令人惊叹的AGI智能体

智能体精选资源合集，持续更新中

文章和视频

名称	简介	备注
AI智能体大爆发：软件2.0雏形初现，OpenAI的下一步	Lilian Weng 的个人博客文章，Lilian 现在是 OpenAI 的 Head of Safety Systems，之前还领导过 OpenAI 的 Applied AI 团队。AI智能体被认为是 OpenAI 发力的下一个方向。OpenAI 的联合创始人 Andrej Karpathy 在近期的一次公开活动上提到“相比模型训练方法，OpenAI 内部目前更关注智能体领域的变化，每当有新的AI智能体论文出来的时候，内部都会很兴奋并且认真地讨论”，而在更早之前，Andrej 还评价 AutoGPT 是 Prompt Engineering 下一阶段的探索方向。	英文原文
《综述：全新大语言模型驱动的智能体》——4.5万字详细解读复旦NLP和米哈游最新智能体调查	复旦NLP团队和米哈游一起出的《TITLE：基于大语言模型的智能体崛起与潜力：一项调查》论文的一个翻译版本，作者同时对部分内容进行了删繁就简，总结概括。	论文原文
AI智能体的千亿美金问题：如何重构10亿知识工作职业，掀起软件生产革命？	作者认为智能体产品需要具备的特性是，要给产品设计者和用户提供干预空间。目前实践中最具代表性的有两类：中间层的智能体框架和垂直领域的垂直智能体。	-
LangChain智能体 - 将工具和链与决策结合	LangChain智能体--将工具和任务链与决策结合起来	英文 Youtube 视频，LangChain 项目官方对预置的智能体介绍。

论文

名称	简介	备注
LLM智能体调查	基于大语言模型的自主智能体综述
LLM智能体论文列表	“基于大语言模型的智能体崛起与潜力：一项调查”综述论文的论文列表
LLMAgentPapers	基于大语言模型的自主智能体综述
Toolformer: 语言模型可以自学使用工具	大语言模型可以学会使用工具	-
HuggingGPT: 用ChatGPT及其朋友解决AI任务，连接HuggingFace社区中的各种AI模型	用ChatGPT作为控制器，连接HuggingFace社区中的各种AI模型，完成多模态复杂任务。整个过程，只需要做的是：用自然语言将你的需求输出。	知乎中文讨论
ToolLLM: 促进大语言模型掌握16000+真实世界API	研究人员设计了一个评测LLM使用工具能力的Benchmark（基准）—— LLMBench，以及一个针对该场景的数据构建、模型训练、评测的框架—— ToolLLM。	[知乎文章], [GitHub开源地址]
AgentBench: 评估大语言模型作为智能体	AgentBench 是首个旨在评估大语言模型在各种不同环境中作为智能体的基准。它包含8种不同的环境，可以更全面地评估大语言模型在各种场景中作为自主智能体运行的能力。	GitHub开源地址

前沿项目

名称	Stars	简介	备注
:fire: Auto-GPT		一个实验性的开源尝试，让GPT-4完全自主。	大名鼎鼎的AutoGPT项目, AI智能体的早期尝试之一
:fire: gpt-engineer		指定你想让它构建什么，AI会要求澄清，然后帮你构建。	全栈开发智能体，用GPT编写整个项目代码！
:fire: AgentGPT		在浏览器中组装、配置并部署自主AI智能体。	在浏览器中部署运行AI智能体。
:fire: MetaGPT		🌟 多智能体框架：给定一行需求，返回PRD、设计、任务、仓库。	MetaGPT，多智能体框架，输入一句话的老板需求，输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等
llama-hub,shopify智能体		一个客户支持智能体 🤖 可以对接@Shopify的全部GraphQL API规范（>5万行！）。	llama-hub构建的客户支持智能体，能够与@Shopify的整个GraphQL API规范（>5万行！）交互
Agent-LLM		一个人工智能自动化平台。管理来自不同提供商的AI指令，拥有自适应记忆，以及多功能插件系统，包括网页浏览等多种命令。	人工智能自动化平台。https://agent-llm.com/
skyagi		SkyAGI实现了生成式智能体的理念，并带来了一款角色扮演游戏，创造了非常有趣的用户体验。	SkyAGI实现了“生成式智能体”的理念，设计了一个角色扮演游戏，创造了非常有趣的用户体验。
generative_agents		生成式智能体：人类行为的互动模拟。	斯坦福和谷歌的研究人员以《模拟人生》游戏为灵感，创建的AI智能体小镇；研究人员在模拟城镇中添加了25个生成式智能体（Generative Agents），这25个角色由ChatGPT和自定义代码控制，以高度逼真的行为独立地生活。在ChatGPT的支持下，每个人都有自己独特的身份、记忆和行为，并且可以独立交互，但他们都不会意识到自己是生活在模拟中。中文介绍
developer		第一个让你在自己的应用中嵌入开发者智能体的库！	工程师智能体，给它一个产品规格，为你搭建一个完整的代码库，提供基本的模块，让您在自己的应用程序内拥有一个智能开发人员。

代理开发平台

名称	Stars	简介	备注
langchain		通过可组合性构建基于大语言模型的应用程序	开发的 ChatGPT 应用,构建基于 LLM 的 agents. CSV Agent JSON Agent, OpenAPI Agent, Pandas Dataframe Agent, Python Agent, SQL Database Agent, Vectorstore Agent
AutoChain		AutoChain: 构建轻量级、可扩展和可测试的LLM代理。
SuperAGI		<⚡️> SuperAGI - 一个以开发者为先的开源自主AI代理框架。让开发者能够快速、可靠地构建、管理和运行有用的自主代理。	官网 构建、管理和运行 AI Agents。
superagent		Superagent - 构建、部署和管理基于大语言模型的代理。	官网 开发人员能更轻松地构建、管理和部署智能体到生产中，包括内置内存、通过向量数据库检索文档、强大的工具、网络钩子、cron 任务等功能。
ai-town		MIT 许可证，可部署的启动套件，用于构建和定制你自己的 AI 城镇版本——一个人工智能角色生活、聊天和社交的虚拟城镇。
agent-protocol		与AI代理交互的通用接口。该协议与技术栈无关——你可以将其与任何框架结合使用来构建代理。	官网 AutoGPT、smol developer 等知名项目都在使用的“智能体通讯协议”——用于与智能体进行通信的通用接口。
autogen		AutoGen是一个框架，它允许使用多个 agents 来开发LLM应用程序，这些智能体可以相互交谈以解决任务。
agents		一个用于自主语言代理的开源框架。
bisheng 毕昇		Bisheng 是一个面向下一代AI应用的开源大模型DevOps平台。	一款领先的开源大模型应用开发平台，赋能和加速大模型应用开发落地，帮助用户以最佳体验进入下一代应用开发模式。
Agently		🚀 快速构建基于大语言模型代理的应用程序。	面向应用开发者：Agently提供方便快速生成能力强大的Agent实例的能力，让开发者可以便捷地将这些实例与自己的业务代码相结合。

精选列表

名称	Stars	简介	备注
awesome-ai-agents		AI自主代理的精选列表。	基于 LLM 的 agents 精选资源。

星标历史

Awesome-AGI-Agents 快速上手指南

环境准备

• 系统要求：Windows / macOS / Linux（推荐 Linux 或 macOS）
• Python 版本：≥ 3.9
• 前置依赖：
  • pip（Python 包管理器）
  • git
  • OpenAI API Key（如需使用 GPT-4/ChatGPT）或本地 LLM（如 Llama 3、Qwen）
  • 可选：Docker（用于运行部分框架如 AgentGPT、AI Town）

国内用户建议使用清华源加速 pip 安装：
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

---

安装步骤

1. 克隆本项目（推荐使用国内镜像加速）

git clone https://ghproxy.com/https://github.com/yzfly/Awesome-AGI-Agents.git
cd Awesome-AGI-Agents

2. 安装核心开发框架（以 LangChain 为例）

pip install langchain langchain-openai python-dotenv

如需使用 AutoGPT 或 MetaGPT，可单独安装：

pip install autogen
pip install metagpt

---

基本使用

示例：使用 LangChain 构建一个简单 Agent（调用 OpenAI）

1. 创建 .env 文件，填入你的 API Key：

OPENAI_API_KEY=your_openai_api_key_here

2. 创建 simple_agent.py：

from langchain.agents import load_tools
from langchain.agents import initialize_agent
from langchain.llms import OpenAI
import os
from dotenv import load_dotenv

load_dotenv()

llm = OpenAI(temperature=0)
tools = load_tools(["serpapi", "llm-math"], llm=llm)
agent = initialize_agent(tools, llm, agent="zero-shot-react-description", verbose=True)

agent.run("中国人口是多少？并计算其平方根")

3. 运行：

python simple_agent.py

✅ 输出：Agent 将自动调用搜索引擎获取数据，并用计算器完成数学运算。

---

快速体验热门项目（无需编码）

• Auto-GPT：GitHub

  git clone https://ghproxy.com/https://github.com/Significant-Gravitas/Auto-GPT.git
  cd Auto-GPT && pip install -r requirements.txt
  python -m autogpt
  

• MetaGPT（多智能体协作）：GitHub

  pip install metagpt
  metagpt --project-name "开发一个待办清单App" --task "写一个Python版的CLI待办应用"
  

• AgentGPT（浏览器即用）：访问 https://agentgpt.reworkd.ai 直接在线部署，无需安装。

---

💡 建议从 LangChain 或 MetaGPT 开始，快速构建可落地的 Agent 应用。
所有项目均支持中文输入与输出，适合中国开发者快速上手。