💬 Agent Pilot

️

一个多功能的工作流自动化系统。创建、组织并执行复杂的 AI 驱动任务。
无论你是想与单个大语言模型（LLM, Large Language Model）聊天，还是与复杂的多成员工作流交互，Agent Pilot 都能提供无缝体验。

凭借直观且功能丰富的界面，你可以轻松设计 AI 工作流，并实时与其进行对话。
支持分支对话（Branching chats），实现灵活的交互和迭代优化。

Agent Pilot 提供可生成且高度可定制的用户界面（UI），允许你创建自定义页面和层级化配置。
这种灵活性让你能够根据自身需求自由设计界面，并轻松集成到你的工作流中。

系统支持定时和周期性工作流，可通过自然语言表达的时间设定运行计划，自动化范围从每秒一次到每闰年一次均可实现。

快速开始

二进制文件（Binaries）

平台	下载
Linux	AgentPilot_0.5.1_Linux.tar.gz MD5: e74e736e3efbd459b411ecffc45e936e SHA1: 93b12bd208095f8d8b34395446de23d233a1baed
Windows	AgentPilot_0.5.1_Windows.zip MD5: 17079a8f2faf9683c59d11d0b67a8092 SHA1: c5a30c02f17782ead98c24098e874c9ba2edc950
Mac Intel	AgentPilot_0.5.1_Mac_Intel.tar.gz MD5: 2e1e03e5305ea279df1b76d1a8074cb7 SHA1: 9369152f1b69ff2a4ca476ecf1b377b5ce0e072b

从源码构建：如何从源码构建

[!TIP] 在启动应用前，用新版本可执行文件替换旧版本，即可将旧数据库迁移到新版本。

功能特性

👤 创建智能体（Agents）

创建新智能体，编辑其配置，并将其整理到文件夹中。
多成员工作流可保存为单个智能体，并支持无限嵌套。

📝 管理对话（Chats）

查看、继续或删除之前的工作流对话，并将其整理到文件夹中。

🌱 分支工作流（Branching Workflows）

可编辑消息、工具和代码并重新运行，从而以更实用的方式与工作流交互。
分支功能适用于所有插件和多成员对话。

👥 图形化工作流（Graph Workflows）

无缝地向工作流中添加其他成员或模块，并配置它们之间的交互方式。
垂直对齐的成员将并行执行。

可用成员类型：

• User（用户） - 即你自己，将等待你的输入。
• Agent（智能体） - 调用大语言模型（LLM）并集成工具和消息生成响应。
• Text（文本） - 简单的文本块，可嵌套其他模块。
• Code（代码） - 执行任意代码并返回输出结果。
• Prompt（提示） - 根据单条提示获取大语言模型（LLM）的响应。
• Module（模块） - 运行或获取任意模块中的方法或变量。
• Workflow（工作流） - 上述任意类型的组合。

📦 模块块（Blocks）

管理一组可在任意工作流或文本字段中使用的可嵌套模块块，提升复用性和一致性。
默认情况下，模块块是一个简单的文本块，但它也可以是上述任意成员类型，甚至是一个多成员工作流。
这些模块块可快速拖入任意工作流，或在文本字段（如系统消息）中通过花括号引用模块名使用，例如 {block-name}。

🔨 工具（Tools）

创建和管理可分配给智能体的工具。
工具与模块块功能相同，但默认为单个 Code 成员。
工具也可以是完整的工作流，这意味着你的智能体不仅能运行代码，还能执行整个工作流。
可配置工具参数，这些参数可被所有工作流成员类型访问。
参数可在运行时修改并重新执行，从而创建可循环遍历的分支点。

💻 模块（Modules）

模块是运行时导入的 Python 文件。
适用于工具包、守护进程、记忆存储、自定义页面等需要持久化的场景。

📐 可定制 UI

包含一套灵活而强大的基础类，用于构建复杂的层级化配置界面。
整个应用程序均基于此框架构建。
开发者可轻松修改或创建配置页面，即使在应用运行时也可进行。

🕒 调度器（Scheduler，高级功能）

可安排工作流在特定时间或间隔自动运行。
支持自然语言表达式，实现灵活调度。
例如，可设置工作流每 5 分钟运行一次、每天下午 3 点运行，或每月第二个星期二运行。

📄 结构化输出（Structured Outputs）

得益于 Instructor，成员可配置为输出结构化数据。

📦 插件（Addons）

创建并导入自定义插件，以扩展 Agent Pilot 的功能。

💻 代码解释器（Code Interpreter）

Open Interpreter 已集成到 Agent Pilot 中，既可作为独立插件使用，
也可用于执行 9 种语言的代码（Python、Shell、AppleScript、HTML、JavaScript、PowerShell、R、React、Ruby）。

代码可通过以下方式执行：

• 任意工作流（对话、模块块、工具）中的 'Code' 成员。
• 角色为 'Code' 的消息。

你应始终理解正在运行的代码，任何执行的代码均由你自己负责。

对于代码消息，可在设置中启用自动运行。
要查看代码消息的实际效果，请与预配置的 Open Interpreter 智能体对话。

🪄 AI 生成（AI Generation）

'System Blocks' 文件夹下的模块用于生成或增强字段。
默认已包含 Claude 的提示词（prompt）生成器，你可以对其进行调整或创建自己的版本。

• Prompt - 经 AI 增强的用户输入
• Agent - AI 生成的智能体（即将推出）
  • System message - AI 生成的系统消息（即将推出）
• Page - AI 生成的页面（即将推出）

🔌 插件（Plugins）

Agent Pilot 支持以下插件：

• Agent - 创建自定义智能体行为

  • Open Interpreter
  • OpenAI Assistant
  • CrewAI Agent（当前已禁用）

• Workflow - 创建工作流行为

  • CrewAI Workflow（当前已禁用）

• Provider - 添加对模型提供商的支持

  • Litellm（支持 100+ 模型）

• 创建一个插件

👄 语音（Voice）

即将回归
智能体可连接文本转语音（text-to-speech）服务，结合个性上下文模块（personality context block），让你的智能体栩栩如生！

🔠 模型（Models）

LiteLLM 已集成，并支持以下提供商：

• AI21
• AWS Bedrock
• AWS Sagemaker
• Aleph Alpha
• Anthropic
• Anyscale
• Azure OpenAI
• Baseten
• Cloudflare
• Cohere
• Custom API Servers（自定义 API 服务器）
• DeepInfra
• DeepSeek
• Gemini
• Github
• Groq
• Huggingface
• Mistral
• NLP Cloud
• Nvidia NIM
• Ollama
• OpenAI
• OpenRouter
• PaLM API Google
• Perplexity AI
• Petals
• Replicate
• Together AI
• VLLM
• VertexAI Google
• Voyage

贡献（Contributions）

欢迎并感谢您为 Agent Pilot 项目做出贡献。请随时提交 Pull Request。

已知问题（Known Issues）

• 使用自动运行代码（auto run code）和 Open Interpreter 时需谨慎：任何聊天窗口中，如果最后一条消息是代码，它将自动开始执行。我将添加一个标记，用于记录倒计时是否已被停止。
• Windows 的 exe 版本由于一个奇怪的 bug，必须显示控制台窗口。
• Linux 上存在一个问题：创建虚拟环境（venv）时不会自动安装 pip。
• 修改 OpenAI Assistant 的配置不会重新加载该 Assistant，目前需要关闭并重新打开聊天窗口。

如果你觉得这个项目对你有帮助，请考虑通过点个 Star 或打赏来表示支持 :)


BTC:

ETH:

AgentPilot 快速上手指南

环境准备

• 操作系统：支持 Linux、Windows 和 macOS（Intel 架构）
• 依赖项：无需额外安装 Python 或其他运行时（官方提供预编译二进制包）
• 网络要求：首次启动需联网以加载模型配置；若使用本地模型（如 Ollama），请确保对应服务已运行

💡 国内用户建议配置代理或使用支持国内访问的模型提供商（如 OpenRouter、Groq 等）

安装步骤

方法一：下载预编译二进制包（推荐）

根据你的操作系统，从以下链接下载对应版本：

平台	下载链接
Linux	AgentPilot_0.5.1_Linux.tar.gz
Windows	AgentPilot_0.5.1_Windows.zip
Mac Intel	AgentPilot_0.5.1_Mac_Intel.tar.gz

解压后直接运行可执行文件即可：

# Linux 示例
tar -xzf AgentPilot_0.5.1_Linux.tar.gz
cd AgentPilot_0.5.1_Linux
./AgentPilot

⚠️ Windows 用户需保持控制台窗口可见（已知问题）

方法二：从源码构建（高级用户）

参考官方文档：How to build from source

基本使用

1. 启动应用

运行 AgentPilot 可执行文件，首次启动会自动打开图形界面。

2. 配置模型提供商

• 进入 Settings > Providers
• 选择一个支持的提供商（如 OpenAI、Ollama、Groq 等）
• 填写 API Key 或本地地址（例如 Ollama 默认为 http://localhost:11434）

3. 创建简单聊天代理

• 点击左侧 Agents → + New Agent
• 选择 Agent 类型
• 在配置中指定使用的模型（如 gpt-4o 或 llama3）
• 保存后点击该代理即可开始对话

4. 使用代码解释器（可选）

• 与内置的 Open Interpreter 代理对话
• 输入如 画一个正弦波 或 列出当前目录文件 等指令
• 启用自动运行代码：Settings > Code Interpreter > Auto-run code

🔒 注意：所有执行的代码由你本人负责，请勿运行不可信内容

现在你已可以：

• 与单个 AI 聊天
• 创建多成员工作流
• 使用自然语言调度任务（Premium 功能）
• 通过 {block-name} 在任意文本字段复用代码块或提示词