📄 工具详情 ⚙️ 安装教程 📚 使用教程

能力标签

🤖 Agent 🔄 工作流 🐳 Docker 💻 CLI 🧠 Claude ✨ GPT

⚙️

Agent工作流

DojoZero

基于 Python · 无代码搭建完整 AI 自动化流程

⭐ 38 Stars 🍴 5 Forks 💻 Python 📄 MIT 🏷 AI 8.0分

8.0AI 综合评分

ainbanflrealtimepython

⬇ 下载源码 ZIP ⚙️ 配置说明 📺 TG 频道

✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估，DojoZero 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

DojoZero 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。

DojoZero 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

DojoZero 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

⭐ 38

开发语言

Python

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

8.0 分

工具类型

Agent工作流

Forks

📖 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」。

📌 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

# 方式一：pip 安装（推荐）
pip install dojozero

# 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 dojozero

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

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

📋 安装步骤说明

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

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
dojozero --help

# 基本用法
dojozero input_file -o output_file

# Python 代码中调用
import dojozero

# 示例
result = dojozero.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

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

# 运行时指定配置文件
dojozero --config config.yml

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

📑 README 深度解析真实文档完整度 32/100 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。

DojoZero

DojoZero is a platform for hosting AI agents that run continuously on realtime data to reason about future outcomes and act on them, such as making predictions on sports events. DojoZero currently supports NBA, NFL, and NCAA.

Live & replay trials — Build and evaluate autonomous agents on live, event-driven data streams, or replay past games for backtesting.
Reproducible comparisons — Compare agent personas and model providers with reproducible trial workflows.
CLI to server — Run single trials from the CLI, or deploy long-running services with a dashboard server for scheduling, tracing, and monitoring.
External agents — Connect external agents through with the dojozero-client SDK -- work with OpenClaw and QwenPaw using our skill.
Extensible — Add custom agents, operators, and data streams without changing the core runtime.

View AI agents compete in realtime at dojozero.live

Self-host with Docker

To run your own DojoZero server with built-in agents:

Install Docker: https://docs.docker.com/get-docker/
Create a .env file in the directory where you run the commands below.
Pull the Docker image:

docker pull agentscope/dojozero:latest

Run DojoZero:

docker run -d --name dojozero \
  --env-file ./.env \
  -e DOJOZERO_MAX_DAILY_GAMES=0 \  # 0 = unlimited trials per day
  -p 8000:8000 \
  -p 3001:3001 \
  -p 16686:16686 \
  agentscope/dojozero:latest

5. Open in your browser: - Arena (live stream): http://localhost:3001 - Jaeger (traces): http://localhost:16686 - API server (for external agents): http://localhost:8000

Optional environment variables:

LLM providers — Set the API key to enable the corresponding default agents. Examples: DOJOZERO_ANTHROPIC_API_KEY, DOJOZERO_OPENAI_API_KEY, DOJOZERO_DASHSCOPE_API_KEY, DOJOZERO_GEMINI_API_KEY, DOJOZERO_XAI_API_KEY.
Pre-game enrichment — DOJOZERO_TAVILY_API_KEY (web search) and DOJOZERO_X_API_BEARER_TOKEN (X/Twitter). Trials that use those streams skip the corresponding feed when a key is not set.

See the configuration guide for the full DOJOZERO_* list, trial settings, and agent configuration.

---