astron-agent
astron-agent 是一款面向企业的开源智能体工作流平台,助力用户构建下一代超级智能体。通过整合 AI 工作流编排、模型管理、RPA 自动化等核心功能,astron-agent 有效解决了传统 AI 应用落地难、系统对接复杂以及商业授权受限的痛点。借助高可用架构,astron-agent 让组织能够快速搭建可扩展的生产级智能应用。
astron-agent 特别适合开发者和技术团队,尤其是需要将 AI 深度融入业务流程的企业。其独特亮点在于原生集成了智能 RPA,实现了从决策到执行的业务闭环,并能灵活适配各类大模型,支持从 API 调用到本地私有化部署。此外,astron-agent 基于 Apache 2.0 协议发布,完全免费且允许商业用途,配合讯飞开放平台的丰富工具生态,显著降低了开发门槛。无论是初创公司还是大型企业,都能利用 astron-agent 高效建立自己的 AI 基础架构,推动智能化转型。
使用场景
某中型电商企业的客服团队计划构建一套能自动处理订单查询与复杂退款申请的智能助手系统,以提升响应效率。
没有 astron-agent 时
- 开发流程繁琐,需手写代码硬编码连接内部 ERP 系统,维护成本极高且容易出错。
- 缺乏统一监控机制,Agent 运行时出错难以追踪,导致业务中断无人知晓。
- 模型切换困难,无法灵活适配不同业务场景的 API 需求,扩展性差。
- 开源方案常伴随合规隐患,直接商用存在法律风险,团队不敢大规模部署。
使用 astron-agent 后
- 借助可视化编排快速搭建工作流,内置 RPA 能力一键集成 ERP 实现自动退款操作。
- 企业级高可用架构保障服务稳定,支持故障自动恢复与全链路日志审计。
- 灵活对接星火大模型及第三方工具,无需重复开发即可调用百万开发者验证的能力。
- Apache 2.0 协议确保无商业限制,可放心用于生产环境并支持二次分发与定制。
astron-agent 凭借企业级稳定性与商业友好特性,助力团队低成本高效落地安全可靠的自动化智能体应用。
运行环境要求
- 未说明
未说明
未说明

快速开始
English | 简体中文
🔭 什么是 Astron Agent
Astron Agent 是一个企业级、适合商用的 Agentic Workflow(代理工作流)开发平台,集成了 AI 工作流编排、模型管理、AI 和 MCP(模型上下文协议)工具集成、RPA(机器人流程自动化)自动化以及团队协作功能。 该平台支持高可用(High-availability)部署,使组织能够快速构建可扩展、生产就绪(Production-ready)的智能体应用,并为未来的 AI 基础架构奠定基础。
为什么选择 Astron Agent?
- 稳定可靠:基于讯飞 Astron Agent 平台的核心技术构建,提供企业级可靠性,完全可用的高可用(High-availability)版本已开源。
- 跨系统集成:原生集成智能 RPA,高效连接企业内部和外部系统,实现 Agent 与企业系统的无缝交互。
- 企业级开放生态:深度兼容各类行业模型和工具,支持自定义扩展,灵活适应多样化的企业场景。
- 商业友好:采用 Apache 2.0 许可证发布,无商业限制,允许免费商用。
主要特性
- 企业级高可用性:全栈能力覆盖开发、构建、优化和管理。支持一键部署,可靠性强。
- 智能 RPA 集成:实现跨系统流程自动化,赋予 Agent 可控的执行能力,达成“从决策到行动”的完整闭环。
- 即用型工具生态:集成来自 讯飞开放平台 的海量 AI 能力和工具,经数百万开发者验证,支持即插即用集成,无需额外开发。
- 灵活的大模型支持:提供多种接入方式,从快速基于 API(应用程序编程接口)的模型接入和验证,到企业级 MaaS(模型即服务)本地集群的一键部署,满足各种规模的需求。
📰 新闻动态
🔄 进行中
📅 过往活动
- Astron 黑客马拉松 @ 2025 讯飞全球 1024 开发者节 🎤
@mklong - Astron Agent 郑州见面会 🎤
@lyj715824
@wowo-zZ - Astron 走进校园 @ 浙江财经大学 🎤
@lyj715824 - Astron Agent & RPA · 青岛见面会带来智能体 AI! 🎤
@vsxd
@doctorbruce
@MaxwellJean - Astron 训练营 · 第一期 🎤
@lyj715824
@Thomas1024-Astron
@abelzha - Astron 讲座 @ 重庆迷你科技节 🎤
@lyj715824 - Astron Agent @ 2026 巴塞罗那世界移动通信大会
- Astron Agent & RPA · 合肥见面会 🎤
@lyj715824
@doctorbruce
🚀 快速开始
我们提供两种部署方法以满足不同场景:
方案一:Docker Compose(推荐用于快速开始)
# Clone the repository
git clone https://github.com/iflytek/astron-agent.git
# Navigate to the Docker deployment directory
cd docker/astronAgent
# Copy environment configuration
cp .env.example .env
# Configure environment variables
vim .env
对于环境变量配置,请参考文档:DEPLOYMENT_GUIDE_WITH_AUTH.md
# Start all services (including Casdoor)
docker compose -f docker-compose-with-auth.yaml up -d
📊 服务访问地址
启动后,您可以通过以下地址访问服务:
认证服务
- Casdoor 管理界面:http://localhost:8000
AstronAgent
- 应用前端(Nginx 代理):http://localhost/
注意
- 默认 Casdoor 登录凭据:用户名:
admin,密码:123
方案二:Helm(适用于 Kubernetes 环境)
🚧 注意:Helm 图表目前正在开发中。敬请期待更新!
# Coming soon
# helm repo add astron-agent https://iflytek.github.io/astron-agent
# helm install astron-agent astron-agent/astron-agent
📖 完整的部署说明和配置详情,请参阅 部署指南
📖 使用 Astron Cloud
尝试 Astron:Astron Cloud 提供了一个开箱即用的环境,用于创建和管理 Agent(智能体)。可快速访问 https://agent.xfyun.cn。
使用指南:如需详细使用说明,请参阅 快速开始指南。
📚 文档
🤝 贡献
我们欢迎各种形式的贡献!请查看我们的 贡献指南
🌟 星标历史
📞 支持
- 💬 社区讨论:GitHub Discussions
- 🐛 问题反馈 (Issues):GitHub Issues
- 👥 企业微信群:
📄 开源许可证
本项目采用 Apache 2.0 许可证 授权,允许免费使用、修改、分发及商业使用,无任何限制。
版本历史
v1.0.42026/04/02v1.0.32026/03/20v1.0.22026/02/06v1.0.12026/01/30v1.0.02026/01/05v1.0.0-rc.92025/12/11v1.0.0-rc.82025/12/04v1.0.0-rc.72025/12/02v1.0.0-rc.62025/11/20v1.0.0-rc.52025/11/03v1.0.0-rc.42025/10/30v1.0.0-rc.32025/10/29v1.0.0-rc.22025/10/28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。
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。
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。
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。
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。
