📄 工具详情 ⚙️ 安装教程 📚 使用教程

能力标签

🔌 MCP 🤖 Agent 🔄 工作流 💻 CLI 🔗 REST API 🎙 STT 🧠 Claude ✨ GPT 🖥 本地 LLM

⚙️

Agent工作流

WorkPilot-AI

基于 Python · 无代码搭建完整 AI 自动化流程

⭐ 4 Stars 🍴 1 Forks 💻 Python 📄 MIT 🏷 AI 8.5分

8.5AI 综合评分

autonomousmulti-agentcodingframework

⬇ 下载源码 ZIP ⚙️ 配置说明 📺 TG 频道

✦ AI Skill Hub 推荐

WorkPilot-AI 是 AI Skill Hub 本期精选Agent工作流之一。综合评分 8.5 分，整体质量较高。我们强烈推荐将其纳入你的 AI 工具库，帮助提升工作效率。

📚 深度解析

WorkPilot-AI 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。

WorkPilot-AI 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 8.5 分，是同类 Agent 工作流中的精选推荐。

📋 工具概览

WorkPilot-AI 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

⭐ 4

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

8.5 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 workpilot-ai

# 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 workpilot-ai

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

# 验证安装
python -c "import workpilot_ai; 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
workpilot-ai --help

# 基本用法
workpilot-ai input_file -o output_file

# Python 代码中调用
import workpilot_ai

# 示例
result = workpilot_ai.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

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

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

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

📑 README 深度解析真实文档完整度 76/100 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。

WorkPilot AI

Autonomous multi-agent coding framework that plans, builds, and validates software for you.

WorkPilot AI Kanban Board

---

Features

Installation et Configuration

Méthodes d'Installation

Option 1 : Application Bureau (Recommandé)

1. Téléchargement - Visitez GitHub Releases - Téléchargez la version stable pour votre plateforme

2. Installation - Windows : Exécutez WorkPilot-AI-1.0.0-win32-x64.exe - macOS : Ouvrez WorkPilot-AI-1.0.0-darwin-arm64.dmg - Linux : Lancez WorkPilot-AI-1.0.0-linux-x86_64.AppImage

3. Premier Lancement - Lancez l'application - Suivez l'assistant de configuration - Connectez votre provider AI

Option 2 : Développement depuis Source

1. Clonage du Dépôt

   git clone https://github.com/tleub-ebp/WorkPilot-AI.git
   cd Auto-Claude_EBP

2. Installation Automatique

   pnpm install
   pnpm run dev

Crée automatiquement l'environnement virtuel Python et installe toutes les dépendances

3. Lancement Manuel

   # Backend
   cd apps/backend
   python -m pip install -r requirements.txt
   
   # Frontend
   cd ../frontend
   pnpm install
   pnpm run dev

Validation de l'Installation

#### Tests de Connexion ```bash

Quick Start

Download and install the app for your platform
Open your project — select a git repository folder
Connect your AI provider — Claude (OAuth), API key, or any OpenAI-compatible endpoint
Create a task — describe what you want to build
Watch it work — agents plan, code, and validate autonomously

Or from source:

pnpm install
pnpm run dev

See the Setup Guide for detailed instructions.

---

CLI Usage

For headless operation, CI/CD integration, or terminal-only workflows:

cd apps/backend
python spec_runner.py --interactive   # Create a spec interactively
python run.py --spec 001              # Run autonomous build
python run.py --spec 001 --review     # Review
python run.py --spec 001 --merge      # Merge

See docs/CLI-USAGE.md for the full CLI reference.

---

Configuration des Providers AI

#### Authentification Claude (Recommandé) ```bash claude

.env-files/.env

AUTO_BUILD_MODEL=claude-3-5-sonnet-20241022 DEBUG=true LINEAR_API_KEY=votre_clé_linear GRAPHITI_ENABLED=true ```

Configuration du Projet

#### Structure de Projet Requise

votre-projet/
├── .git/                # Obligatoire : dépôt Git initialisé
├── package.json         # Pour projets Node.js
├── requirements.txt     # Pour projets Python
├── Cargo.toml           # Pour projets Rust
└── ...                  # Vos fichiers de code

#### Détection Automatique de Stack WorkPilot AI détecte automatiquement : - Framework : React, Vue, Angular, Django, Flask, Express - Language : TypeScript, JavaScript, Python, Rust, Go - Build Tools : Vite, Webpack, Cargo, Poetry - Testing : Jest, Pytest, Vitest, Playwright

Configuration Claude

claude --version ```

Interface

Autonomous Development Pipeline

Feature	Description
Kanban Board	Visual task management from planning through completion with real-time agent progress
Multi-Agent Pipeline	Planner → Coder → QA Reviewer → QA Fixer pipeline runs autonomously end-to-end
Parallel Execution	Up to 12 simultaneous agent terminals for parallel builds
Isolated Workspaces	Every task runs in a dedicated git worktree — your main branch stays safe
AI-Powered Merge	Semantic conflict resolution when integrating worktrees back to main
QA Auto-Fix Loop	Agents automatically detect, fix, and revalidate failing acceptance criteria
Spec Approval Workflow	Review and approve AI-generated specifications before implementation begins

Integrations

Platform	Capabilities
GitHub	Import issues, AI investigation, PR review, batch review wizard, auto-PR creation
GitLab	Issues and merge request management with AI severity categorization
Azure DevOps	Work item import, PR review, batch operations — _experimental: backend still returns mock data for several endpoints, see [shared_docs/CONFIGURATION.md](shared_docs/CONFIGURATION.md)_
Linear	Bulk issue import with team/project filtering
Jira	Issue management integration
MCP Marketplace	Browse, install, and configure Model Context Protocol servers
Custom MCPs	Define and host custom MCP servers with local authentication
Windsurf	Windsurf IDE integration via Connect protocol