openagent — AI Agent 工作流中文教程
经 AI Skill Hub 精选评估，openagent — AI Agent 工作流中文教程 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 8.3 分，适合有一定技术背景的用户使用。
openagent — AI Agent 工作流中文教程 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 8.3 分，是同类 Agent 工作流中的精选推荐。
openagent — AI Agent 工作流中文教程 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。
openagent — AI Agent 工作流中文教程 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
# 方式一：pip 安装（推荐）
pip install openagent
# 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 openagent
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/Haohao-end/openagent
cd openagent
pip install -e .
# 验证安装
python -c "import openagent; print('安装成功')"
- 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
# 命令行使用
openagent --help
# 基本用法
openagent input_file -o output_file
# Python 代码中调用
import openagent
# 示例
result = openagent.process("input")
print(result)
# openagent 配置文件示例（config.yml） app: name: "openagent" debug: false log_level: "INFO" # 运行时指定配置文件 openagent --config config.yml # 或通过环境变量配置 export OPENAGENT_API_KEY="your-key" export OPENAGENT_OUTPUT_DIR="./output"
简介
<a id="readme-top"></a>
<p align="center"> An end-to-end AI agent platform for building, orchestrating, publishing, and operating AI applications. <br /> Flask + LangChain/LangGraph backend, Vue 3 workspace, visual workflows, datasets, tools, and OpenAPI delivery. </p>
<p align="center"> <a href="https://openllm.cloud">Visit Website</a> · <a href="https://s.apifox.cn/c76bd530-fd50-429c-94cc-f0e41c2675d1/api-305434417">API Docs</a> · <a href="README_ZH.md">中文文档</a> · <a href="https://github.com/Haohao-end/openagent">GitHub</a> </p>
<p align="center"> <img src="https://img.shields.io/badge/python-3.11+-3776AB?logo=python&logoColor=white" alt="Python 3.11+" /> <img src="https://img.shields.io/badge/flask-3.x-000000?logo=flask&logoColor=white" alt="Flask" /> <img src="https://img.shields.io/badge/vue-3-4FC08D?logo=vue.js&logoColor=white" alt="Vue 3" /> <img src="https://img.shields.io/badge/docker-compose-2496ED?logo=docker&logoColor=white" alt="Docker Compose" /> <img src="https://img.shields.io/badge/weaviate-vector%20db-00C6A7" alt="Weaviate" /> <a href="https://deepwiki.com/Haohao-end/openagent"><img src="https://deepwiki.com/badge.svg" alt="Ask DeepWiki" /></a> </p> </div>
About The Project
<img width="2560" height="1418" alt="OpenAgent Product Overview" src="https://github.com/user-attachments/assets/0f8f7517-1622-46ea-9554-fb13af4841a1" />
OpenAgent is a full-stack platform for teams building AI applications rather than a single chat demo. The repository combines a Flask backend, Celery workers, a Vue 3 frontend, visual workflow authoring, dataset and document management, public app and workflow publishing, and OpenAPI-based delivery.
What the current codebase already supports:
- Use the home assistant to route user requests to published public agents through A2A, or turn natural-language requirements into new AI app creation flows.
- Build and manage AI apps from a dedicated workspace with draft, publish, analysis, version comparison, and prompt comparison flows.
- Design workflows visually with nodes for LLMs, tool calls, dataset retrieval, code execution, HTTP requests, branching, text processing, template transforms, and structured parameter extraction.
- Manage datasets, upload documents, inspect segments, and connect retrieval to agents and workflows.
- Browse public apps, tools, and workflows through store-style views.
- Expose published apps over REST and SSE through
POST /api/openapi/chat.
Prerequisites
- Docker 20.10+
- Docker Compose 2.x
- 8 GB+ RAM recommended for the full stack
- Access to at least one supported model provider API key
Getting Started
Installation
- Clone the repository.
git clone https://github.com/Haohao-end/openagent.git
cd openagent
- Create the runtime environment file.
cp api/.env.example api/.env
- Review the minimum required settings in
api/.env.
JWT_SECRET_KEYPOSTGRES_PASSWORDREDIS_PASSWORDWEAVIATE_API_KEYVITE_API_PREFIX- At least one provider key such as
OPENAI_API_KEY,ATLASCLOUD_API_KEY,DEEPSEEK_API_KEY, orDASHSCOPE_API_KEY
- Start the Docker stack.
cd docker
docker compose up -d --build
- Open the local services.
| Service | URL | Notes | | --- | --- | --- | | Frontend | http://localhost:3000 | Vue 3 web UI | | API | http://localhost:5001 | Flask REST API | | Nginx | http://localhost | Reverse proxy |
Usage
5. OpenAPI Delivery
<img width="2560" height="1418" alt="OpenAgent OpenAPI" src="https://github.com/user-attachments/assets/40769d35-89e1-4b76-9686-a431a77a42c7" />
Publish an app and call it over POST /api/openapi/chat with standard or streaming responses, including support for multi-turn conversation identifiers.
<p align="right">(<a href="#readme-top">back to top</a>)</p>
3. Visual Workflow Editor
<img width="2560" height="1599" alt="OpenAgent Workflow Editor" src="https://github.com/user-attachments/assets/23b510e2-1232-4f52-9262-812a7523ae21" />
Author workflows with nodes such as LLM, tool, dataset retrieval, code, HTTP request, template transform, text processor, variable assigner, parameter extractor, if/else, start, and end.
- 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
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- 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）
- 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
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Python 依赖冲突：建议用 venv / uv 隔离环境
- Docker：openagent 提供官方镜像，docker compose up 一键启动
- 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
- 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
- +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
- −未明确开源协议，商用场景需谨慎评估
- −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
该工具未明确声明开源协议，商业使用前请联系原作者确认授权范围，避免侵权风险。
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。
AI Skill Hub 点评：openagent — AI Agent 工作流中文教程 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 | openagent |
| 原始描述 | AI Agent Development Platform - Supports multiple models (OpenAI/DeepSeek/Wenxin/Tongyi), knowledge base management, workflow automation, and enterprise-grade security. Built with Flask + Vue3 + LangChain, featuring one-click Docker deployment. |
| Topics | agentaiaiagentcelerydeepseekdockerautomation |
| GitHub | https://github.com/Haohao-end/openagent |
| 语言 | Python |
收录时间：2026-05-22 · 更新时间：2026-05-22 · License：未公布 · AI Skill Hub 不对第三方内容的准确性作法律背书。
🤖 交给 Agent 安装 · openagent — AI Agent 工作流中文教程
选择 Agent 类型，复制安装指令后粘贴到对应客户端