能力标签
agent-book-code Agent工作流
🛠
AI工具

agent-book-code Agent工作流

基于 Python · 开源 AI 工具,GitHub 社区精选
英文名:agent-book-code
⭐ 25 Stars 🍴 3 Forks 💻 Python 📄 MIT 🏷 AI 8.0分
8.0AI 综合评分
AI智能体工作流Python教育资源实战教程
✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估,agent-book-code Agent工作流 获评「强烈推荐」。这款AI工具在功能完整性、社区活跃度和易用性方面表现出色,AI 评分 8.0 分,适合有一定技术背景的用户使用。

📚 深度解析

agent-book-code Agent工作流 是一款基于 Python 的开源工具,在 GitHub 上收获 0k+ Star,是AI智能体、工作流、Python、教育资源领域中的优质开源项目。开源工具的最大优势在于代码完全透明,你可以审计每一行代码的安全性,也可以根据自身需求进行二次开发和定制。

**为什么要使用开源工具而非商业 SaaS?**
对于个人开发者和有隐私需求的用户,本地部署的开源工具意味着数据不离本机,不受第三方服务商的数据政策约束。同时,开源工具通常没有使用次数限制和月度费用,一次安装即可长期使用,对于高频使用场景的总拥有成本(TCO)远低于订阅制商业工具。

**安装与环境准备**
agent-book-code Agent工作流 依赖 Python 运行环境。建议通过 pyenv(Python)或 nvm(Node.js)管理 Python 版本,避免全局环境污染。对于新手用户,推荐先创建虚拟环境(python -m venv venv && source venv/bin/activate),再安装依赖,这样即使出现问题也可以随时删除虚拟环境重新开始,不影响系统稳定性。

**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues(已关闭的问题),大多数常见问题都已有解答。遇到 Bug 时,提供 pip list 的输出、完整错误堆栈和最小可复现示例,能显著提高开发者响应速度。AI Skill Hub 将持续追踪 agent-book-code Agent工作流 的版本更新,及时通知重要功能变化。

📋 工具概览

配套《从0开始构建AI智能体》一书的开源代码仓库。提供完整的AI工作流和智能体构建实战教程,包含agent技能、工作流设计等核心内容,适合想要学习AI Agent开发的Python开发者和AI爱好者。

agent-book-code Agent工作流 是一款基于 Python 开发的开源工具,专注于 AI智能体、工作流、Python 等核心功能。作为 GitHub 开源项目,它拥有活跃的社区支持和持续的版本迭代,代码完全透明可审计,支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流,都能提供稳定可靠的解决方案。

GitHub Stars
⭐ 25
开发语言
Python
支持平台
Windows / macOS / Linux
维护状态
轻量级项目,按需更新
开源协议
MIT
AI 综合评分
8.0 分
工具类型
AI工具
Forks
3

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理,如需查看完整原始文档请访问底部「原始来源」。

配套《从0开始构建AI智能体》一书的开源代码仓库。提供完整的AI工作流和智能体构建实战教程,包含agent技能、工作流设计等核心内容,适合想要学习AI Agent开发的Python开发者和AI爱好者。

agent-book-code Agent工作流 是一款基于 Python 开发的开源工具,专注于 AI智能体、工作流、Python 等核心功能。作为 GitHub 开源项目,它拥有活跃的社区支持和持续的版本迭代,代码完全透明可审计,支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流,都能提供稳定可靠的解决方案。

📌 核心特色
  • 开源免费,支持本地部署,数据完全自主可控
  • 活跃的 GitHub 开源社区,持续迭代更新
  • 提供详细文档和使用示例,新手友好
  • 支持自定义配置,灵活适配不同使用环境
  • 可作为基础组件集成进现有技术栈或进行二次开发
🎯 主要使用场景
  • 本地部署运行,保护数据隐私,满足合规要求
  • 自定义集成到现有系统,扩展技术栈能力
  • 作为开源基础组件进行商业化二次开发
以下安装命令基于项目开发语言和类型自动生成,实际以官方 README 为准。
安装命令
# 方式一:pip 安装(推荐)
pip install agent-book-code

# 方式二:虚拟环境安装(推荐生产环境)
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
pip install agent-book-code

# 方式三:从源码安装(获取最新功能)
git clone https://github.com/hyyhf/agent-book-code
cd agent-book-code
pip install -e .

# 验证安装
python -c "import agent_book_code; print('安装成功')"
📋 安装步骤说明
  1. 访问 GitHub 仓库页面
  2. 按照 README 文档完成依赖安装
  3. 根据系统环境完成初始化配置
  4. 参考官方示例或文档开始使用
  5. 遇到问题可在 GitHub Issues 中查找解答
以下用法示例由 AI Skill Hub 整理,涵盖最常见的使用场景。
常用命令 / 代码示例
# 命令行使用
agent-book-code --help

# 基本用法
agent-book-code input_file -o output_file

# Python 代码中调用
import agent_book_code

# 示例
result = agent_book_code.process("input")
print(result)
以下配置示例基于典型使用场景生成,具体参数请参照官方文档调整。
配置示例
# agent-book-code 配置文件示例(config.yml)
app:
  name: "agent-book-code"
  debug: false
  log_level: "INFO"

# 运行时指定配置文件
agent-book-code --config config.yml

# 或通过环境变量配置
export AGENT_BOOK_CODE_API_KEY="your-key"
export AGENT_BOOK_CODE_OUTPUT_DIR="./output"
📑 README 深度解析 真实文档 完整度 62/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理,保留代码块、表格与列表结构。

简介

<img src="assets/header.png" alt="FunHarness Logo" width="100%" />

关于本书

本书是一本从零开始构建 AI 智能体的实战教材。不依赖任何高层 Agent 框架,完全基于原始 LLM API,带领读者一步一步手写出一个具备工具调用、上下文管理、权限控制、可观测性的 AI 编程助手FunHarness

它不是一本只展示 API 调用片段的教程,也不是一本只讲概念的 Agent 读物。本书更像一条可运行、可拆解、可复现的工程路线:先从一次最小 LLM 调用开始,理解消息、流式输出和函数调用;再逐步加入 Agent Loop、工具系统、上下文管理、记忆、权限、Hooks、多 Agent 协作与可观测性;最后把这些能力沉淀进一个完整的 mini 产品。

这也是本书与普通示例代码最大的区别:读者不是“看完一个项目”,而是跟着项目的演进过程,亲手把一个类 “Claw” AI Agent 搭出来。每一章都有对应的中间版本,每一次新增能力都能被运行、对比和修改。到最后,FunHarness 不只是代码仓库里的产物,而是读者理解 Agent 工程化之后的第一个实战作品。

[!tip] 本书的核心信念:理解 > 使用。 真正掌握 Agent 原理的最佳方式,是亲手把每一层抽象从零实现一遍。

────── 从原理到产品,从示例到自己的 Agent ──────

</div>

功能更新

[!NOTE] - 2026-06-17 —— 新增学习实验室 (Study Lab) 功能 - 智能阅读与图谱双向联动:导入本地 PDF/MD/TXT 或网页快照,智能解析并生成交互式概念图谱,支持图谱与阅读文本双向绑定高亮。 - 四大核心主动学习工具:集成文档导师多轮追问、主动回忆闪卡、多维单选测验(Quiz)、费曼法对话(AI 扮演 8 岁学生启发式追问)。 - 概念动态交互可视化 (Visualizer):将抽象概念/公式自动设计渲染为可交互组件,内置独立沙盒与错误自我修复。 - 掌握度与学习证据:多轴向追踪并记录每次学练证据,动态评估并展示各概念的掌握情况。 - 2026-06-07 —— 新增多智能体群聊功能 - Agent Groups 多智能体群聊:支持创建 Agent 角色与群组,通过 @成员 / @all 分派任务,不同成员可并行协作,并独立保存会话、运行记录和交付物。 - 工作区体验优化:改进文件树、代码预览和 Diff 展示,浏览与检查 Agent 生成内容更加直观。 - Skills 与 Web 工具增强:完善 Skills 的搜索、添加、删除和按 Agent 配置能力,同时提升 web_fetch 的网页内容提取质量。 - 稳定性修复:加强运行时工具与权限控制,修复消息处理、团队任务分派及部分工具调用问题。 - 2026-05-28 —— 新增Skills管理&web工具增强: - GUI Skills 管理:左侧导航栏「Skills」面板新增完整的 Skill 管理功能,支持搜索、添加和删除 Skills,方便在 GUI 中直接管理 Agent 技能目录,无需手动操作文件系统。 - web_fetch 工具改进:优化网页抓取工具的内容提取能力,提升 HTML 解析质量与稳定性。 - 2026-05-23 —— 新增 Swarm 多智能体协作系统: - 全新 swarm/ 模块,支持静态 DAG 任务编排 + 共享黑板(Blackboard):多个 Agent 角色按依赖关系自动分层并发执行,Worker 之间通过黑板发布和读取共享发现,实现跨任务知识传递。 - 内置 9 套 YAML Preset 协作模板(研究、代码审查、辩论、数据分析等)一键启动;同时支持自适应组队、辩论模式、渐进式精化等高级编排,以及质量审计自动重试、动态子任务派生和跨轮学习记忆。 - FunHarness Studio 可视化:GUI 新增 Swarm 面板,以交互式 DAG 拓扑图展示任务节点状态、Agent 活动气泡、黑板消息弹窗和实时进度条;所有状态持久化到 .funharness/swarm/ 目录,可随时断点恢复或离线审查。 - 2026-05-19 —— 新增桌面宠物功能: - 左侧导航栏新增「宠物」面板,可从 Petdex 社区精选图鉴 添加像素宠物,也可上传自定义 Sprite Sheet。 - 宠物以动画形式悬浮在界面角落,根据 Agent 运行状态(启动、思考、工具调用、完成、失败、审批等)自动切换动作。 - 支持显示开关、位置(左下 / 右下)、大小(小 / 中 / 大)等偏好设置,配置持久化到工作目录 pets/ 文件夹。 - 2026-05-16 —— 新增 QQ 机器人 & 微信机器人通道: - 新增 QQ 机器人通道(基于 qqbot-agent-sdk,WebSocket 网关,支持 C2C、文件收发)。 - 新增微信机器人通道(基于 openclaw-weixin 协议,扫码登录 + getUpdates 长轮询,文本消息收发)。 - FunHarness 现已支持 飞书 / QQ / 微信 五种输入通道,共享同一套 Agent Core。 - 2026-05-06 —— TUI 能力补齐与修复: - TUI 新增附件管理、慢命令后台执行、Skills/附件专用展示;修复工具结果回调、流式元数据、Skills frontmatter 与 Web Search 展示等问题。 - 2026-05-05 —— FunHarness Studio GUI 已上线: - 提供 Electron + FastAPI 本地桌面 GUI,支持会话、工作区、附件、模型配置、Agent 面板与可观测性面板。 - 2026-04-29 —— 补充Agent Teams: - 本次更新补齐了 FunHarnessAgent Teams / SubAgent、持久任务系统、后台运行时与定时调度 能力,让它从单一对话助手升级为可以分工、排期、后台执行的 mini Agent 工作台。

新增功能保持 mini 项目的实现风格:核心状态都落在 .funharness/ 下,命令行、TUI 与工具调用共享同一套能力,方便学习、调试和继续裁剪扩展。

---

核心功能

功能模块说明
**Agent Loop**流式响应、工具调用、迭代循环、中断支持,最多 100 轮自动推进
**工具系统**装饰器注册,自动从 docstring 生成 OpenAI Function Calling schema
**内置工具 (30+)**文件读/写/替换、Shell 命令、目录列表、正则搜索、网页抓取、网页搜索、记忆读写、任务管理、后台运行、定时调度、多 Agent 协作
**上下文管理**Token 估算、自动 compact、工具结果截断,防止 context 爆炸
**持久记忆**.funharness/MEMORY.md 跨会话记忆,支持关键词搜索与追加
**会话附件**/attach 将文档复制到 .funharness/uploads/,解析后随当前会话进入上下文,支持查看与移除
**技能系统**skills/<name>/SKILL.md 自动发现,注入系统提示,/skills 查看
**会话管理**自动保存/恢复对话,.funharness/sessions/ 存储历史
**权限系统**auto / suggest / approve 三档,读写操作分类,Shift+Tab 实时切换
**审批流**approve 模式下弹出审批 UI,Allow / Deny 交互按钮
**持久任务图**/plan <需求> 生成任务图,支持依赖、owner、ready 判断、完成后自动解锁后续任务,并写入 PROGRESS.md
**后台运行时**tool_runtime_run / /bg run 将慢命令放入后台执行槽位,完整输出落盘,摘要通过事件队列回到主循环
**定时调度**tool_schedule_create / /schedule create 记录未来触发的 prompt,支持 in 10m、ISO 时间和简化 cron
**SubAgent / Agent Team**tool_subagent_run 适合一次性隔离分析;tool_team_create / /delegate 支持长期队友、inbox 和异步委派
**Hooks / Middleware**Pre/Post Tool 钩子、中间件链,无侵入地扩展 agent 行为
**可观测性**结构化日志、Span 追踪、成本看板、失败模式分析、一键导出
**TUI 界面**基于 Textual 的终端 UI,流式渲染、Markdown 展示、工具块边框、附件/Skills 专用展示
**FunHarness Studio GUI**Electron + Vite + FastAPI 本地桌面 GUI,复用同一套 Agent Core
**IM 机器人通道**飞书(长连接)、QQ(WebSocket)、微信(长轮询),三通道均无需公网地址,私聊/群聊均可触发

---

安装依赖(使用 uv)

uv sync

依赖说明

依赖版本用途
openai>=2.32.0LLM API 调用(兼容任意 OpenAI 格式服务商)
textual[syntax]>=8.2.4TUI 界面框架
lark-oapi>=1.4.23飞书机器人 SDK
qqbot-agent-sdk>=1.2.2QQ 机器人 SDK(WebSocket + REST API)
qrcode>=8.0微信扫码登录终端二维码显示
python-dotenv>=1.2.2.env 配置加载

所有依赖通过 uv sync 自动安装,无需手动 pip install。

---

环境准备

  1. 安装包管理器 uv

本项目使用 uv 作为包和环境管理器。如果你尚未安装,可以使用以下命令:

```bash

安装与启动

前置条件:Python 3.12+、uv

```bash

1. 克隆并安装

git clone https://github.com/your-org/agent-book-code.git cd agent-book-code uv sync

3. 启动 TUI 界面

uv run fh ```

启动后进入全交互式 TUI。

权限模式

模式读文件 / 搜索写文件 / Shell适用场景
auto自动执行自动执行完全信任的本地工作区
suggest *(默认)*自动执行**需审批**日常开发推荐
approve**需审批****需审批**敏感或共享环境

TUI 内按 Shift+Tab 可循环切换权限模式,当前模式持续显示在输入框下方。

---

运行截图

TUI 主界面

<img src="assets/Funharness_UI.png" alt="FunHarness TUI Main" width="680" />

<img src="docs/images/studio_mainpage.png" alt="FunHarness GUI" width="680" />

</div>

<br/>

TUI 工具调用过程TUI 任务执行状态
<img src="assets/funharness_runtime_page_1.png" width="450" /><img src="assets/funharness_runtime_page_2.png" width="450" />
Studio 主界面Studio Agent Teams
<img src="docs/images/studio_runtime.png" width="450" /><img src="docs/images/studio_agent_teams.png" width="450" />

</div>

---

第 8 步:再次查看后台列表。复制其中显示的运行编号,再看完整输出

/bg

下面的 run_ab12cd34 是示例编号;实际使用时换成 /bg 里显示的编号

/bg output run_ab12cd34

启动

uv run fh feishu ```

---

启动

uv run fh qqbot ```

配置项说明
QQ_APP_IDQQ 开放平台机器人 App ID
QQ_CLIENT_SECRET机器人 Client Secret
QQ_PERMISSION_MODEsuggest(推荐)或 auto

---

第二步:启动微信网关

uv run fh weixin ```

配置项说明
WEIXIN_PERMISSION_MODEsuggest(推荐)或 auto
WEIXIN_WORKSPACEAgent 工作目录(可选)

登录凭证保存在 .funharness/weixin_credentials.json,后续启动无需重新扫码。

---

各频道运行截图

飞书QQ微信
<img src="assets/feishu_run_page_1.jpg" width="200" /><img src="assets/QQbot_runpage.jpg" width="200" /><img src="assets/weixinbot_runpage.jpg" width="200" />

</div>

当前限制:IM 通道的 suggest 模式下高风险操作会被拒绝(暂不支持远程交互式审批)。如需自动执行,可设置 *_PERMISSION_MODE=auto,仅在受信任的工作区使用。

配置环境变量

cp .env.example .env

编辑 .env,填入 OPENAI_API_KEY 和 OPENAI_MODEL_NAME


`.env` 最小配置:
bash OPENAI_API_KEY=your_api_key_here OPENAI_MODEL_NAME=deepseek-v4-flash # 可选:使用自定义 API base(兼容 OpenAI 格式的任意服务商) OPENAI_BASE_URL=https://api.deepseek.com/v1

运行任意章节示例:
bash uv run chapter01/first_chat.py uv run chapter04/tool_registry.py uv run chapter09/multi_agent.py ```

2. 配置环境变量

编辑 .env,至少填入 OPENAI_API_KEY 和 OPENAI_MODEL_NAME

.env 配置

FEISHU_APP_ID=cli_xxx FEISHU_APP_SECRET=xxx FEISHU_EVENT_MODE=ws

.env 配置

QQ_APP_ID=your_qq_app_id QQ_CLIENT_SECRET=your_qq_client_secret QQ_PERMISSION_MODE=suggest

🎯 aiskill88 AI 点评 A 级 2026-05-23

官方教材配套代码库,系统讲解AI Agent构建全流程。教学价值高,代码规范,维护活跃。适合���门学习。

📚 实用指南(长尾问题)
适合谁
  • 构建多智能体协作系统的 Agent 开发者
  • 跨境业务、多语言内容运营团队
最佳实践
  • Agent 任务先做 dry-run 验证工具调用链,再开启自主执行
常见错误
  • API key 直接提交到 git 仓库(请用 .env 并加入 .gitignore)
  • Python 依赖冲突:建议用 venv / uv 隔离环境
部署方案
  • CLI:直接 npm install -g / pip install,命令行调用
  • 云端托管:可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
agent-book-code 中文教程agent-book-code 安装报错怎么办agent-book-code Agent 工作流agent-book-code 与同类工具对比agent-book-code 最佳实践agent-book-code 适合谁用

⚡ 核心功能

👥 适合谁
  • 构建多智能体协作系统的 Agent 开发者
  • 跨境业务、多语言内容运营团队
⭐ 最佳实践
  • Agent 任务先做 dry-run 验证工具调用链,再开启自主执行
⚠️ 常见错误
  • API key 直接提交到 git 仓库(请用 .env 并加入 .gitignore)
  • Python 依赖冲突:建议用 venv / uv 隔离环境

👥 适合人群

AI 技术爱好者研究人员和学生开发者和工程师技术创业者

🎯 使用场景

  • 本地部署运行,保护数据隐私,满足合规要求
  • 自定义集成到现有系统,扩展技术栈能力
  • 作为开源基础组件进行商业化二次开发

⚖️ 优点与不足

✅ 优点
  • +MIT 协议,可免费商用
  • +完全开源免费,无授权费用
  • +本地部署,数据完全自主可控
  • +开发者社区支持,遇问题可查可问
⚠️ 不足
  • 安装和初始配置可能需要一定技术基础
  • 功能完整性通常不如成熟商业产品
  • 技术支持主要依赖开源社区,响应速度不稳定
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台,本页面信息基于公开数据整理,不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后,再部署至生产环境,并做好必要的安全评估。

📄 License 说明

✅ MIT 协议 — 最宽松的开源协议之一,可自由商用、修改、分发,仅需保留版权声明。

🔗 相关工具推荐

📰 相关 AI 新闻
🍿 AI 圈相关吃瓜
🗺️ 相关解决方案
🧩 你可能还需要
基于当前 Skill 的能力图谱,自动补全的工具组合

❓ 常见问题 FAQ

适合,配套书籍从0开始讲解,提供循序渐进的实战代码
💡 AI Skill Hub 点评

AI Skill Hub 点评:agent-book-code Agent工作流 的核心功能完整,质量优秀。对于AI爱好者来说,这是一个值得纳入个人工具库的选择。建议先在非生产环境试用,再逐步推广。

📚 深入学习 agent-book-code Agent工作流
查看分步骤安装教程和完整使用指南,快速上手这款工具
🌐 原始信息
原始名称 agent-book-code
原始描述 开源AI工作流:《从0开始构建 AI 智能体》 一本带你亲手打造属于自己的AI Agent 的实战书。⭐25 · Python
Topics AI智能体工作流Python教育资源实战教程
GitHub https://github.com/hyyhf/agent-book-code
License MIT
语言 Python
🔗 原始来源
🐙 GitHub 仓库  https://github.com/hyyhf/agent-book-code

收录时间:2026-05-16 · 更新时间:2026-05-19 · License:MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。

📺 订阅 AI Skill Hub Daily Telegram 频道
每天 8 条精选 AI Skill、MCP、Agent 与自动化工具推送
加入频道 →