能力标签
自动化AI工作流
⚙️
Agent工作流

自动化AI工作流

基于 Python · 无代码搭建完整 AI 自动化流程
英文名:autobots
⭐ 6 Stars 💻 Python 📄 MIT 🏷 AI 8.0分
8.0AI 综合评分
AI工作流去中心化代理群
✦ AI Skill Hub 推荐

自动化AI工作流 是 AI Skill Hub 本期精选Agent工作流之一。综合评分 8.0 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

自动化AI工作流 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。

自动化AI工作流 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

自动化AI工作流 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
⭐ 6
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」。

自动化AI工作流 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。

📌 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 autobots

# 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 autobots

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

# 验证安装
python -c "import autobots; print('安装成功')"
📋 安装步骤说明
  1. 访问 GitHub 仓库获取工作流文件
  2. 在对应平台(Dify / Flowise / Make 等)中找到「导入工作流」功能
  3. 上传工作流文件
  4. 按照提示配置必要的环境变量和 API Key
  5. 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
autobots --help

# 基本用法
autobots input_file -o output_file

# Python 代码中调用
import autobots

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

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

# 或通过环境变量配置
export AUTOBOTS_API_KEY="your-key"
export AUTOBOTS_OUTPUT_DIR="./output"
📑 README 深度解析 真实文档 完整度 90/100 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。

简介


<p align="center"> <a href="https://github.com/DanielDeshmukh/autobots"> <img src="https://img.shields.io/badge/version-0.2.0-blue" alt="Version"> </a> <a href="https://python.org"> <img src="https://img.shields.io/badge/python-3.11+-brightgreen" alt="Python"> </a> <a href="https://pypi.org/project/autobot-swarm/"> <img src="https://img.shields.io/pypi/v/autobot-swarm" alt="PyPI"> </a> <a href="https://github.com/DanielDeshmukh/autobots/blob/main/LICENSE"> <img src="https://img.shields.io/badge/license-MIT-blue" alt="License"> </a> </p>

Autobots is a hierarchical multi-cluster coding swarm CLI that orchestrates multiple AI models to plan, implement, validate, and repair code against target repositories. It features a full tool system (Read, Write, Edit, Glob, Grep), interactive REPL mode, granular permissions, context management, hooks, MCP integration, and code review — all built on NVIDIA NIM models.

---

You> What is this project about?

Features

Prerequisites

  • Python 3.11 or higher
  • NVIDIA API Key (for model execution)

Installation

PyPI Install

pip install autobot-swarm

Development Install

git clone https://github.com/DanielDeshmukh/autobots.git
cd autobots
python -m pip install -e . --no-build-isolation

---

API Key Setup

```powershell

[PASS] Package: autobot-swarm installed

Quick Start

```powershell

Cross-Platform Usage

Configuration

Option 1: .env file

echo NVIDIA_API_KEY=your_key_here > .env

Option 2: Environment variable

$env:NVIDIA_API_KEY = "your_key_here" ```

Configuration File

Create .autobots.toml or autobots.toml in your project root or $HOME:

```toml [autobots] model_selection_profile = "balanced" # balanced, speed, or quality parallel_planning = false disable_live_catalog = false safety_branch = "autobots-safety" default_mode = "supervised" # supervised, milestone, autonomous milestone_threshold = 3 max_verification_attempts = 3 temperature = 0.2 max_tokens = 4096

Optional: custom model registry

Optional: extra custom clusters

Permission Settings

Create ~/.autobots/settings.json (global) or .autobots/settings.json (project):

{
  "permissions": {
    "default": "ask",
    "rules": [
      {"tool_pattern": "Read", "permission": "allow"},
      {"tool_pattern": "Glob", "permission": "allow"},
      {"tool_pattern": "Grep", "permission": "allow"},
      {"tool_pattern": "Write", "permission": "ask"},
      {"tool_pattern": "Edit", "permission": "ask"},
      {"tool_pattern": "Bash", "permission": "ask"}
    ]
  }
}

---

Configuration

Global (~/.autobots/settings.json):

{
  "permissions": {
    "default": "ask",
    "rules": [
      {"tool_pattern": "Read", "permission": "allow"},
      {"tool_pattern": "Write", "permission": "ask"}
    ]
  }
}

Project (.autobots/settings.json):

{
  "permissions": {
    "rules": [
      {"tool_pattern": "Bash(npm test)", "permission": "allow"},
      {"tool_pattern": "Bash(rm *)", "permission": "deny"}
    ]
  }
}

Environment Variables:

$env:AUTOBOTS_ALLOWED_TOOLS = "Read,Glob,Grep"
$env:AUTOBOTS_DENIED_TOOLS = "Bash(rm *)"

---

Environment Variables

VariableDescriptionDefault
NVIDIA_API_KEYNVIDIA API key for model accessRequired
AUTOBOTS_MODEL_SELECTION_PROFILEModel selection: balanced/speed/qualitybalanced
AUTOBOTS_ENABLE_PARALLEL_PLANNINGEnable parallel workstreamsfalse
AUTOBOTS_DISABLE_LIVE_CATALOGUse bundled models onlyfalse
AUTOBOTS_SAFETY_BRANCHRequired git branch nameautobots-safety
AUTOBOTS_DEFAULT_MODEDefault execution modesupervised
AUTOBOTS_MILESTONE_THRESHOLDPhases per approval3
AUTOBOTS_MAX_VERIFICATION_ATTEMPTSRetry limit3
AUTOBOTS_ALLOWED_TOOLSComma-separated allowed tools(none)
AUTOBOTS_DENIED_TOOLSComma-separated denied tools(none)

---

1. Set your API key

$env:NVIDIA_API_KEY = "your_key_here"

CLI Commands

CommandDescription
autobots initCheck context files in target project
autobots init --interactiveInteractive setup wizard
autobots planGenerate implementation roadmap
autobots plan --goal "text"Plan with specific goal
autobots plan --appendAppend to existing plan
autobots plan --dry-runPreview without writing
autobots run [task]Execute phases with autonomy mode
autobots run --supervisedManual approval per phase (default)
autobots run --milestoneApproval every N phases
autobots run --autonomousFully autonomous execution
autobots resumeResume from last checkpoint
autobots engageInteractive mode with startup screen
autobots ask "question"One-shot question answering
autobots steer "instruction"Add mid-task steering instructions
autobots statusRich status with progress bars
autobots explain <id>Show audit trail for a phase/task
autobots statsUsage statistics and costs
autobots undoRollback to previous snapshot
autobots snapshotsList available snapshots
autobots diffCompare workspace to snapshot
autobots logsView audit trail
autobots doctorPreflight health checks
autobots catalogBrowse NVIDIA model registry
autobots config validateValidate TOML configuration
autobots completionsGenerate shell completions
autobots marketplaceBrowse skill packs
autobots dashboardLaunch web dashboard
autobots validate-modelsTest NVIDIA API connectivity
autobots publishBuild and publish to PyPI

---

[PASS] API Key: NVIDIA_API_KEY set (ends with ...abc1)

[PASS] Connectivity: NVIDIA API reachable

Hooks & Extensions

  • Pre/Post Tool Hooks — Run scripts or callbacks before/after tool execution
  • Abort on Failure — Hook failure stops the tool chain
  • MCP Integration — Connect to Model Context Protocol servers for custom tools
  • Command Hooks — Shell commands with env injection and 30s timeout

Workflow

  • Session Management — Durable checkpoints, resumable runs, audit trails
  • Configurable Modes — Supervised, milestone, or fully autonomous execution
  • Multi-Root File Writing — Write to src/, app/, lib/, tests/, docs/, scripts/
  • Validation Commands — Run tests, linters, and build commands automatically
  • Shell Completions — bash, zsh, and fish tab completion
  • Plugin System — before/after hooks for custom extensions
  • Skill Marketplace — Built-in packs for FastAPI, Django, React, Next.js
  • Web Dashboard — Real-time status on port 8080

---

MCP Integration

Connect to Model Context Protocol servers:

from autobots.mcp import MCPClient

client = MCPClient(command="npx", args=["-y", "@modelcontextprotocol/server-filesystem"])
client.connect()
tools = client.list_tools()
result = client.call_tool("read_file", {"path": "/etc/hosts"})

---

Troubleshooting

ErrorSolution
NVIDIA_API_KEY is missingSet NVIDIA_API_KEY in .env or environment variable
Missing: roadmap.mdRun autobots plan to generate context files
Switch to autobots-safety branchgit checkout -b autobots-safety
Command not in safety whitelistAutobots blocks dangerous commands. Use safe alternatives
No checkpoint foundStart fresh with autobots run
old_string not foundProvide exact surrounding lines for unique match
old_string found N timesAdd more context or use replace_all=true

---

🇨🇳 中文文档镜像 AI 翻译 2026-06-26
英文原文章节由系统翻译为中文摘要,便于快速理解。完整原文见上方 "📑 README 深度解析"。
📌 简介

autobots 是一个强大的自动化智能体框架,旨在通过模拟智能体集群(Swarm)来简化复杂的开发任务。它能够理解项目上下文并自动执行编码、规划与测试流程,帮助开发者从繁琐的重复性工作中解脱出来,实现高效的自动化开发体验。

⚡ 功能介绍

本项目具备强大的自动化能力,支持自动生成实现路线图(Roadmap)、多目录文件写入以及自动化的验证命令执行。通过集成 MCP(Model Context Protocol),用户可以轻松扩展自定义工具,并支持在执行过程中进行监督、里程碑式或完全自主的模式切换。

📋 环境依赖

在使用 autobots 之前,请确保您的开发环境已安装 Python 3.11 或更高版本。此外,您需要准备一个有效的 NVIDIA API Key,用于驱动底层模型的推理与执行逻辑。

🛠 安装步骤(Docker/pip/源码)

您可以根据需求选择不同的安装方式:对于常规用户,推荐直接通过 PyPI 使用 `pip install autobot-swarm` 进行快速安装;对于需要参与开发的贡献者,建议通过 Git 克隆源码仓库,并使用 `python -m pip install -e . --no-build-isolation` 进行开发模式安装。

🚀 使用教程

项目提供了跨平台的快速上手指南。您可以直接通过命令行工具启动任务,利用内置的规划功能针对特定目标(Goal)生成执行方案,并根据需要选择交互式设置模式,确保智能体在正确的上下文环境中运行。

⚙️ 配置说明(含 MCP / env)

配置过程非常灵活,支持两种主要方式:首先是创建 `.env` 文件并写入 `NVIDIA_API_KEY`;其次是直接在终端中设置环境变量。这种设计确保了 API 密钥的安全管理,并能无缝对接后续的 MCP 集成与工具调用。

🔌 API 说明

autobots 提供了��富的 CLI 命令集。通过 `autobots init` 可以检查目标项目的上下文文件,使用 `--interactive` 进入交互式向导;`autobots plan` 则用于生成实现路线图。所有命令均围绕项目规划与自动化执行构建,方便开发者精准控制任务流。

🔄 工作流/模块

工作流模块设计精妙,支持 Pre/Post Tool Hooks(工具执行前后的钩子)以及 Abort on Failure(失败即中止)机制。通过 MCP Integration,可以连接自定义工具服务器。系统具备完善的 Session Management(会话管理),支持断点续传与审计追踪,并能安全地在多个根目录(如 src/, tests/)间进行文件写入。

❓ FAQ 摘要

针对常见问题,我们提供了详细的排查指南。例如,若遇到 `NVIDIA_API_KEY is missing` 错误,请检查 `.env` 或环境变量配置;若提示缺少 `roadmap.md`,请先运行 `autobots plan` 生成上下文;此外还包含了关于分支切换与命令执行异常的解决方案。

🎯 aiskill88 AI 点评 A 级 2026-06-26

Autobots是一个创新性的AI工作流项目,具有较高的潜力

📚 实用指南(长尾问题)
适合谁
  • 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
  • 需要从图片、PDF 提取文字的文档自动化场景
  • 跨境业务、多语言内容运营团队
最佳实践
  • 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
常见错误
  • 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
  • Python 依赖冲突:建议用 venv / uv 隔离环境
部署方案
  • Docker:autobots 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
相关搜索
autobots 中文教程autobots 安装报错怎么办autobots MCP 配置autobots Docker 部署autobots Agent 工作流autobots 与同类工具对比autobots 最佳实践autobots 适合谁用

⚡ 核心功能

👥 适合谁
  • 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
  • 需要从图片、PDF 提取文字的文档自动化场景
⭐ 最佳实践
  • 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
⚠️ 常见错误
  • 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

自动化工程师和运维人员项目经理和业务分析师希望减少重复性工作的专业人士数字化转型团队

🎯 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

✅ 优点
  • +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
⚠️ 不足
  • 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
⚠️ 使用须知

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。

📄 License 说明

✅ 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

📚 相关教程推荐
📰 相关 AI 新闻
🍿 AI 圈相关吃瓜
🗺️ 相关解决方案
🧩 你可能还需要
基于当前 Skill 的能力图谱,自动补全的工具组合

❓ 常见问题 FAQ

autobots 是一款Python开发的AI辅助工具。开源AI工作流:Autobots | A decentralized model agentic swarm powered by NVIDIA NIM. Orchestrat。⭐6 · Python 主要应用场景包括:自动化AI任务处理。
💡 AI Skill Hub 点评

经综合评估,自动化AI工作流 在Agent工作流赛道中表现稳健,质量优秀。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。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ MIT 协议 · 可免费商用 · 直接从 aiskill88 服务器下载,无需跳转 GitHub

📚 深入学习 自动化AI工作流
查看分步骤安装教程和完整使用指南,快速上手这款工具
🌐 原始信息
原始名称 autobots
原始描述 开源AI工作流:Autobots | A decentralized model agentic swarm powered by NVIDIA NIM. Orchestrat。⭐6 · Python
Topics AI工作流去中心化代理群
GitHub https://github.com/DanielDeshmukh/autobots
License MIT
语言 Python
🔗 原始来源
🐙 GitHub 仓库  https://github.com/DanielDeshmukh/autobots

收录时间:2026-06-26 · 更新时间:2026-06-26 · License:MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。

📺 订阅 AI Skill Hub Daily Telegram 频道
每天 8 条精选 AI Skill、MCP、Agent 与自动化工具推送
加入频道 →