Next-Web,用户可以轻松拥有独立域名访问的私人 AI 助手,无需复杂的技术背景即可享受自主智能体带来的便利。

使用场景

某初创技术团队希望利用 AutoGPT 构建内部自动化客服分析系统,让 AI 自主处理用户反馈并生成报告。然而,传统的部署方式让非技术人员望而却步。

没有 AutoGPT-Next-Web 时

  • 本地环境配置极其复杂,需要安装 Docker 或 Node.js 依赖,非后端成员难以上手。
  • 原生界面仅支持英文,团队成员在理解 Agent 运行状态时存在语言障碍,操作易出错。
  • 缺乏权限管理机制,部署后链接一旦泄露,外部人员即可访问,存在数据安全隐患。
  • 仅限本地 localhost 运行,无法通过域名远程访问,团队成员间协作与演示极为不便。

使用 AutoGPT-Next-Web 后

  • 通过 Vercel 一键免费部署,1 分钟内即可上线私有网页应用,无需关心服务器运维。
  • 界面完美支持中文显示,输入与输出均为中文,团队成员无需翻译即可顺畅操作。
  • 支持访问码控制功能,仅授权成员输入密码后可使用,有效保障内部数据安全。
  • 绑定自定义域名后,随时随地通过浏览器访问,跨设备协作与成果演示效率大幅提升。

AutoGPT-Next-Web 极大降低了自主 AI 智能体的部署与使用门槛,让团队能专注于业务逻辑而非环境配置。

运行环境要求

操作系统
  • 未说明
GPU

不需要 (Web UI 项目,调用外部 API)

内存

未说明

依赖
notes该项目为 Web UI 应用,需配置 OPENAI_API_KEY、NEXTAUTH_SECRET、SERP_API_KEY 等环境变量。支持 Vercel 一键部署、Docker 部署及本地 Node.js 开发部署。数据库默认使用 SQLite。
python不需要 (基于 Node.js)
Node.js >= 18
npm
Docker
Docker Compose
Prisma
Next.js
AutoGPT-Next-Web hero image

快速开始

AutoGPT-Next-Web

English / 简体中文 / 日本語

一键在 Vercel (云平台) 上部署精心设计的 AutoGPT-Next-Web 网页 UI (用户界面)。

一键免费部署你的私人 AutoGPT-Next-Web 网页应用。

演示 / 反馈 / 加入 Discord / 请开发者喝咖啡

演示 / 反馈 / QQ 群 / 微信 / 打赏开发者

Deploy with Vercel

cover

Discuss with us

cover

特性

  1. 1 分钟内通过 Vercel (云平台) 免费一键部署
  2. 改进的本地化支持:输入中文后,内容将以中文显示而非英文
  3. UI (用户界面) 设计与 AgentGPT 匹配,响应式设计,支持深色模式
  4. 拥有自己的域名?那就更好了,绑定后,你可以随时随地无障碍快速访问
  5. 支持访问码控制,只有你或受信任的个人才能使用该网站

路线图

  • 1. 添加对 Docker (容器引擎) 和 Docker Compose (容器编排工具) 的支持
  • 2. 添加对 Endpoint URL (端点网址) 的支持
  • 3. 添加对 Azure OpenAI API (微软 Azure 云服务开放接口) 的支持
  • 4. 优化运行结果显示,便于查看
  • 5. 添加对微信登录的支持

商业版本

在维护开源项目期间,许多朋友来咨询定制系统的事宜。考虑到可能有更多朋友有类似需求,我们决定启动商业版本的内部测试计划~

  • 计划支持 - 用户登录系统、计费系统、收费系统等,让大家可以直接部署一个收费版的 AutoGPT,并可以直接获得收益
  • 参与方式 - 如需预订商业版本并查看商业版本计划详情,请点击下方链接 AutoGPT-Next-Web 商业愿景

快速开始

点击我查看详细教程

  1. 准备 OpenAI API Key (开放接口密钥);
  2. 点击部署按钮并按照提示操作
  3. 我们支持访问控制功能,详见上述教程

常见问题

Q: 本项目与 AgentGPT 有什么区别?

A: 本项目源自 AgentGPT。我们的目标是持续为国内用户提供友好的功能、界面和各种部署解决方案,帮助大家轻松构建自己的 "AutoGPT" 网站。此外,AgentGPT 项目中的 i18n (国际化) 能力和 Vercel 部署能力也来自我们的贡献。

Docker (容器引擎) 部署

Docker (容器引擎) 本地设置

在本地运行 AutoGPT-Next-Web 最简单的方法是使用 docker (容器引擎)。

 docker-compose -f docker-compose.dev.yml up -d --remove-orphans

Docker (容器引擎) 镜像

使用 docker-image

docker-compose  -f docker-compose.prod.yml up -d --remove-orphans

本地开发设置

如果你希望在本地开发 AutoGPT-Next-Web,最简单的方法是使用提供的设置脚本。

./setup.sh

手动设置

你需要安装 Nodejs +18 (LTS (长期支持版) 推荐)

  1. Fork (复刻) 本项目:
  1. 克隆仓库:
git clone git@github.com:YOU_USER/AutoGPT-Next-Web.git
  1. 安装依赖:
cd AutoGPT-Next-Web
npm install
  1. 创建一个 .env 文件,内容如下:

环境变量必须匹配以下 schema (架构)

# Deployment Environment:
NODE_ENV=development

# Next Auth config:
# Generate a secret with `openssl rand -base64 32` or visit https://generate-secret.vercel.app/
NEXTAUTH_SECRET=''
NEXTAUTH_URL=http://localhost:3000
DATABASE_URL=file:./db.sqlite
NEXT_PUBLIC_WEB_SEARCH_ENABLED='' #true or false
SERP_API_KEY=''
# Your open api key
OPENAI_API_KEY=''
  1. 修改 prisma (数据库工具) schema (架构) 以使用 sqlite (数据库):
./prisma/useSqlite.sh

注意: 仅当你希望使用 sqlite (数据库) 时才需要执行此操作。

  1. 准备就绪,现在运行:
# Create database migrations
npx prisma db push
npm run dev

更多

🎖Awesome-One-Click-Deployment (一键部署精选)

版本历史

v1.0.82023/05/18
v1.0.72023/05/15
v1.0.62023/05/09
v1.0.52023/05/08
v1.0.42023/05/04
v1.0.32023/04/28
v1.0.22023/04/25
v1.0.12023/04/23
v1.0.02023/04/20

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|2天前
Agent图像开发框架