开源AI工作流
AI Skill Hub 推荐使用：开源AI工作流 是一款优质的Agent工作流。AI 综合评分 7.5 分，在同类工具中表现稳健。如果你正在寻找可靠的Agent工作流解决方案，这是一个值得深入了解的选择。
📚 深度解析
开源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 7.5 分，是同类 Agent 工作流中的精选推荐。
📋 工具概览
From Agent to Agency — 一个 AI 做不了的事，一群 AI 可以。Multi-Agent Collaboration Platform，提供了一个多智能体协作平台，提高了AI的协作效率和智能。
开源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。
📖 中文文档
From Agent to Agency — 一个 AI 做不了的事，一群 AI 可以。Multi-Agent Collaboration Platform，提供了一个多智能体协作平台，提高了AI的协作效率和智能。
开源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。
- 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：npm 全局安装 npm install -g mind-agency # 方式二：npx 直接运行（无需安装） npx mind-agency --help # 方式三：项目依赖安装 npm install mind-agency # 方式四：从源码运行 git clone https://github.com/Toufumind/mind-agency cd mind-agency npm install npm start
- 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
mind-agency --help
# 基本用法
mind-agency [options] <input>
# Node.js 代码中使用
const mind_agency = require('mind-agency');
const result = await mind_agency.run(options);
console.log(result);
# mind-agency 配置说明 # 查看配置选项 mind-agency --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 MIND_AGENCY_CONFIG="/path/to/config.yml"
简介
<img src="public/logo-static.png" width="100" alt="Mind Agency Logo" />
Features
| Feature | Description |
|---|---|
| **👥 Team Collaboration** | Create any number of Agents with roles, personalities, and memory. Collaborate via group chat and email. |
| **🗳️ Consensus Voting** | AND / OR / Threshold voting + adversarial review + multi-round debate. |
| **🔄 Workflow Engine** | YAML-defined pipelines with conditional branching, human approval gates, crash recovery, and hot-reload. |
| **🧠 Three-Layer Memory** | Session + long-term persistent + entity memory. Cross-session experience accumulation. |
| **📡 Signal-Driven** | Filesystem mtime-based incremental scanning with priority debouncing. Agents respond autonomously. |
| **📋 Audit Trail** | Every Agent action is logged and traceable. |
| **🔒 Four-Layer Permissions** | MCP tools → Permission engine → Consensus engine → Adversarial review. |
| **💾 Reliability** | DLQ + Outbox + checkpoint recovery + backpressure. |
| **🎨 Multi-Theme** | Notion, Minimal White, Warm Wood, Deep Space, Nord. |
| **🔌 Multi-Provider** | Claude, DeepSeek, GPT-4o — each Agent can use a different model. |
---
Install
Quick Start
1. Set up your API Key
Open http://localhost:3000, go to Settings, and enter your AI model key.
Supports Claude / DeepSeek / GPT-4o. DeepSeek is the cheapest — pennies per day.
2. Create Agents
The system ships with sample Agents (Alice / Bob / Charlie / you) — ready to go. You can also create your own, or let Agents recruit new members via the agent_create tool:
Name: Diana
Role: Frontend specialist
Personality: Meticulous, quality-focused, loves ReactEach Agent has its own config, memory, and behavioral profile.
3. Form a Group
Invite Agents into a group. Each group has its own chat channel, email system, and workflow.
4. Start Collaborating
Assign tasks and watch Agents collaborate. Or define a workflow and let the pipeline run:
steps:
- id: write
agent: Alice
action: code
prompt: Build a user registration endpoint
- id: review
agent: Bob
action: review
dependsOn: [write]
- id: test
agent: Charlie
action: test
dependsOn: [review]
- id: approve
action: human_approval
dependsOn: [test]---
该项目提供了一个多智能体协作平台，提高了AI的协作效率和智能，但需要进一步优化和完善
- 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
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 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）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- 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
- 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
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 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）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
👥 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
- +Apache-2.0 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。
✅ Apache 2.0 — 宽松开源协议，可商用，需保留版权声明和 NOTICE 文件，含专利授权条款。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，开源AI工作流 是一款质量良好的Agent工作流，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | mind-agency |
| 原始描述 | 开源AI工作流：From Agent to Agency — 一个 AI 做不了的事，一群 AI 可以。Multi-Agent Collaboration Platform.。⭐7 · TypeScript |
| Topics | workflowagentsaiautomationclaudecollaborationtypescript |
| GitHub | https://github.com/Toufumind/mind-agency |
| License | Apache-2.0 |
| 语言 | TypeScript |
收录时间：2026-06-06 · 更新时间：2026-06-06 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。
🤖 交给 Agent 安装 · 开源AI工作流
选择 Agent 类型，复制安装指令后粘贴到对应客户端