自动代理工厂
自动代理工厂 是 AI Skill Hub 本期精选n8n工作流之一。综合评分 7.5 分，整体质量较高。我们推荐使用将其纳入你的 AI 工具库，帮助提升工作效率。
📚 深度解析
自动代理工厂 工作流模板封装了特定场景下的最佳实践配置。导入后你无需从零开始搭建——只需根据向导配置必要的 API Key 和账号信息，激活工作流后即可立即运行。这类预制模板特别适合希望快速验证自动化方案可行性的用户，避免在节点连接和逻辑配置上花费大量时间。
n8n 的核心优势在于数据主权：自托管版本的所有数据（包括 Credentials 和执行记录）完全存储在你自己的服务器上，适合对数据隐私有要求的企业和个人用户。AI Skill Hub 推荐通过 Docker 部署 n8n 自托管实例，并将 自动代理工厂 作为工作流库的起始模板。
📋 工具概览
自动代理工厂 是一款基于 JavaScript 开发的开源工具，专注于 ai-agents、human-in-the-loop、llmops 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
📖 中文文档
自动代理工厂 是一款基于 JavaScript 开发的开源工具，专注于 ai-agents、human-in-the-loop、llmops 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
- 基于 n8n 平台的可视化低代码工作流
- 支持拖拽式节点编排，将自动化门槛降至最低
- 内置 300+ 第三方服务连接器，覆盖主流工具生态
- 支持 Webhook、定时触发、事件驱动等多种启动方式
- 可导出 JSON 文件，方便团队共享和版本管理
- 定时采集外部数据并自动生成分析报告推送
- 实现多系统间的数据同步和状态更新通知
- 构建自动化运维告警和响应处置流程
# 方式一：npm 全局安装 npm install -g auto-agent-factory # 方式二：npx 直接运行（无需安装） npx auto-agent-factory --help # 方式三：项目依赖安装 npm install auto-agent-factory # 方式四：从源码运行 git clone https://github.com/fangwendongcs/Auto-agent-factory cd Auto-agent-factory npm install npm start
- 访问 GitHub 仓库，下载工作流 JSON 文件
- 登录 n8n 工作台
- 点击右上角「导入工作流」按钮
- 上传或粘贴 JSON 内容
- 根据提示配置必要的 API Key、账号等参数
- 激活工作流后即可正常运行
# 命令行使用
auto-agent-factory --help
# 基本用法
auto-agent-factory [options] <input>
# Node.js 代码中使用
const auto_agent_factory = require('auto-agent-factory');
const result = await auto_agent_factory.run(options);
console.log(result);
// n8n 工作流配置步骤 // 1. 在 n8n 中点击 "Import Workflow" // 2. 粘贴 JSON 文件内容或上传文件 // 3. 配置必要的 Credentials： // - Settings → Credentials → New // - 选择对应服务类型填写 API Key // 4. 激活工作流 (Toggle ON) // 5. 通过 Webhook 或定时触发器运行
Auto Agent Factory
A mock-first, goal-driven n8n workflow skeleton for bounded, testable, and human-reviewable AI Agent automation.
Technical positioning: Goal-Driven Agent Workflow with n8n.
Language: English | 简体中文
Auto Agent Factory is a mock-first AI Agent workflow skeleton built with n8n. It turns an agent request into a bounded workflow contract: define a goal, define success criteria, run a controlled executor step, check the result, and decide whether to finish, revise, stop, or require human review.
Current stage: v0.7 / Human-in-the-loop Controlled Execution Boundary Verified. The project has validated mock, dry-run, real-readonly stub routing, one OpenAI-compatible read-only provider sandbox call, criterion-indexed evidence alignment, and approval-boundary decisions for read-only, high-risk write-like, and forbidden action classes.
This is not a production autonomous agent. The verified real provider path is read-only and returns needs_review; it does not execute real Codex/coding-agent tasks, shell commands, file writes, Git modifications, external write actions, or live SaaS user workflows.
Current design target: V0.9b local audit report artifact option, still no production autonomous execution.
The V0.4 preparation checklist is tracked in docs/V0_4_PROVIDER_INTEGRATION_PREP.md. The first provider interface decision is recorded in docs/ADR_0001_REAL_READONLY_PROVIDER_SELECTION.md. The minimal implementation plan is tracked in docs/V0.4C_REAL_READONLY_IMPLEMENTATION_PLAN.md. The evaluator-quality phase is documented in docs/V0.6_EVALUATOR_QUALITY_PLAN.md. The controlled-execution boundary design is tracked in docs/V0.7_CONTROLLED_EXECUTION_BOUNDARIES.md. The staging pilot, audit, and rollback design is tracked in docs/V0.8_STAGING_PILOT_AUDIT_ROLLBACK_DESIGN.md. The sanitized audit log prototype is tracked in docs/V0.8B_SANITIZED_AUDIT_LOG_PROTOTYPE.md. The dev-only audit storage plan is tracked in docs/V0.8C_DEV_ONLY_AUDIT_STORAGE_PLAN.md. The dev-only JSONL audit storage prototype is tracked in docs/V0.8D_DEV_ONLY_JSONL_AUDIT_STORAGE_PROTOTYPE.md. The dev-only audit CLI is tracked in docs/V0.8E_DEV_ONLY_AUDIT_CLI.md. The staging replay closeout is tracked in docs/V0.8F_STAGING_REPLAY_CLOSEOUT.md. The audit review report generator is tracked in docs/V0.9_AUDIT_REVIEW_REPORT_GENERATION.md. The dev-only local report artifact option is tracked in docs/V0.9B_LOCAL_AUDIT_REPORT_ARTIFACT.md.
Quick Start
Install dependencies:
npm installRun tests:
npm testValidate workflow JSON:
npm run workflow:validate:allRun dry-run deployment check:
npm run workflow:dry-runCheck n8n import readiness:
npm run import:checkOptional smoke-test payload generation:
npm run smoke:goal-drivenWorkflow Modules
| Module | File | Responsibility | Current status |
|---|---|---|---|
| Goal-Driven Master Workflow | workflows/goal_driven_master.workflow.json | Receives goal payloads, validates input, initializes run/task IDs, dispatches executor/checker, routes final response. | Implemented |
| Agent Task Executor Workflow | workflows/agent_task_executor.workflow.json | Executes one bounded task iteration and returns a normalized agent_result. | Implemented with mock, dry-run, and real-readonly stub modes |
| Criteria Checker Workflow | workflows/criteria_checker.workflow.json | Evaluates executor evidence against criteria and returns pass/fail/unknown checks. | Implemented |
| Goal-Driven Error Handler Workflow | workflows/error_handler.workflow.json | Handles failed workflow executions and produces recovery context. | Implemented |
高效的自动化工作流工具包
- 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
- 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）
- embedding 模型与查询模型不一致导致检索失效
- 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
- 基于 n8n 平台的可视化低代码工作流
- 支持拖拽式节点编排，将自动化门槛降至最低
- 内置 300+ 第三方服务连接器，覆盖主流工具生态
- 支持 Webhook、定时触发、事件驱动等多种启动方式
- 可导出 JSON 文件，方便团队共享和版本管理
- 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
- 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）
- 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
- 定时采集外部数据并自动生成分析报告推送
- 实现多系统间的数据同步和状态更新通知
- 构建自动化运维告警和响应处置流程
⚖️ 优点与不足
- +MIT 协议，可免费商用
- +开源自托管，数据安全可控
- +节点丰富，第三方扩展便捷
- +社区活跃，问题易查易解
- −自托管需自行维护服务器和基础设施
- −学习曲线相对较陡，初学需耐心
- −大规模并发场景对资源要求较高
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
经综合评估，自动代理工厂 在n8n工作流赛道中表现稳健，质量良好。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。
| 原始名称 | Auto-agent-factory |
| 原始描述 | 开源n8n工作流：A production-ready toolkit to accelerate and automate the end-to-end lifecycle o。⭐10 · JavaScript |
| Topics | ai-agentshuman-in-the-loopllmopsn8nworkflow-automationjavascript |
| GitHub | https://github.com/fangwendongcs/Auto-agent-factory |
| License | MIT |
| 语言 | JavaScript |
收录时间：2026-05-29 · 更新时间：2026-05-30 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。