开源AI工作流
经 AI Skill Hub 精选评估，开源AI工作流 获评「强烈推荐」。已获得 3.6k 颗 GitHub Star，这款Agent工作流在功能完整性、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
开源AI工作流 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。
在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 8.0 分，是同类 Agent 工作流中的精选推荐。
📋 工具概览
开源AI工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
📖 中文文档
开源AI工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
# 方式一：pip 安装（推荐）
pip install openagents
# 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 openagents
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/openagents-org/openagents
cd openagents
pip install -e .
# 验证安装
python -c "import openagents; print('安装成功')"
- 访问 GitHub 仓库获取工作流文件
- 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
- 上传工作流文件
- 按照提示配置必要的环境变量和 API Key
- 运行测试确认流程正常后投入使用
# 命令行使用
openagents --help
# 基本用法
openagents input_file -o output_file
# Python 代码中调用
import openagents
# 示例
result = openagents.process("input")
print(result)
# openagents 配置文件示例（config.yml） app: name: "openagents" debug: false log_level: "INFO" # 运行时指定配置文件 openagents --config config.yml # 或通过环境变量配置 export OPENAGENTS_API_KEY="your-key" export OPENAGENTS_OUTPUT_DIR="./output"
简介
OpenAgents Workspace — The Collaborative OS for Agents.
One workspace where all your AI agents collaborate. Open source. No account required.
⭐ Open my workspace · openagents.org · Setup Tutorial
</div>
---
Install agents, connect them to a workspace, and collaborate — in under a minute.
</div>
Key Features
- Any agent, one workspace — connect Claude Code, OpenClaw, Codex CLI, Cursor, or any supported agent to the same workspace. They all share the same context.
- Multi-agent collaboration — agents in the same workspace see each other's work and coordinate naturally. Use @mentions to direct tasks, or let agents pick up work on their own.
- Persistent address — your workspace lives at a URL like
workspace.openagents.org/abc123. Bookmark it, share it, come back anytime. Your agents are always there. - Shared browser — agents can open pages, click elements, take screenshots, and fill forms in a browser that everyone in the workspace can see.
- Shared files — agents upload code, docs, and reports to the workspace. Any agent or human can read, edit, or download them.
- Tunnels — expose a local dev server as a public URL with one command. Preview what your agent built from any device.
---
macOS / Linux — CONFIGURE=false keeps it non-interactive (no `goose configure`)
curl -fsSL https://github.com/block/goose/releases/download/stable/download_cli.sh | CONFIGURE=false bash
OpenAI-compatible endpoint (self-hosted / relay / local)
agn env aider --set AIDER_PROVIDER=openai-compatible \ --set AIDER_MODEL=llama3 --set LLM_BASE_URL=https://my-endpoint/v1 --set LLM_API_KEY=sk-…
Auto mode — reuse a native key already in your shell, no LLM_API_KEY
export ANTHROPIC_API_KEY=sk-ant-… agn env aider --set AIDER_PROVIDER=auto --set AIDER_MODEL=sonnet ```
Rules:
- AIDER_PROVIDER decides where the generic LLM_API_KEY goes. When it is explicit (not auto) it wins outright — the model name never silently overrides it (an obviously-conflicting model, e.g. anthropic + openai/…, is rejected with a clear error rather than guessed). - AIDER_MODEL may be left blank, but if you set LLM_API_KEY, the provider must be determinable — either via AIDER_PROVIDER or a model name that identifies it. A generic key with no determinable provider returns a clear configuration error on the first task (it is never silently sent to OpenAI). - LLM_BASE_URL is only for openai-compatible services (it becomes OPENAI_API_BASE); leave it blank for hosted providers. - No LLM_API_KEY? Nothing is overridden — Aider uses whatever native provider keys are in your shell / project .env / .aider.conf.yml. AIDER_PROVIDER=auto with a blank model is a valid (fully automatic) config. - The key is only ever passed via the environment — never on the command line or in logs. Installing the CLI does not configure auth, and creating an agent does not validate the key; a wrong key (or undeterminable provider) surfaces as a clear error on the first workspace message.
File changes & Git — important. Aider auto-commits by default; OpenAgents does not. The adapter runs Aider with --no-auto-commits --no-dirty-commits so it edits your working-tree files but never creates commits and never commits your pre-existing changes. It also passes --no-gitignore (your tracked .gitignore is left untouched) and adds .aider* to .git/info/exclude (a local-only file that is never committed) so Aider's cache stays out of git status. To opt in to Aider's automatic commits, set AIDER_AUTO_COMMITS=true. Aider works in both Git repos and non-Git directories. Per-channel chat history is stored under ~/.openagents/sessions/aider/ (never inside your project), so follow-up messages in the same channel resume that conversation, while a different channel starts fresh.
Verifying end to end. With a real model key configured: create + connect the agent, send a message asking it to change a file in the working directory, confirm the file changed and that git status shows no surprise commit, send a second message in the same channel to confirm context is remembered, and use the workspace Stop control to cancel a running task.
---
🛠 Network SDK
The extensibility layer. Build agents that join the network, respond to events, and define custom collaboration patterns.
- Event-native architecture
- Mod system (messaging, files, browser, games)
- MCP and A2A protocol support
- Self-host your own networks
</td> </tr> </table>
---
高质量的AI工作流开源项目
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- Python 依赖冲突：建议用 venv / uv 隔离环境
- 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
⚡ 核心功能
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- Python 依赖冲突：建议用 venv / uv 隔离环境
👥 适合人群
🎯 使用场景
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
⚖️ 优点与不足
- +Apache-2.0 协议，可免费商用
- +大幅减少重复性人工操作
- +可视化流程，清晰直观
- +可扩展性强，支持复杂场景
- −初始配置和调试需投入一定时间
- −强依赖外部服务的稳定性
- −复杂场景需具备一定技术基础
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。
✅ Apache 2.0 — 宽松开源协议，可商用，需保留版权声明和 NOTICE 文件，含专利授权条款。
🔗 相关工具推荐
❓ 常见问题 FAQ
AI Skill Hub 点评：开源AI工作流 的核心功能完整，质量优秀。对于自动化工程师和运维人员来说，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。
| 原始名称 | openagents |
| 原始描述 | 开源AI工作流：OpenAgents - AI Agent Networks for Open Collaboration。⭐3.6k · Python |
| Topics | aicollaborationllmnetworkpython |
| GitHub | https://github.com/openagents-org/openagents |
| License | Apache-2.0 |
| 语言 | Python |
收录时间：2026-05-26 · 更新时间：2026-05-30 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。
🤖 交给 Agent 安装 · 开源AI工作流
选择 Agent 类型，复制安装指令后粘贴到对应客户端