Agents Universe

这个 Agent 能做什么，适合哪些场景？

Agents Universe 是一个 Apache-2.0 开源的企业级 AI Agent 平台，后端为 Python 3.12 + FastAPI，前端为 Vue 3 的 Codex 式三栏界面，通过 Docker Compose 一键自托管，也提供 agents-universe.com 在线体验。它内置 10 个开箱即用的智能体，其中 Product Owner、Tech Lead、QA 组成需求→实现→验证的完整交付链路，可直接对接 Jira、GitHub（含 Enterprise）完成故事卡、编码、测试与 PR。区别于聊天机器人，它让智能体以个人身份与最小权限执行任务：plan_task 先规划、双层沙箱内执行命令与代码、全程 WebSocket 可见可审计。知识系统不使用向量检索，项目选中即全量加载知识条目，工作中通过 knowledge_rw 工具持续写回经验，沉淀为可共享的技能、工作流与知识资产。支持 Anthropic / OpenAI / Azure OpenAI / Gemini 多提供商统一接入，用户自配 API 密钥（AES-256-GCM 加密），并提供 Agent-as-a-Service 发布与 cron 定时任务。

选中项目后由 knowledge/loader 全量加载 primary 知识文件（无向量检索），detail 文件经 knowledge_rw 按需加载与释放；plan_task 工具将任务拆解为任务树并入库 agent_tasks，思考与工具调用经 WebSocket 实时推送。Tech Lead 可从一张 Jira 卡完成克隆仓库→读代码→写实现→跑测试→commit→创建 PR 的完整交付，脏工作区、main 非快进、测试失败为硬性门禁；QA 生成 Playwright 脚本（tests/generated/）并可挂 cron 定时回归，运行不消耗 token。办公助手产出 PPT/Excel/Word/reveal.js 网页/ZIP 等交付物；渗透测试专家在授权范围内执行 sqlmap/semgrep/bandit 等白盒审计并产出 PTES 报告。全部命令与代码在双层沙箱（命令白名单 + CPython audit hook 文件守卫）中执行，密钥经 env_refs 注入子进程环境、明文不进入 LLM 上下文。

1. 软件团队把产品需求聊成故事卡，@Tech Lead 直接交付代码并创建 PR，QA 智能体做 Playwright 回归验证
2. 数据分析师让数据分析专家对齐项目指标口径取数，解释指标异动并生成图表看板
3. 运营或行政人员用办公助手把项目知识整理成 PPT、Excel 清单或网页演示，每个数字可溯源
4. 安全团队对已授权项目执行白盒渗透测试，获得 PTES 结构报告与修复建议
5. 客服团队部署智能客服，严格依据项目知识回答政策咨询并自动转人工
6. 非技术成员通过对话向 Product Owner 提需求，零代码为本项目本身提交 PR

如何安装或部署这个 Agent？

Docker 一键自托管（需 Docker & Docker Compose）：

cp .env.example .env
cp docker-compose.example.yml docker-compose.yml
echo "SECRET_KEY=$(openssl rand -hex 32)" >> .env
docker compose up --build

服务地址：Web UI / API 为 http://localhost:8000（健康检查 /health）。.env 不需要 LLM API Key，启动后在 Settings → AI Models 按用户配置（AES-256-GCM 加密存库）。默认 AUTH_BYPASS_ENABLED=true 免登录开箱即用，仅供本地体验，生产部署应关闭并配置 OAuth SSO。首次构建含 Playwright 与渗透测试工具链，约 10-30 分钟；网络不通时可用官方源构建：

docker compose build \
  --build-arg NPM_REGISTRY=https://registry.npmjs.org \
  --build-arg PIP_INDEX_URL=https://pypi.org/simple \
  --build-arg APT_MIRROR_HOST=deb.debian.org \
  --build-arg NODE_BASE_URL=https://nodejs.org/dist \
  --build-arg PLAYWRIGHT_DOWNLOAD_HOST=https://cdn.playwright.dev
docker compose up

本地开发需 Node.js 20+、Python 3.12+，先启动依赖服务：

docker compose up -d sqlserver redis
cd packages/api
python -m venv .venv
source .venv/bin/activate
pip install -e ../agent-core -e .
PYTHONPATH=src python -m uvicorn api.main:app --port 8000 --reload
cd ../web && npm install && npm run dev

数据库支持 SQL Server（默认）/ PostgreSQL / MySQL / SQLite，经 DATABASE_URL 切换，迁移用 alembic upgrade head。

如何使用这个 Agent？

1. 打开 http://localhost:8000 或 agents-universe.com，注册账号；2. 在 Settings → AI Models 填入你自己的 LLM API Key（Anthropic / OpenAI / Azure OpenAI / Gemini），并在 Settings 添加 Git Token（支持 GitHub Enterprise 自定义端点）；3. 创建项目并选择分类（软件项目 / 旧系统改造 / 数据分析 / 智能客服 / 文档知识库），平台自动初始化对应知识条目骨架；4. 把 Confluence 页面、Swagger 文档、PRD 等发给智能体完成"入职"学习；5. 在对话中和 Product Owner 聊需求，敲定故事卡后 @Tech Lead 让它实现、@Quality Assurance 验证、@办公助手 产出交付物；6. 在「定时任务」页签按 cron 周期运行脚本、Playwright 测试或智能体提示词。API 形态示例：

curl -N -X POST "$BASE/api/p/{publish_id}/stream" \
  -H "Authorization: Bearer $PUBLISH_KEY" \
  -H "Content-Type: application/json" \
  -d '{"message": "你好", "thread_id": "any-caller-thread-id"}'

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

常见问题