AgentDeck AI 物理控制面板
经 AI Skill Hub 精选评估，AgentDeck AI 物理控制面板 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 8.2 分，适合有一定技术背景的用户使用。
📚 深度解析
AgentDeck AI 物理控制面板 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 8.2 分，是同类 Agent 工作流中的精选推荐。
📋 工具概览
一个将物理控制设备（如ESP32、Android设备）转化为AI编程助手控制面板的开源项目。它为Claude Code等AI Agent提供多界面仪表盘和物理按键操作，适合追求高效开发体验、喜欢硬件交互的开发者。
AgentDeck AI 物理控制面板 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
一个将物理控制设备（如ESP32、Android设备）转化为AI编程助手控制面板的开源项目。它为Claude Code等AI Agent提供多界面仪表盘和物理按键操作，适合追求高效开发体验、喜欢硬件交互的开发者。
AgentDeck AI 物理控制面板 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
# 克隆仓库 git clone https://github.com/puritysb/AgentDeck cd AgentDeck # 查看安装说明 cat README.md # 按 README 完成环境依赖安装后即可使用
- 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 agentdeck --help # 基本运行 agentdeck [options] <input> # 详细使用说明请查阅文档 # https://github.com/puritysb/AgentDeck
# agentdeck 配置说明 # 查看配置选项 agentdeck --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 AGENTDECK_CONFIG="/path/to/config.yml"
简介
<p align="center"> <img src="docs/media/agentdeck-icon.png" width="96" alt="AgentDeck icon — aquarium dome with octopus and crayfish on a Stream Deck control surface"> </p>
Terminal, Windows, Linux, and external integrations
Requires Node.js 22, 24, or 26 and a supported agent on macOS 15+, Windows 11, or Linux.
npx @agentdeck/setup
agentdeck daemon install # refresh hooks and start observation
claude # or: codex · opencode · kiro-cliIn another terminal:
agentdeck dashboard # live sessions, aquarium, usage, and timelineThe Mac app can also attach to the CLI daemon for additional integrations, including Claude subscription gauges and ADB device support. Compare capabilities. For setup problems, run agentdeck diag agents or see installation and troubleshooting.
<details> <summary>Existing managed sessions and remote attach</summary>
agentdeck claude, agentdeck codex, agentdeck opencode, and agentdeck monitor are a long-term compatibility path; no removal is planned. Ordinary local sessions should use the daemon with normal agent commands. Daemon-first equivalents exist for launch arguments (agentdeck run), deck ordering (agentdeck order) and remote sessions (agentdeck relay, experimental). Immediate terminal steering stays managed-only. See the CLI reference, remote attach guide, and decision record.
</details>
AgentDeck 是一个创新的交互工具，旨在将 Stream Deck 硬件控制能力与强大的 AI 能力相结合。通过将 Claude Code 等 AI 终端集成到 Stream Deck 控制面板中，开发者可以实现对 AI 会话的物理按键控制，提升 AI 辅助编程与自动化任务的交互体验。
在 macOS 环境下，需使用 macOS 15+ (Sequoia) 或更高版本，并确保系统支持 Apple Intelligence 以实��� Foundation Models 的集成。在 Windows 11 环境下，开发者需安装 Node.js (≥ 22) 及 pnpm，并安装 Elgato Stream Deck 官方应用程序以支持硬件交互。
用户可以通过两种方式安装：方式 A 为快速安装，直接运行 `npx @agentdeck/setup` 即可完成配置；方式 B 为源码构建，通过 `git clone` 项目仓库后，执行 `pnpm setup` 命令。该命令会自动检查依赖（如 Claude CLI）、安装 `@elgato/cli`、执行构建并生成必要的图标资源。
项目启动后，开发者可以通过 CLI 命令进行交互。在 macOS 上，您可以利用 Swift 构建的 Dashboard 进行管理；在 Windows 上，核心体验在于通过 Stream Deck 硬件直接驱动 Claude Code 会话，实现物理按键对 AI 终端的精准控制。
配置过程涉及 CLI 与 Stream Deck plugin 的联动。开发者需进入 `bridge` 目录执行 `pnpm link --global`，随后进入 `plugin` 目录使用 `streamdeck link .sdPlugin` 命令进行关联。完成配置后，必须重启 Stream Deck app 以确保插件加载生效。
AgentDeck 提供专门的 CLI 工具 `agentdeck` 用于管理不同的 AI 会话。支持的命令包括：`agentdeck claude` 用于启动集成了 PTY 与 bridge 的 Claude Code 会话；`agentdeck codex` ��于启动 Codex CLI 会话；以及 `agentdeck opencode` 用于通过 SSE bridge 启动 OpenCode 会话。
工作流分为核心桥接与插件链接两个阶段。首先通过 Node.js bridge 建立通信，随后在 `plugin` 目录下执行 `streamdeck link` 命令，在系统插件目录创建符号链接。在 Windows 环境下，虽然 Apple/Android 等原生构建不在范围内，但通过 Node.js bridge、Claude Code hook installer 与 Stream Deck plugin 的组合，仍能实现完整的硬件控制流。
常见问题排查：若 Stream Deck 插件显示 DISCONNECTED，通常是因为 Bridge 未运行，请尝试执行 `agentdeck claude`；若插件每 3 秒自动重连，说明 Bridge 进程已崩溃，需重启命令；若 Bridge 进入断开状态，通常是由于 Claude 进程已退出，建议重新启动会话。
aiskill88点评：将AI工作流从软件延伸至物理触感，极具创意，有效解决了复杂指令输入低效的问题。
- 构建多智能体协作系统的 Agent 开发者
- 做语音类 AI 产品的开发者
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- 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）
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- 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
- 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
- 构建多智能体协作系统的 Agent 开发者
- 做语音类 AI 产品的开发者
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- 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）
- 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
🎯 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：AgentDeck AI 物理控制面板 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 | AgentDeck |
| 原始描述 | 开源AI工作流：Physical controller & multi-surface dashboard for AI coding agents — Stream Deck。⭐127 · C |
| Topics | AI Agent硬件控制开发者工具 |
| GitHub | https://github.com/puritysb/AgentDeck |
| License | MIT |
| 语言 | C |
收录时间：2026-07-11 · 更新时间：2026-07-11 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。