效率与协作 local-llmweb-browsingcode-executiondocker-composesearxngollamavoice-input

AgenticSeek

在本机运行的任务型助手,可浏览网页、处理文件并编写代码。

FollowAgents 评估 · FARS-2.1
不推荐
40/ 100 五分制 2.0 / 5
1 2 3 4 5 6
按维度查看评分与理由
1信任安全7 / 29 · 1.2/5

证据显示:项目宣称本地运行,但配置中允许设置多个API密钥(如OPENAI_API_KEY等),且未明确说明这些密钥的使用范围。工作目录(WORK_DIR)可被代理读写,但未提供权限最小化机制。用户确认机制缺失,代理可自主执行操作。数据流透明度有限,README提及数据本地保存,但未详细说明数据流向。敏感数据处理方面,API密钥以明文存储在.env文件中,未提供加密或安全存储建议。依赖安全方面,依赖列表包含多个包,但未提供漏洞扫描或安全审计信息。外部影响方面,代理可浏览网页、填写表单、执行代码,但未明确限制或告知用户这些操作的潜在风险。回滚机制未提及。来源归属方面,项目声明为开源,但未提供详细的贡献者信息或代码来源。

2可靠稳定6 / 14 · 2.1/5

证据显示:项目包含多个测试文件,覆盖了代理循环、浏览器解析等关键功能,测试用例较为详细,表明项目在自我一致性方面有一定保障。依赖可用性方面,依赖列表明确,但未提供锁定文件或版本固定策略,可能导致依赖不一致。失败消息方面,测试中涉及错误处理,但未提供用户友好的错误提示或日志记录机制。

3适用触发9 / 18 · 2.5/5

证据显示:README提供了多种使用场景,包括本地LLM、API提供商、远程服务器等,并提供了详细的配置说明,表明项目面向多种受众和场景。能力边界方面,README提及代理可执行代码、浏览网页等,但未明确限制或说明哪些操作是安全的。触发精度方面,代理根据用户查询自动选择代理,但README承认路由系统可能不准确,需要用户明确指令。环境适配方面,项目支持多种操作系统和Docker,但未提供详细的系统要求或兼容性说明。

4规范维护8 / 18 · 2.2/5

证据显示:README结构清晰,包含安装、配置、使用、故障排除等章节,信息架构良好。安装说明详细,包括克隆、配置、启动等步骤。命名稳定性方面,项目名称和配置项命名一致,但未提供版本历史或变更日志。示例和FAQ丰富,提供了多个使用示例和常见问题解答。已知限制方面,README提及表单填写实验性、语音识别仅限英文等,但未全面列出所有限制。许可证为GPL-3.0,符合开源标准。版本和变更日志缺失。维护责任方面,README提及项目为副业,无路线图,但提供了联系方式。

5有效结果7 / 13 · 2.7/5

证据显示:输出可用性方面,代理可生成代码、文件等,但未提供输出格式或质量保证。边际价值方面,项目提供本地、隐私保护的AI代理,与云端服务相比具有独特价值。成本效益方面,项目宣称零API成本,但需要用户自备硬件和Docker,成本效益取决于用户环境。

6证据核验3 / 8 · 1.9/5

证据显示:README中的声明(如完全本地、隐私保护)未提供具体实现细节或测试证据。跨来源验证方面,项目未提供第三方验证或独立测试结果。事实与推断分离方面,README将产品特性与推测性描述混合,未明确区分。

证据充分度: 评估于 2026年8月9日 审查版本 f18f14746068
上游仓库在本次评估后已有新提交;当前评分仍对应所示审查版本,可能尚未覆盖最新改动。
源码中未见的安全控制:执行前用户确认、回滚或恢复路径
使用前请注意
  • API密钥以明文存储,建议使用环境变量管理并避免提交到版本控制。
  • 代理可自主执行代码和浏览网页,存在潜在安全风险,建议在隔离环境中运行。
  • 依赖未锁定版本,可能导致供应链风险,建议使用锁文件。
  • 项目为副业,无路线图,维护可能不稳定。
查看完整评分方法 →

这个 Agent 能做什么,适合哪些场景?

AgenticSeek 是一个可本地部署的通用任务助手,提供 Docker Web 界面和主机 CLI 两种使用方式。Web 模式通过 Docker Compose 启动 frontend、backend、SearXNG 和 Redis,界面地址为 localhost:3000;CLI 模式使用 uv 运行 cli.py。它会根据用户请求分配合适的 agent,并可通过 SearXNG 搜索、阅读和提取网页信息,表单填写仍属实验性功能。它还能在配置的 WORK_DIR 中读取和操作文件,以及编写、调试和运行 Python、C、Go、Java 等程序。默认目标是搭配 Ollama、LM Studio 或本地 OpenAI 兼容服务运行,也支持 OpenAI、Google、DeepSeek、Hugging Face、TogetherAI、OpenRouter 与 MiniMax 等云端提供商。

用户可在 localhost:3000 的 Web 界面或通过 uv run cli.py 输入任务;路由系统随后选择 agent 执行。浏览任务使用 .env 中的 SEARXNG_BASE_URL 连接 SearXNG,可搜索网页、读取和提取信息,并尝试填写网页表单。文件和编程任务以 WORK_DIR 为工作边界:README 示例包括检索 JPG、重命名文件、生成清单、把咖啡地址保存为 txt,以及把 Go 或 Python 程序写入工作目录并运行。模型连接由 config.iniprovider_nameprovider_modelprovider_server_address 控制;本地可选 ollamalm-studio、本地 openai 兼容服务或自托管 server

  1. 有本地 GPU 的个人用户,想用 Ollama 或 LM Studio 完成网页检索和文件处理,同时避免把对话和工作目录交给云端。
  2. 开发者需要把自然语言需求转成 Python、Go、C 或 Java 程序,并保存到指定 WORK_DIR 后运行。
  3. 研究或行政人员需要通过 SearXNG 搜索网页、提取信息,并将结果写入本地 txt 或 CSV 文件。
  4. 在 Docker 环境中部署内部个人助手的用户,希望从 localhost:3000 使用前端,而模型服务仍运行在主机或另一台服务器上。
  5. 偏好终端交互的用户,需要通过 uv run cli.py 使用助手,并可试用仅限 CLI 的实验性语音输入。

这个 Agent 有哪些优点和局限?

优点
  • 可将 Ollama、LM Studio 或本地 OpenAI 兼容模型接入本机部署路径,云端 API 并非必需。
  • Docker Web 模式一次启动 frontend、backend、SearXNG 和 Redis,并提供 localhost:3000 的访问入口。
  • 同时覆盖网页搜索与提取、工作目录文件操作、代码生成和运行,而非仅限对话。
  • 可通过 provider_nameprovider_server_address 切换本地、远程自托管及多家云端模型提供商。
局限
  • 本地运行至少需要能运行 14B 模型的 GPU;README 标注 7B 不推荐,32B 以上更适合多数任务。
  • 首次 Docker 启动可能下载镜像并耗时最长约 30 分钟,backend 首次启动也可能需要约 5 分钟。
  • 网页表单填写仍为实验性能力,路由系统作为早期原型也可能分配到不合适的 agent。
  • Docker 后端使用主机 Ollama 时,Ollama 必须监听 0.0.0.0:11434,并可能涉及 Docker 主机映射和防火墙配置。

如何安装或部署这个 Agent?

先安装 Git、Python 3.10.x、Docker Engine 和 Docker Compose。执行:

git clone https://github.com/Fosowl/agenticSeek.git
cd agenticSeek
mv .env.example .env

.env 中设置有效的 WORK_DIR;Web Docker 模式使用 SEARXNG_BASE_URL="http://searxng:8080",本机 CLI 模式使用 SEARXNG_BASE_URL="http://localhost:8080",若改了 SEARXNG_PORT,CLI 地址也要改为对应端口。在 config.ini 设置本地提供商,例如 provider_name = ollama、模型名和服务地址;本地模型运行时 API key 可留空。启动 Web 模式:./start_services.sh full,待 backend 健康检查完成后打开 http://localhost:3000/

如何使用这个 Agent?

在 Web 模式中,确认 ./start_services.sh full 已启动后访问 http://localhost:3000/,输入明确的任务,例如“Search the web for top cafes in Rennes, France, and save a list of three with their addresses in rennes_cafes.txt.”。若使用 CLI,先运行 ./install.sh,将 .envSEARXNG_BASE_URL 指向主机映射端口,运行 ./start_services.sh,再执行 uv run python -m ensurepipuv run cli.py。CLI 中输入 goodbye 即可退出;把 listen = True 写入 config.ini 可启用实验性英语语音输入。

这个 Agent 与同类方案有什么区别?

项目将自身定位为 Manus AI 的本地替代方案:重点是使用本机或自托管模型、在本地工作目录中处理数据,并避免依赖云端服务。仓库未提供与 Manus 的功能对等性或基准测试证据。

常见问题

必须购买云端模型 API 吗?
不必须。README 将本地 LLM 作为主要用途,Ollama、LM Studio 和本地 OpenAI 兼容服务可使用;选择 OpenAI、Google、DeepSeek 等云端提供商时才需要相应 API key。
本地运行需要什么硬件?
README 建议至少使用可运行 14B 模型的 12GB VRAM GPU;14B 适合简单任务,32B 需要 24GB 以上显存并更可能完成多数任务,70B 以上建议 48GB VRAM。
它能访问或修改哪些文件?
README 将 WORK_DIR 定义为助手读取和写入文件的关键目录;应设置为本机有效且可访问的路径。
为什么 Docker 中连不上 Ollama?
README 说明 Docker 后端通过 host.docker.internal 访问主机 Ollama;若 Ollama 仅绑定 127.0.0.1,会拒绝 Docker bridge 连接。可用 OLLAMA_HOST=0.0.0.0:11434 ollama serve 启动。

相关 Agents