📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🤖 Agent🔄 工作流🖼 视觉🧠 Claude✨ GPT🖥 本地 LLM
Dart智能代理
⚙️
Agent工作流

Dart智能代理

基于 Dart · 无代码搭建完整 AI 自动化流程
英文名：dart_agent_core
⭐ 22 Stars 🍴 6 Forks 💻 Dart 📄 MIT 🏷 AI 7.5分
7.5AI 综合评分
aiagentdartworkflow
⬇ 下载源码 ZIP ⚙️ 配置说明
✦ AI Skill Hub 推荐

AI Skill Hub 推荐使用：Dart智能代理 是一款优质的Agent工作流。AI 综合评分 7.5 分，在同类工具中表现稳健。如果你正在寻找可靠的Agent工作流解决方案，这是一个值得深入了解的选择。

📚 深度解析

Dart智能代理 是一套完整的 AI Agent 自动化工作流方案。随着 AI 能力的不断提升，基于 Agent 的自动化工作流正在成为提升个人和团队效率的核心方式。区别于传统的 RPA 自动化（模拟鼠标键盘操作），AI Agent 工作流通过理解任务意图、动态规划执行路径，能够处理更复杂的非结构化任务。

Dart智能代理 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 7.5 分，是同类 Agent 工作流中的精选推荐。

📋 工具概览

Dart框架实现智能代理，支持状态管理、工具使用、技能和子代理委托

Dart智能代理 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。

GitHub Stars
⭐ 22
开发语言
Dart
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
7.5 分
工具类型
Agent工作流
Forks
6

📖 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」。

Dart框架实现智能代理，支持状态管理、工具使用、技能和子代理委托

Dart智能代理 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。

📌 核心特色
  • 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
🎯 主要使用场景
  • 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
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
# 克隆仓库
git clone https://github.com/memex-lab/dart_agent_core
cd dart_agent_core

# 查看安装说明
cat README.md

# 按 README 完成环境依赖安装后即可使用
📋 安装步骤说明
  1. 访问 GitHub 仓库获取工作流文件
  2. 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
  3. 上传工作流文件
  4. 按照提示配置必要的环境变量和 API Key
  5. 运行测试确认流程正常后投入使用
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
# 查看帮助
dart_agent_core --help

# 基本运行
dart_agent_core [options] <input>

# 详细使用说明请查阅文档
# https://github.com/memex-lab/dart_agent_core
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
# dart_agent_core 配置说明
# 查看配置选项
dart_agent_core --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量（覆盖配置文件）
export DART_AGENT_CORE_CONFIG="/path/to/config.yml"
📑 README 深度解析 真实文档 完整度 56/100 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

About

dart_agent_core is developed by Memex Lab. Visit our homepage for more projects and updates.

Features

  • Multi-provider support: Unified LLMClient interface for OpenAI (Chat Completions & Responses API), Google Gemini, and Anthropic Claude via AWS Bedrock.
  • Tool use: Wrap any Dart function as a tool with a JSON Schema definition. The agent dispatches calls, feeds results back, and loops until done. Tools support two parameter modes: function mode (positional/named parameter mapping via Function.apply) and object mode (receive all arguments as a Map<String, dynamic>). Tools can return AgentToolResult to carry multimodal content, metadata, or a stop signal.
  • Multimodal input: UserMessage accepts text, images, audio, video, and documents as content parts. Model responses can include text, images, video, and audio.
  • Stateful sessions: AgentState tracks conversation history, token usage, active skills, plan, and custom metadata. FileStateStorage persists state to disk as JSON.
  • Streaming: runStream() yields StreamingEvents for model chunks, tool call requests/results, and retries — suitable for real-time UI updates in Flutter.
  • Pure Dart Skills: Define modular capabilities (Skill) with their own system prompts and tools. Skills can be always-on (forceActivate) or toggled dynamically by the agent at runtime to save context window.
  • File-system Skills: Load Skills from SKILL.md files under a local directory root. With javaScriptRuntime configured, these Skills can execute JavaScript scripts via RunJavaScript and bridge channels.
  • Sub-agent delegation: Register named sub-agents or use clone to delegate tasks to a worker agent with an isolated context.
  • Planning: Optional PlanMode injects a write_todos tool that lets the agent maintain a step-by-step task list during execution.
  • Context compression: LLMBasedContextCompressor summarizes old messages into episodic memory when the token count exceeds a threshold. The agent can recall original messages via the built-in retrieve_memory tool.
  • Loop detection: DefaultLoopDetector catches repeated identical tool calls and can run periodic LLM-based diagnosis for subtler loops.
  • Controller hooks: AgentController provides request/response interception points around every major step (before run, before LLM call, before/after each tool call), allowing the host application to approve or stop execution.
  • System callback: A systemCallback function runs before every LLM call, letting you dynamically modify the system message, tools, or request messages.

---

Installation

dependencies:
  dart_agent_core: ^1.0.13

---

Quick Start

import 'dart:io';
import 'package:dart_agent_core/dart_agent_core.dart';

String getWeather(String location) {
  if (location.toLowerCase().contains('tokyo')) return 'Sunny, 25°C';
  return 'Weather data not available for this location';
}

void main() async {
  final apiKey = Platform.environment['OPENAI_API_KEY'] ?? '';
  final client = OpenAIClient(apiKey: apiKey);
  final modelConfig = ModelConfig(model: 'gpt-4o-mini');

  final weatherTool = Tool(
    name: 'get_weather',
    description: 'Get the current weather for a city.',
    executable: getWeather,
    parameters: {
      'type': 'object',
      'properties': {
        'location': {'type': 'string', 'description': 'City name, e.g. Tokyo'},
      },
      'required': ['location'],
    },
  );

  final agent = StatefulAgent(
    name: 'weather_agent',
    client: client,
    tools: [weatherTool],
    modelConfig: modelConfig,
    state: AgentState.empty(),
    systemPrompts: ['You are a helpful assistant.'],
  );

  final responses = await agent.run([
    UserMessage.text('What is the weather like in Tokyo right now?'),
  ]);

  print((responses.last as ModelMessage).textOutput);
}

---

Examples

See the example/ directory:

---

OpenAI (Responses API)

Uses the newer stateful Responses API. The client automatically extracts responseId from ModelMessage and passes it as previous_response_id on subsequent requests, so only new messages are sent.

final client = ResponsesClient(
  apiKey: Platform.environment['OPENAI_API_KEY'] ?? '',
);
🎯 aiskill88 AI 点评 A 级 2026-05-27

一个不错的Dart智能代理框架，具有良好的扩展性

📚 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
最佳实践
  • 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
  • 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）
  • 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
部署方案
  • 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
  • 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
dart_agent_core 中文教程dart_agent_core 安装报错怎么办dart_agent_core Agent 工作流dart_agent_core 与同类工具对比dart_agent_core 最佳实践dart_agent_core 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
⭐ 最佳实践
  • 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
  • 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）
  • 显存不足直接 OOM — 优先降低 context 或换更小的量化模型

👥 适合人群

自动化工程师和运维人员项目经理和业务分析师希望减少重复性工作的专业人士数字化转型团队

🎯 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

✅ 优点
  • +MIT 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
⚠️ 不足
  • −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
⚠️ 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

LangChain AI开发框架
Agent工作流
ai-agents-for-beginners Agent工作流
微软官方开源项目，提供12堂系统课程学习AI智能体框架。涵盖工作流设计、RAG检索增强、多智能体协作等核心技能。适合AI
n8n AI工作流自动化
Agent工作流
LangFlow 可视化AI开发
Agent工作流
📚 相关教程推荐
Agent 工作流入门
帮助中心 · AI Skill Hub
Agent 工作流
帮助中心 · AI Skill Hub
AI 工具链资讯精选：2026-05-16 MCP / Agent / 自动化工具最新动态
帮助中心 · AI Skill Hub
AI 工具链资讯精选：2026-05-15 MCP / Agent / 自动化工具最新动态
帮助中心 · AI Skill Hub
📰 相关 AI 新闻
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
GPT-5.5 最新进展与分析
AI 资讯 · 知识关联
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
🍿 AI 圈相关吃瓜
AutoGPT 自主完成了任务：把我的文件夹全部重命名了
AI 圈观察
Agent 帮我订了3次机票，全部是同一天的
AI 圈观察
给 Agent 的目标是"提高效率"，三小时后它关掉了所有通知
AI 圈观察
🗺️ 相关解决方案
agent
ai-agent-workflow
workflow
ai-workflow-templates
vision
computer-vision
llm_local
local-llm-deploy
🧩 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
技能寻求者
MCP · Agent · 工作流
DeepCode Agent工作流
MCP · Agent · 工作流
total-agent-memory MCP工具
为Claude Code和Codex CLI提供持久化记忆功能的开源MCP工具。自动提取知识图谱，支持多轮对话上下文保留，适合需要长期记忆和
natively-cluely-ai-assistant — Claude Skill 中文使用文档
免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。
CrewAI 多代理协作平台
MCP · Agent · 工作流
LEANN AI技能包
MCP · Agent · 工作流

❓ 常见问题 FAQ

dart_agent_core 是一款Dart开发的AI辅助工具。开源AI工作流：Dart framework for stateful AI agents — tool use, skills, sub-agent delegation, 。⭐22 · Dart 主要应用场景包括：构建智能代理和工作流。
💡 AI Skill Hub 点评

总体来看，Dart智能代理 是一款质量良好的Agent工作流，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ MIT 协议 · 可免费商用 · 直接从 aiskill88 服务器下载，无需跳转 GitHub

📚 深入学习 Dart智能代理
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 dart_agent_core
原始描述 开源AI工作流：Dart framework for stateful AI agents — tool use, skills, sub-agent delegation, 。⭐22 · Dart
Topics aiagentdartworkflow
GitHub https://github.com/memex-lab/dart_agent_core
License MIT
语言 Dart
🔗 原始来源
🐙 GitHub 仓库  https://github.com/memex-lab/dart_agent_core 🌐 官方网站  https://memexlab.ai

收录时间：2026-05-27 · 更新时间：2026-05-30 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。