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 — Production-Grade Agent Operating System
<p> <a href="README.md">English</a> | <a href="README_zh.md">简体中文</a> </p>
Production-Grade Agent Operating System | Native Dual-Core: Agent Harness + Enhanced AgenticRAG
MindX is a modern AgentOS designed for long-running, stateful, and multi-agent collaborative scenarios. It provides full-stack infrastructure including agent orchestration, hierarchical persistent memory, multi-dimensional knowledge cognition, multi-terminal interaction, and native storage primitives, supporting enterprise automation, knowledge platforms, and private agent clusters.
---
Overview
Most mainstream agent frameworks adopt stateless single-turn execution, requiring frequent manual instructions. They lack persistent memory, standardized team collaboration, and structured knowledge understanding, resulting in common industry pain points: memory decay, context overflow, rigid execution, and disconnection between knowledge and action.
MindX introduces a dual-core architecture. The Agent Harness enables stateful, reflective, and collaborative agent scheduling. The self-developed AgenticRAG delivers high-precision, low-cost, incrementally evolvable cognitive capabilities, upgrading traditional disposable tool agents into long-term, self-growing digital workforce clusters.
---
Architecture Overview
Pure Go Native Kernel | Agent Harness Organizational Scheduling | 4D AgenticRAG Cognition (HyDE+RRF Enhanced) | Multi-Terminal Interaction | Full-Scenario Private Deployment
---
Key Enhanced Capabilities
- Graph-Enhanced Precision Addressing & Drastic Token Reduction: Instead of full text injection, the system performs semantic vector recall first, then applies graph topology and schema constraints for secondary filtering, reducing token consumption by 1–2 orders of magnitude in long-term multi-round scenarios, lowering costs and latency.
- Full-Link Noise Reduction & Higher Accuracy: Multi-layer filtering through vector semantic screening, lexical calibration, graph topology filtering, and structure constraints eliminates redundant noise, fundamentally reducing semantic drift and hallucinations for superior factual consistency.
- HyDE Hypothetical Reverse Retrieval: Generates hypothetical standard answers based on user intent, then matches real knowledge against the semantic anchor, solving sparse-query failure in short, ambiguous, or professional questions.
- RRF Reciprocal Rank Fusion: Unbiased fusion of vector, lexical, graph, and structured retrieval results. Requires no manual weight tuning or score normalization, improving stability and generalization across scenarios.
- Tree-Sharded Progressive Retrieval: On-demand loading for massive knowledge bases, avoiding timeout and congestion while balancing accuracy and performance.
- Adaptive Context Compression: Long conversations and texts are intelligently summarized via LLM, preserving core decisions and key information, breaking model window limits.
- Incremental Knowledge Internalization: New documents trigger automatic incremental indexing via file monitoring, updating graphs and vector stores; conversation and task memories are accumulated into the knowledge base through the memory API for continuous self-improvement.
- Pure Go High-Performance Runtime: Eliminates Python overhead with low latency, low memory, and high concurrency for 7×24 production stability.
---
🐳 Docker (Recommended)
Docker is the fastest way to start MindX on any platform:
```bash
Install
brew install DotNetAge/homebrew-mindx/mindx
🔧 Build from Source
Building from source? See the Wiki: Building from Source
---
Installing Skills & Agents
MindX is not a library that needs secondary development — it's a complete Agent Operating System. Installing capabilities is as simple as installing apps:
```bash
2. Install a Skill
npx skills add frontend-design npx skills add project-manager
4. List installed Skills and Agents
mindx skill list mindx agent list ```
A Skill is a capability package for Agents. An Agent is a digital role configured with a specific combination of Skills. Both are plain Markdown files in~/.mindx/skills/and~/.mindx/agents/— directly editable, shareable, and version-controllable.
---
OPC Workflow Example
User sets a high-level goal: "Drive product sales to the target value."
The system completes full autonomous closed-loop operation:
- A coordinator agent receives the goal, initiates cross-expert meetings, and organizes market, operation, and strategy agents to generate executable plans;
- Only finalized plans and key decisions are submitted for user confirmation;
- After confirmation, the coordinator delegates full execution authority to a project manager agent;
- The project manager decomposes subtasks, assigns expert agents, and schedules the full-cycle roadmap via agent calendar;
- During execution, role-based agents cooperate autonomously via Agent Talk for real-time handover and progress synchronization;
- The project manager periodically summarizes progress, risks, and results; the coordinator delivers concise regular reports to the user.
Users focus purely on goals and outcomes. All decomposition, scheduling, collaboration, and review is completed autonomously by the agent team. AI manages processes, users manage value.
---
Quick Start
MindX is available through multiple distribution channels covering all major operating systems. Choose the one that fits your environment:
Example: macOS Apple Silicon
tar xzf mindx-*-darwin-arm64.tar.gz sudo mv mindx /usr/local/bin/ mindx daemon & ```
---
Use CLI inside the container
docker exec -it mindx mindx skill list docker exec -it mindx mindx agent list ```
The Docker image is based on debian:bookworm-slim with ONNX Runtime included. Supports multi-architecture (linux/amd64, linux/arm64).
---
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：2026-06-20 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。