MindX
经 AI Skill Hub 精选评估，MindX 获评「强烈推荐」。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
MindX 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
MindX 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
MindX 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：go install（推荐） go install github.com/DotNetAge/mindx@latest # 方式二：从源码编译 git clone https://github.com/DotNetAge/mindx cd mindx go build -o mindx . # 方式三：下载预编译二进制 # 访问 Releases 页面下载对应平台二进制文件 # https://github.com/DotNetAge/mindx/releases
- 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
# 查看帮助 mindx --help # 基本运行 mindx [options] <input> # 详细使用说明请查阅文档 # https://github.com/DotNetAge/mindx
# mindx 配置说明 # 查看配置选项 mindx --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 MINDX_CONFIG="/path/to/config.yml"
MindX — Agent Harness
<p> <a href="README.md">English</a> | <a href="README_zh.md">简体中文</a> </p>
MindX is an open-source AI Agent orchestration platform (Agent Harness) that leverages hybrid orchestration modes, intelligent memory systems, and a proprietary tech stack to help you efficiently build, manage, and run AI Agent workflows. Whether for day-to-day coding assistance or complex multi-step task automation, MindX delivers professional-grade agent orchestration capabilities.
<p align="center"> <img src="assets/images/arch.png" alt="MindX Architecture" width="800" /> <br /> <em>MindX Architecture</em> <br /> </p>
---
Model Abstraction Layer
A unified interface across LLM providers — handling provider differences, structured output, usage statistics, and fallback strategies.
- Multi-Provider & Model Support — Unified access to all mainstream LLM providers
- Usage & Cost Tracking — Real-time monitoring and recording across all providers, with multi-dimensional queries of token consumption and costs
- Precise Per-Conversation Token Usage Tracking
Architecture Overview
MindX adopts a layered architecture design, top to bottom:
- Orchestration Layer — Multi-mode agent orchestration engine (ReAct / Concurrent / Planning / Delegation)
- Capability Layer — Context management, memory retrieval, skill assembly
- Abstraction Layer — Unified LLM interface, model routing, usage statistics
- Infrastructure Layer — Security governance, state persistence, observability
---
Features
Execution Capabilities
MindX's design philosophy is "skills over tools" — tools serve as underlying capabilities rather than exposed interfaces. You need not concern yourself with any tools because MindX builds them for you. MindX won't dump a pile of MCP tools or thousands of skills you'll never know when to use.
- Assigns specialized agents to handle problems according to your needs
- Agents assemble skills based on their responsibilities — no manual configuration required
- Agents self-assess whether they are "competent" and adjust skills accordingly
- Agents reflect on and summarize "work experience," distilling it into exclusive skills serving you
MindX frees you from anxiety about insufficient tools and skills, letting you focus on solving problems.
Advanced Features
| Feature | Command / Method | Description |
|---|---|---|
| Long-Term Memory Search | mindx query <keyword> | Search knowledge from conversation history |
| Resource Management | mindx provider/model/agent list/rm/add | Manage LLM providers, models, and agents |
| Log Viewing | mindx logs | View structured runtime logs |
| System Diagnostics | mindx doctor | Auto-diagnose and fix common issues |
---
System Requirements
| Platform | Minimum Version | Notes |
|---|---|---|
| macOS | Monterey (12.0) | Homebrew recommended |
| Linux | Ubuntu 20.04+ / CentOS 8+ | Snap recommended |
| Windows | Windows 10+ | WSL or Docker recommended |
| Docker | Docker 20.10+ | Supports amd64/arm64 |
- Memory: 2GB+ available RAM recommended
- Disk: 500MB+ free space recommended (excluding workspace)
---
Ecosystem Dependencies
MindX's core capabilities are built upon the following proprietary technical frameworks:
| Framework | Purpose | Repository |
|---|---|---|
| **goharness** | Agent Harness Framework | [github.com/DotNetAge/goharness](https://github.com/DotNetAge/goharness) |
| **GoChat** | LLM Unified Calling Framework | [github.com/DotNetAge/gochat](https://github.com/DotNetAge/gochat) |
| **GoRAG** | High-Performance RAG Framework | [github.com/DotNetAge/gorag](https://github.com/DotNetAge/gorag) |
| **GoRT** | Real-Time Communication Gateway | [github.com/DotNetAge/gort](https://github.com/DotNetAge/gort) |
| **GoVector** | High-Performance Embedded Vector DB | [github.com/DotNetAge/govector](https://github.com/DotNetAge/govector) |
| **GoGraph** | High-Performance Embedded Graph DB | [github.com/DotNetAge/gograph](https://github.com/DotNetAge/gograph) |
---
Docker
Install using the official image from dotnetage/mindx:
Pull the image:
docker pull dotnetage/mindxRun the container:
docker run -d \
--name mindx \
-p 1313:1313 \
-p 1314:1314 \
-v ./workspaces:/home/mindx/workspaces \
dotnetage/mindxThe ./workspaces directory can be any local path for storing MindX workspace files.
Build from Source
Download pre-built binaries from Releases, or build from source:
git clone https://github.com/DotNetAge/mindx.git
cd mindx
make runFirst run launches an interactive setup wizard guiding you through API key configuration, model selection, and other initialization steps, then enters the TUI chat interface.
---
Quick Start
<p align="center"> <img src="assets/images/webui.png" alt="MindX WebUI Screenshot" width="700" /> <br /> <em>MindX WebUI</em> </p>
<p align="center"> <img src="assets/images/tui.png" alt="MindX TUI Screenshot" width="700" /> <br /> <em>MindX TUI</em> </p>
Usage Guide
Initial Configuration
When running mindx for the first time, the interactive setup wizard launches with these steps:
- API Key Configuration — Enter your LLM provider's API key
- Default Model Selection — Choose your primary conversation model
- Workspace Path Setup — Configure storage location for project files
- Daemon Service Check — Detect and configure the background service
- Python Environment Check — Detect Python runtime (required by some skills)
CLI Reference
| Command | Usage |
|---|---|
mindx | Start wizard + TUI chat |
mindx start\|stop | Start/stop Daemon |
mindx status | Check system status |
mindx doctor | Diagnostics and repair |
mindx install | Install to system |
mindx logs | View logs |
mindx web | Open WebUI |
mindx query | Search long-term memory |
mindx provider\|model\agent list/rm/add | Manage resources |
---
Basic Workflow
```bash
MindX 是一个强大的 Agent Harness（智能体框架），旨在为开发者提供统一的 LLM 抽象层。它能够屏蔽不同 LLM Provider 之间的差异，提供标准化的结构化输出、使用统计及故障回退策略。通过集成多模型支持与精细化的 Token 消耗及成本监控，MindX 让开发者能够以统一的接口安全、高效地调用各类主流大模型。
MindX 秉持“技能重于工具（skills over tools���”的设计哲学，通过 Agent 自动组装技能而非简单堆砌 MCP 工具，避免了工具过载带来的认知负担。其核心功能涵盖了基于对话历史的 Long-Term Memory Search（长期记忆搜索）、灵活的 Resource Management（资源管理，支持对 Provider、Model 及 Agent 的增删改查）以及完善的 Log Viewing（日志查看）功能。
MindX 支持多种操作系统环境。在 macOS 上建议使用 Monterey (12.0) 及以上版本并配合 Homebrew 安装；Linux 环境推荐使用 Ubuntu 20.04+ 或 CentOS 8+ 并通过 Snap 进行部署；Windows 用户则需使用 Windows 10+ 配合 WSL 或 Docker 环境运行。请确保系统满足最低版本要求以获得最佳性能。
您可以通过多种方式安装 MindX。推荐使用 Docker 进行快速部署，通过 `docker pull dotnetage/mindx` 获取官方镜像并运行容器，同时需挂载本地目录作为 workspaces。此外，您也可以从 GitHub Releases 下载预编译的二进制文件，或者通过源码构建：克隆仓库后执行 `make run`。首次运行将启动交互式设置向导，引导您完成初始化。
MindX 提供了直观的交互界面，支持 WebUI 与 TUI（终端用户界面）两种模式。无论是通过浏览器进行可视化操作，还是在��端中使用 TUI 进行快速对话，MindX 都能为您提供流畅的智能体交互体验。用户可以根据实际应用场景，灵活选择最适合的工作模式。
首次启动 `mindx` 时，系统会自动进入交互式配置向导（Setup Wizard）。您需要依次完成 API Key 配置（用于连接 LLM Provider）、选择默认使用的 Model、设置项目文件的 Workspace Path（存储路径），并进行 Daemon Service（守护进程）的状态检测，确保系统环境配置正确且安全。
MindX 提供了一套完整的 CLI（命令行界面）工具集。通过 `mindx` 命令可启动配置向导并进入 TUI 聊天模式；使用 `mindx start|stop` 管理 Daemon 守护进程；通过 `mindx status` 实时查看系统运行状态；`mindx doctor` 用于系统诊断与自动修复；而 `mindx install` 则方便地将程序安装至系统路径中。
MindX 的核心工作流围绕 Agent 的技能调度展开。系统通过抽象层接收指令，由专门的 Agent 根据需求自动组装所需的 Skills（技能）来解决问题，而非让用户在海量的 MCP 工具中进行选择。整个过程实现了从指令输入、模型调用、记忆检索到结果输出的自动化闭环。
MindX是一个高质量的开源AI工作流平台
- 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
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 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
- 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
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- embedding 模型与查询模型不一致导致检索失效
- Docker：mindx 提供官方镜像，docker compose up 一键启动
- 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
- 构建企业知识库 / RAG 检索应用的团队
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 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
- 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
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- embedding 模型与查询模型不一致导致检索失效
👥 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
- +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
- −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。
✅ 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
❓ 常见问题 FAQ
AI Skill Hub 点评：MindX 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 | mindx |
| 原始描述 | 开源AI工作流：MindX is an open-source AI Agent orchestration platform (Agent Harness) that lev。⭐32 · Go |
| Topics | AI工作流多智能体编排 |
| GitHub | https://github.com/DotNetAge/mindx |
| License | MIT |
| 语言 | Go |
收录时间：2026-06-17 · 更新时间：2026-06-17 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。