Aurogen
Aurogen 是开源项目 OpenClaw 的多智能体进化版本,旨在提供一个更灵活、易用的 AI 智能体编排框架。针对现有同类工具在功能完整性与二次开发难度之间难以兼顾的痛点,Aurogen 通过完全重构实现了全模块化架构。它将智能体(Agents)、通道、提供商及技能等核心概念彻底实例化与并行化,支持单次部署同时运行多个独立智能体实例,从而轻松应对复杂任务或多智能体协作场景。
该项目特别适合希望低成本搭建私有 AI 助手的中高级用户、开发者及研究人员。其独特亮点在于极致的易用性与兼容性:摒弃了复杂的命令行交互和配置文件,用户仅需通过网页面板即可完成所有设置且实时生效,无需重启服务;同时完美兼容 OpenClaw 生态,可直接导入 ClawHub 上的丰富技能资源。此外,Aurogen 提供了包含运行环境的一键安装包,大幅降低了在 Linux、macOS 甚至树莓派等低算力设备上的部署门槛,让用户能专注于智能体的逻辑构建而非环境配置。
使用场景
某电商运营团队需要同时管理多个平台的客服机器人,并快速迭代新的促销话术技能。
没有 Aurogen 时
- 部署繁琐且无法并行:每新增一个平台客服或测试新策略,都需手动修改配置文件并重启服务,无法在同一实例中同时运行多个“龙虾”机器人。
- 开发门槛高:想要自定义技能或调整代理逻辑,必须深入代码层修改,缺乏模块化设计导致二次开发极其困难。
- 配置生效慢:每次调整模型参数或切换供应商,都需要停止服务、编辑文件再重启,严重阻碍了运营策略的实时验证。
- 生态隔离:难以直接复用 ClawHub 上丰富的现有技能库,往往需要重复造轮子或进行复杂的格式转换。
使用 Aurogen 后
- 多代理并发运行:利用完全模块化架构,在单次部署中即可并行启动多个独立 Agent,分别处理不同平台的咨询或执行多轮对话任务。
- 可视化动态配置:通过 Web 面板即可即时配置 Provider 和调整参数,所有更改秒级生效,彻底告别命令行交互与服务重启。
- 低代码技能编排:直接导入 ClawHub 上的现成技能,像搭积木一样组合 Agents、Channels 和 Skills,大幅降低定制开发难度。
- 原生群组模式:启用最新的 Agent Group 模式,让多个机器人协作处理复杂订单纠纷,无需额外编写协调逻辑。
Aurogen 通过全模块化设计与动态 Web 配置,将多智能体系统的部署与迭代效率提升了数量级,让团队能专注于业务逻辑而非基础设施维护。
运行环境要求
- Linux
- macOS
- Windows
未说明
最低可在约 50 美元的 Linux SBC(单板计算机)上运行,具体内存数值未说明

快速开始
Aurogen:更多OpenClaw
开发者的话: 开源社区中已经存在许多 OpenClaw 的替代方案——有的用更快速的语言重写,有的部署更加简单——但大多数都存在一些取舍:功能有所减少,或者二次开发门槛更高。作为重度 AI 用户,我们尝试过大部分替代方案,发现了真正的痛点,并基于这些发现对 OpenClaw 模式进行了全新实现,打造了具有以下特点的 Aurogen。
✨ 特性
🗂️ 完全模块化 — Aurogen 将 OpenClaw 中的每一个概念——代理、通道、提供者、技能等——完全模块化、实例化并支持并行运行,因此你可以随心所欲地组合与编排它们。在 Aurogen 中,一次部署即可同时运行多个“龙虾”,这正是 More OpenClaws 的含义。
💡 轻松配置 — Aurogen 完全摒弃了 CLI 交互和配置文件。安装完成后,只需打开 Web 控制台 → 设置密码 → 配置你的第一个提供者,即可在 Web 通道中开始使用。所有模块均动态加载,因此每次设置都会立即生效——无需重启。
🦀 生态兼容 — Aurogen 与 OpenClaw 生态完全兼容。你可以从 clawhub.ai 下载任意技能,并直接导入到 Aurogen 中。内置的公共技能也原生集成了 ClaWHub。
词源: Aurogen = Aurora(黎明/北极光,罗马神话中的黎明女神)+ generation(生成)。发音听起来有点像橙子 🍊——快来种一棵满是 🍊 的树吧!
📢 新闻
- 2026-03-14 — Aurogen 现已原生支持代理组模式——应对复杂任务或进行多代理对话!
- 2026-03-12 — 文档站点上线,并进行了 UX 优化!
- 2026-03-11 — 我们发布了一键安装包——请从 Releases 下载!
- 2026-03-10 — Aurogen 正式上线!快来尝一口 🍊 吧!
📖 文档
访问 docs.aurogen.site 查看完整文档。
🏗️ 架构

该图仅为草稿——更清晰的版本即将发布。
🦀 功能对比
| 功能 | Aurogen | OpenClaw | NanoBot | PicoClaw | ZeroClaw |
|---|---|---|---|---|---|
| 内存 | ✅ | ✅ | ✅ | ✅ | ✅ |
| 工具 / 技能 | ✅ | ✅ | ✅ | ✅ | ✅ |
| 子代理 | ✅ | ✅ | ✅ | ✅ | ✅ |
| Web 控制台 | ✅ | ✅ | ✖️ | ✖️ | ✖️ |
| 多代理(非子代理) | ✅ | ✖️ | ✖️ | ✖️ | ✖️ |
| 每个通道多实例 | ✅ | ✖️ | ✖️ | ✖️ | ✖️ |
| BOOTSTRAP 机制 | ✅ | ✅ | ✖️ | ✖️ | ✖️ |
| 最低硬件成本 | Linux SBC ~$50 | Mac Mini $599 | Linux SBC ~$50 | Linux 板 $10 | 任何硬件 ~$10 |
NanoBot 部分支持多实例,但配置稍显复杂。
这些都是优秀的项目,极大地启发了 Aurogen。它们目前仍在积极维护中,因此本表格可能会很快过时。
随着项目的演进,更多独特功能将被记录在案。
🚀 快速入门
一键安装程序
从 Releases 下载适用于你平台的安装包。每个包都包含 Python 和 Node.js 运行时环境——无需额外安装软件。
| 平台 | 架构 | 文件 |
|---|---|---|
| macOS | Apple Silicon (M1/M2/M3/M4) | aurogen-x.x.x-macos-arm64.tar.gz |
| Linux | ARM64 | aurogen-x.x.x-linux-arm64.tar.gz |
| Linux | x86_64 | aurogen-x.x.x-linux-x64.tar.gz |
| Windows | x64 | aurogen-x.x.x-windows-x64.zip |
macOS / Linux:
tar -xzf aurogen-x.x.x-<platform>.tar.gz
cd aurogen-x.x.x-<platform>
bash start.sh
Windows: 解压 ZIP 文件后,双击 start.bat 即可。
在浏览器中打开 http://localhost:8000。所有配置均可通过 Web 界面完成。
Docker
构建镜像:
docker build -t aurogen .
使用持久化工作区运行 Aurogen:
docker run --rm -p 8000:8000 \
-v "$(pwd)/aurogen/.workspace:/app/aurogen/.workspace" \
aurogen
然后访问 http://localhost:8000。
Docker Compose
从项目根目录执行:
docker compose up -d --build
开发环境搭建
先决条件: conda(或其他 Python 环境管理器)和 Node.js。
从项目根目录开始:
1. 启动后端:
# 创建环境
conda create -n aurogen python=3.12
# 安装依赖
conda activate aurogen && cd ./aurogen && pip install -r requirements.txt
# 启动服务器
uvicorn app.app:app --host 0.0.0.0 --port 8000 --reload
2. 启动前端:
cd ./aurogen_web && npm i
npm run dev
入门:设置密码和提供者
访问 docs.aurogen.site 查看完整文档。
版本历史
v0.2.0post22026/03/14v0.2.02026/03/13v0.1.22026/03/13v0.1.12026/03/12v0.1.02026/03/12相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
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。
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
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。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。