gptme 是什么工具？

gptme 是一款Python开发的AI辅助工具。开源AI工作流：Your agent in your terminal, equipped with local tools: writes code, uses the te。⭐4.3k · Python

gptme 如何安装和开始使用？

访问 gptme 的 GitHub 仓库或官方网站，按照 README 文档中的步骤安装依赖并运行。通常需要 Python 3.8+ 或 Node.js 16+ 基础环境。

gptme 是否免费？许可证是什么？

gptme 完全免费，采用 MIT 许可证开源发布，任何人都可以免费使用、修改和分发。

gptme 适合哪些用户使用？

gptme 对初学者友好，无需深厚技术背景即可快速上手。同时也适合有经验的开发者和 AI 工程师进行深度定制。

gptme 的社区活跃度和项目维护状况如何？

gptme 在 GitHub 上已获得 4,299 个 Star，拥有较好的社区基础，定期更新迭代。

🛠

AI工具

gptme Agent工作流

基于 Python · 开源 AI 工具，GitHub 社区精选

英文名：gptme

⭐ 4.3k Stars 🍴 387 Forks 💻 Python 📄 MIT 🏷 AI 8.2分

8.2AI 综合评分

AI代理工作流自动化终端工具Python开发Anthropic

🌐 访问官网 📺 TG 频道

📚 深度解析

gptme Agent工作流是一款基于 Python 的开源工具，在 GitHub 上收获 4k+ Star，是AI代理、工作流自动化、终端工具、Python开发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**
gptme 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 gptme Agent工作流的版本更新，及时通知重要功能变化。

📋 工具概览

gptme Agent工作流是一款基于 Python 开发的开源工具，专注于 AI代理、工作流自动化、终端工具等核心功能。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

⭐ 4.3k

开发语言

Python

支持平台

Windows / macOS / Linux

维护状态

持续维护，定期更新

开源协议

MIT

AI 综合评分

8.2 分

工具类型

AI工具

Forks

387

📖 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」。

gptme Agent工作流是一款基于 Python 开发的开源工具，专注于 AI代理、工作流自动化、终端工具等核心功能。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 gptme

# 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 gptme

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

# 验证安装
python -c "import gptme; print('安装成功')"

📋 安装步骤说明

访问 GitHub 仓库页面
按照 README 文档完成依赖安装
根据系统环境完成初始化配置
参考官方示例或文档开始使用
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
gptme --help

# 基本用法
gptme input_file -o output_file

# Python 代码中调用
import gptme

# 示例
result = gptme.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

# gptme 配置文件示例（config.yml）
app:
  name: "gptme"
  debug: false
  log_level: "INFO"

# 运行时指定配置文件
gptme --config config.yml

# 或通过环境变量配置
export GPTME_API_KEY="your-key"
export GPTME_OUTPUT_DIR="./output"

📑 README 深度解析真实文档完整度 100/100 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

gptme

/ʤiː piː tiː miː/ <a href="https://gptme.org/docs/misc/acronyms.html">what does it stand for?</a>

<a href="https://gptme.org/docs/getting-started.html">Getting Started</a> • <a href="https://gptme.org/downloads/">Downloads</a> • <a href="https://gptme.org/">Website</a> • <a href="https://gptme.org/docs/">Documentation</a>

📜 A personal AI agent that runs anywhere a terminal runs — your laptop, ssh sessions, tmux, headless servers, CI pipelines. Provider-agnostic, local-first, and unconstrained: ships with shell, Python, web, vision, and everything else an agent needs. A great coding agent, but general-purpose enough to assist in all kinds of knowledge-work.

Free and open-source. Works with Anthropic, OpenAI, Google, SpaceXAI, DeepSeek, OpenRouter, Requesty, your existing ChatGPT/SuperGrok subscription, or fully local via Ollama and any OpenAI-compatible server — your data, your models, your terminal. A capable <a href="https://gptme.org/docs/alternatives.html">alternative</a> to Claude Code, Codex, and Grok Bot, and a development-focused peer to self-hosted agents like OpenClaw and Hermes Agent — one of the first agent CLIs (Spring 2023), still in very active development.

🌟 Features

💻 Code execution
Executes code in your local environment with the [shell][docs-tools-shell] and [python][docs-tools-python] tools.
🧩 Read, write, and change files
Makes incremental changes with the [patch][docs-tools-patch] tool.
🌐 Search and browse the web
Can use a browser via Playwright with the [browser][docs-tools-browser] tool.
👀 Vision
Can see images referenced in prompts, screenshots of your desktop, and web pages.
🔄 Self-correcting
Output is fed back to the assistant, allowing it to respond and self-correct.
📚 [Lessons system][docs-lessons]
Contextual guidance and best practices automatically included when relevant.
Keyword, tool, and pattern-based matching.
Adapts to interactive vs autonomous modes.
Extend with your own lessons and [skills][docs-skills].
🗃️ [Cross-harness memory][docs-memory]
One local Markdown-based memory store shared by gptme, Claude Code, Codex, and any other harness.
gptme-util memory CLI — save, recall, search, supersede, and audit entries from any terminal.
Claude Code hook and Codex AGENTS.md integration included.
🤖 Support for many LLM [providers][docs-providers]
Anthropic (Claude), OpenAI (GPT), Google (Gemini), SpaceXAI (Grok), DeepSeek, and more.
Use OpenRouter or Requesty for access to 100+ models, or serve locally with Ollama, LM Studio, vLLM, or llama.cpp.
Bring your own subscription: use your existing ChatGPT Plus/Pro or SuperGrok plan instead of API keys (see [providers][docs-providers]).
[Pick the right model per task][docs-model-routing] — fast/cheap for triage, powerful for coding.
🌐 Web UI and REST API
Modern [gptme-webui] bundled with gptme-server and hosted at chat.gptme.org.
[Server][docs-server] with REST API.
Standalone executable builds available with PyInstaller.
💻 [Computer use][docs-tools-computer]
Give the assistant access to a full desktop, allowing it to interact with GUI applications.
🧠 Code intelligence
Structural code understanding with [gptme-codegraph]: call graphs, symbol extraction, and impact analysis powered by Tree-sitter. 10 MCP tools for codebase navigation.
🔊 Tool sounds — pleasant notification sounds for different tool operations.
Enable with GPTME_TOOL_SOUNDS=true.

Prerequisites

- Python 3.10 or newer - Credentials for at least one LLM provider: - Fastest no-credit-card path: start gptme, choose OpenRouter in the startup provider setup (browser OAuth), then run gptme "hello" -m openrouter/openrouter/free. On an existing setup, use /account setup openrouter inside a session. See [Getting Started][docs-getting-started]. - Subscriptions work too: sign in with your ChatGPT Plus/Pro or SuperGrok plan via gptme-auth openai-subscription or gptme-auth grok-subscription, no API key needed (see [providers docs][docs-providers]). - You can also set API keys manually for Anthropic (ANTHROPIC_API_KEY), OpenAI (OPENAI_API_KEY), OpenRouter (OPENROUTER_API_KEY), and other providers. - Local models need no key at all — run Ollama (or any OpenAI-compatible server) and use -m local/<model>, see [providers docs][docs-providers].

With pipx (recommended, requires Python 3.10+)

pipx install gptme

Generate a complete headless agent setup

gptme service init --name Ada --model anthropic/claude-haiku-4-5 --work-dir ~/ada

Install and start on a daily timer

systemctl --user daemon-reload systemctl --user enable --now Ada.timer

🚀 Getting Started

Installation

For full setup instructions, see the [Getting Started guide][docs-getting-started].

```sh

How do I install it?

curl -sSf https://gptme.ai/install.sh | sh   # auto-detects uv or pipx

Or install directly with pipx install gptme / uv tool install gptme (Python 3.10+). See Installation above, the [Getting Started guide][docs-getting-started], and [System dependencies][docs-system-dependencies] for the extras individual tools need.

🛠 Use Cases

🖥 Development: Write and run code faster with AI assistance.
🎯 Shell Expert: Get the right command using natural language (no more memorizing flags!).
📊 Data Analysis: Process and analyze data directly in your terminal.
🎓 Interactive Learning: Experiment with new technologies or codebases hands-on.
🤖 Agents & Tools: Build long-running autonomous agents for real work.
🔬 Research: Automate literature review, data collection, and analysis pipelines.

Quick Start

gptme

You'll be greeted with a prompt. Type your request and gptme will respond, using tools as needed.

Example Commands

```sh

🛠 Usage

gptme                                   # start an interactive chat
gptme 'fix the failing tests'           # start with a prompt
gptme 'review this' main.py README.md   # include files (or URLs, or a GitHub PR) as context
gptme -m anthropic/claude-sonnet-4-6    # pick a model for this session
gptme -t read-only 'summarize the repo' # restrict which tools are available
gptme -y 'run the tests and fix them'   # auto-approve tool calls, stay in the loop
gptme -n 'summarize the git diff'       # fully non-interactive, for scripts and CI
gptme -r                                # resume the most recent conversation

During a conversation, /help lists the slash-commands — /undo, /backtrack, /tools, /tokens, /compact, /model, and more. gptme --help shows every flag, and gptme <subcommand> reaches the other CLIs (gptme tools list, gptme chats search, gptme skills list).

Full reference: CLI docs · [commands][docs-commands] · usage guide · [automation][docs-automation]

🎥 Demos

Terminal UI Web UI

[ gptme-tui showing a conversation where gptme writes and runs fib.py ][docs-tui]

<details> <summary>Features</summary> <ul> <li> Textual-based <code>gptme-tui</code> (<code>pipx install 'gptme[tui]'</code>) <li> Queue prompts while the agent is working <li> Collapsible tool output <li> Status bar with model, token usage, and agent state <li> Or use the plain <code>gptme</code> CLI for scripted and non-interactive use </ul> </details>

</td> <td width="50%">

<details> <summary>Features</summary> <ul> <li> Chat with gptme from your browser <li> Access to all tools and features <li> Modern, responsive interface <li> Self-hostable <li> Available at <a href="https://chat.gptme.org">chat.gptme.org</a> </ul> </details>

</td> </tr>

<tr> <th>Fibonacci</th> <th>Mandelbrot with curses</th> </tr> <tr> <td width="50%">

<details> <summary>Steps</summary> <ol> <li> Create a new dir 'gptme-test-fib' and git init <li> Write a fib function to fib.py, commit <li> Create a public repo and push to GitHub </ol> </details>

</td> <td width="50%">

<details> <summary>Steps</summary> <ol> <li> Render mandelbrot with curses to mandelbrot_curses.py <li> Program runs <li> Add color </ol> </details>

</td> </tr> </table>

[!NOTE] The terminal recordings above are from 2023 and show the classic CLI. More recordings are kept in the [Demo archive][docs-demos], and more up-to-date walkthroughs are in the [Examples][docs-examples].

With optional extras

pipx install 'gptme[browser]' # Playwright for web browsing pipx install 'gptme[all]' # Everything

Get configuration suggestions

gptme 'suggest improvements to my vimrc'

⚙️ Configuration

Create ~/.config/gptme/config.toml:

```toml [user] name = "User" about = "I am a curious human programmer." response_preference = "Don't explain basic concepts"

[prompt]

How do I configure it?

Configuration lives in ~/.config/gptme/config.toml (global), gptme.toml (per project), and per-conversation settings; environment variables and CLI flags override them. Set your default model with MODEL under [env], keep API keys in config.local.toml, and use -v for verbose logging. See [Configuration][docs-config].

Do I need an API key?

No — you can also use a subscription you already pay for, or run a local model:

- Subscription: gptme-auth openai-subscription (ChatGPT Plus/Pro) or gptme-auth grok-subscription (SuperGrok), then e.g. gptme -m openai-subscription/<model>. - Browser sign-in: pick OpenRouter in the startup setup (or /account setup openrouter). - API keys: ANTHROPIC_API_KEY, OPENAI_API_KEY, OPENROUTER_API_KEY, GEMINI_API_KEY, XAI_API_KEY, DEEPSEEK_API_KEY, GROQ_API_KEY, MOONSHOT_API_KEY, and more. - Local models: no credentials at all, see below.

If setup is missing or broken, run gptme-doctor --fix. Full provider list, model prefixes, and setup details: [Providers][docs-providers].

🔌 Extensibility: Plugins, Skills & Lessons

gptme has a layered extensibility system that lets you tailor it to your workflow:

[Plugins][docs-plugins] — extend gptme with custom tools, hooks, and commands via Python packages:

```toml

🔗 Integrations: MCP & ACP

[MCP (Model Context Protocol)][docs-mcp] — gptme works in both directions:

- MCP client: discover and load external MCP servers as gptme tools. - MCP server: expose gptme's persistent shell, Python REPL, and file tools to Claude Desktop, Cursor, or any other MCP client.

```sh pipx install gptme # MCP support included by default

How does gptme compare to other AI coding assistants?

gptme is open source and model-agnostic, runs in any terminal, and is built for persistent autonomous agents whose memory lives in a git repo you own — not just interactive pair programming.

It's compared two ways: against coding agents (Claude Code, Codex, Cursor, Cline, Aider, OpenHands) and against persistent personal agents (OpenClaw, Hermes Agent, Grok Bot, Devin). See [Alternatives][docs-alternatives] for the maintained tables.

❓ FAQ

Short answers with pointers into the [documentation][docs] — the docs are the source of truth, this section just gets you to the right page.

🇨🇳 中文文档镜像 AI 翻译 2026-05-25

英文原文章节由系统翻译为中文摘要，便于快速理解。完整原文见上方 "📑 README 深度解析"。

📌 简介

gptme 是一个强大的 AI 终端助手，旨在通过自然语言交互提升开发效率。它不仅是一个聊天界面，更是一个能够理解并操作本地环境的智能代理，帮助开发者在命令行中更高效地完成任务。

⚡ 功能介绍

gptme 具备卓越的自动化能力：支持通过 shell 和 python 工具在本地执行代码；能够利用 patch 工具对文件进行增量读写与修改；集成 Playwright 实现网页搜索与浏览；并具�� Vision 能力，能够理解并处理图像信息。

📋 环境依赖

运行 gptme 需要 Python 3.10 或更高版本。此外，您需要配置至少一个 LLM 提供商的凭据，支持通过 OpenRouter 进行交互式 OAuth 配置，或手动设置 Anthropic 等平台的 API keys。

🛠 安装步骤（Docker/pip/源码）

推荐使用 pipx 进行安装（需 Python 3.10+），执行 `pipx install gptme` 即可快速部署。如果需要增强功能，可以使用 `pipx install 'gptme[browser]'` 安装浏览器支持，或使用 `pipx install 'gptme[all]'` 获取完整功能集。

🚀 使用教程

安装完成后，直接在终端输入 `gptme` 即可启动。您可以像聊天一样输入自然语言请求，gptme 会根据需求自动调用相应的工具来执行任务。它适用于代码开发、Shell 命令辅助、数据分析以及通过交互式学习探索新技术的多种场景。

⚙️ 配置说明（含 MCP / env）

用户可以通过创建 `~/.config/gptme/config.toml` 文件来自定义个人信息、回复偏好及 Prompt 模板。此外，可以通过设置环境变量（如 `export ANTHROPIC_API_KEY=your-key`）来管理 API 密钥。您还可以利用 gptme 的建议功能来优化配置文件。

🔌 API 说明

gptme 通过环境变量管理各类 LLM 的 API keys，确保安全且灵活地调用 Anthropic 等模型服务。开发者可以根据需求配置不同的 API 访问权限，以驱动其核心的智能代理功能。

🔄 工作流/模块

gptme 拥有强大的分层扩展系统。通过 Plugins，您可以利用 Python 包扩展自定义工具和命令；通过内置的 MCP (Model Context Protocol) 支持，gptme 可以动态发现并加载 MCP 服务器，从而将数据库、API 和文件系统等外部工具无缝集成到工作流中。

❓ FAQ 摘要

本章节包含了关于 gptme 使用过程中常见问题的解答，涵盖了从安装、配置到功能使用的疑难点，帮助开发者快速解决在使用过程中遇到的各类技术问题。

🎯 aiskill88 AI 点评 A 级 2026-05-21

设计思路新颖，将AI代理与本地工具有机结合。代码质量高，社区活跃，是构建智能工作流的优秀框架。

📚 实用指南（长尾问题）

适合谁

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
构建企业知识库 / RAG 检索应用的团队
做语音类 AI 产品的开发者

最佳实践

配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
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）
MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
embedding 模型与查询模型不一致导致检索失效
显存不足直接 OOM — 优先降低 context 或换更小的量化模型
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
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

⚡ 核心功能

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

👥 适合谁

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
构建企业知识库 / RAG 检索应用的团队
做语音类 AI 产品的开发者

⭐ 最佳实践

配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
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）
MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
embedding 模型与查询模型不一致导致检索失效
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

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

🔗 相关工具推荐

AutoGPT 自主AI代理

AI工具

LlamaIndex 知识检索框架

LlamaIndex是领先的文档智能代理和OCR平台，专为构建AI应用而设计。提供数据连接、检索增强生成（RAG）等核心

Hermes AI工作流引擎

AI工具

Claude记忆框架

为Claude AI代理提供跨会话持久化上下文存储能力的开源框架。自动捕获和保留对话历史，使AI智能体能在多次交互中保持

📚 相关教程推荐

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

📰 相关 AI 新闻

🍿 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

配了5个 MCP 工具，Claude 一个都没用

AI 圈观察

Filesystem MCP 帮 Claude 找文件，找了整个 node_modules

🗺️ 相关解决方案

ai-workflow-templates

cli

cli-productivity

🧩 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

AI公司多智能体操作系统

为Claude Code设计的开源MCP工具集，包含108个MCP工具和40+智能体模板。支持多智能体协作编排，提供完整的自主代理框架。适合

LLM安全测试框架，检测prompt注入、越狱等

❓ 常见问题 FAQ

gptme支持哪些LLM模型？−

主要支持Anthropic Claude系列模型，可扩展配置其他模型

可以集成哪些本地工具？+

安装这个工具需要什么基础？+

安装过程中遇到依赖冲突怎么办？+

工具安装成功但运行报错，该怎么处理？+

这个工具是否有数据隐私风险？+

工具更新后会影响已有的配置和数据吗？+

💡 AI Skill Hub 点评

经综合评估，gptme Agent工作流在AI工具赛道中表现稳健，质量优秀。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。

📚 深入学习 gptme 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

⚙️ 安装教程 📚 使用教程

🌐 原始信息

原始名称	`gptme`
原始描述	开源AI工作流：Your agent in your terminal, equipped with local tools: writes code, uses the te。⭐4.3k · Python
Topics	`AI代理工作流自动化终端工具Python开发Anthropic`
GitHub	https://github.com/gptme/gptme
License	MIT
语言	Python

🔗 原始来源

🐙 GitHub 仓库 https://github.com/gptme/gptme 🌐 官方网站 https://gptme.org/docs/

收录时间：2026-05-14 · 更新时间：2026-05-16 · 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 →