II Agent

用自带 API 密钥运行的自托管多模型智能代理,覆盖构建、研究与办公任务。

Star 数
★ 3.4k
最近更新
1 个月前
License
Apache-2.0
主语言
Python

30 秒速览

可在哪里用
通用 · 跨平台OpenAI API · Claude API
开始前需要
DockeruvNode.jsnpmPostgreSQLRedisMinIOShell / 命令行网络访问本地文件系统
典型场景
独立开发者想从简短提示起步制作移动应用或网站,并希望在本地运行完整前后端栈。
主要局限
本地运行需要 Docker、uv、Node.js 与 npm,并需维护 PostgreSQL、Redis 和 MinIO 服务。

这个 Agent 能做什么,适合哪些场景?

II Agent 是一个采用 Apache-2.0 许可证的开源 AI Agent,可由个人、研究团队和企业自行运行、分叉与扩展。它提供浏览器前端和后端服务,并以 PostgreSQL、Redis 与 MinIO 组成的本地服务栈运行。已文档化的功能包括从提示生成移动应用、网站、绘本和幻灯片,以及快速或多步骤研究。它还涵盖多模型对话、文件附件、代码解释器、文本文件搜索,以及 PDF、Excel、Word 和 PowerPoint 任务。部署后,后端默认运行于 localhost:8000,完整开发栈的前端默认运行于 localhost:1420。

先通过 make setup 创建 .env 文件并安装依赖,然后在 .env 的 MODEL_CONFIGS 中填写模型配置,或复制 model_configs.example.yaml 为 model_configs.yaml 并设置 MODEL_CONFIGS_FILE。make dev-all 会启动基础设施、后端和前端;文档列出的服务包括 PostgreSQL、Redis、MinIO、http://localhost:8000 的 Backend,以及 http://localhost:1420 的 Frontend。在运行中的产品中,用户可进行多模型对话、中途切换模型提供商、附加文件、使用代码解释器和文本文件搜索;也可发起快速研究或多步骤研究,并将研究简报生成带结构、视觉内容、引文和嵌入式问答的网站。README 还列出提示驱动的移动应用、网站、绘本、视频与图像生成,以及 PDF 提取与创建、Excel 公式与图表、Word 编辑和 PowerPoint 操作。

  1. 独立开发者想从简短提示起步制作移动应用或网站,并希望在本地运行完整前后端栈。
  2. 研究团队需要在快速研究与多步骤研究之间选择,并将研究简报交付为包含引文和嵌入式问答的交互式网站。
  3. 内部工具团队需要使用自有模型 API 密钥,并在同一系统中配置 OpenAI、Anthropic 或 Google 模型。
  4. 内容创作者希望从单个提示生成带插图的绘本,或在工作流中使用多个视频和图像模型。
  5. 处理办公文件的用户需要进行 PDF 提取与创建、Excel 公式和图表、Word 编辑或 PowerPoint 操作。

如何安装或部署这个 Agent?

前提条件:Docker、uv、Node.js 和 npm。执行:

  1. git clone https://github.com/Intelligent-Internet/ii-agent.git
  2. cd ii-agent
  3. make setup
  4. 在 .env 中设置至少一个模型提供商的 MODEL_CONFIGS,或将 model_configs.example.yaml 复制为 model_configs.yaml、填入 API 密钥,并在 .env 中设置 MODEL_CONFIGS_FILE=model_configs.yaml。
  5. 执行 make dev-all。

如何使用这个 Agent?

启动后访问 http://localhost:1420;后端地址为 http://localhost:8000。配置至少一个模型提供商及其 API 密钥后,可在聊天中使用文件附件、代码解释器或文本文件搜索,也可发起构建、研究和文档任务。若只需启动特定部分,可使用 make infra、make backend-dev 或 make frontend-dev;全容器部署可先创建并填写 docker/.stack.env,再执行 make stack。

这个 Agent 有哪些优点和局限?

优点
  • 自带 API 密钥(BYOK)配置可让部署者控制模型提供商与成本,并支持 OpenAI、Anthropic 和 Google 的模型配置。
  • 提供本地开发栈和 Docker Compose 全栈路径,明确包含 PostgreSQL、Redis 与 S3 兼容的 MinIO。
  • 同一产品文档覆盖应用生成、研究网站生成、文件处理和多模型对话,而不局限于单一工作流。
局限
  • 本地运行需要 Docker、uv、Node.js 与 npm,并需维护 PostgreSQL、Redis 和 MinIO 服务。
  • 必须配置至少一个 LLM 提供商的 API 密钥;模型服务的可用性和费用由所选提供商决定。
  • 所给材料虽列出 Gmail、Slack、GitHub、Notion、Google Calendar、Discord、Dropbox 和 Canva 等集成,但没有给出各集成的认证或配置步骤。
  • 所给材料没有说明面向外部调用者的稳定 API、SDK 或版本兼容承诺。

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。

Agent 源码审查 Star 最近更新 主语言 完整支持的平台
II Agent 当前 28 · 缺口较多 ★ 3.4k 1 个月前 Python OpenAI API · Claude API
Loki Mode 57 · 缺口较多 ★ 1.1k 2 天前 Shell Claude Code · Claude API
Claude Code 技能与子代理集 50 · 缺口较多 ★ 1.7k 1 个月前 Python Claude Code
MS-Agent 48 · 缺口较多 ★ 4.4k 2 天前 Python

FollowAgents 如何评估这个 Agent?

FollowAgents 源码审查 · FARS-2.1
缺口较多
28/ 100 五分制 1.4 / 5
信任安全 5/29
可靠稳定 3/14
适用触发 8/18
规范维护 7/18
有效结果 4/13
证据核验 1/8
查看各维度的扣分理由
信任安全5 / 29 · 0.9/5

证据显示:项目采用BYOK模式,用户自带API密钥,这体现了最小权限原则(least_privilege)的部分实现,但未提供细粒度的权限控制或沙箱机制。用户确认(user_confirmation)方面,未发现任何用户确认或审批流程的文档。数据流透明度(data_flow_transparency)缺失,未说明数据如何被处理、存储或传输。敏感数据处理(sensitive_data_handling)方面,有.env文件管理密钥,但未说明加密或保护措施。依赖安全(dependency_security)方面,依赖列表中有许多包,但未提供漏洞扫描或安全审计的证据。外部影响(external_effects)方面,未说明代理可能执行的外部操作(如发送邮件、修改文件)及其风险。回滚(rollback)方面,未提供任何回滚机制。来源归属(source_attribution)方面,有作者信息,但发布者未验证。扣分原因:缺乏用户确认、数据流透明度、外部影响和回滚机制。

可靠稳定3 / 14 · 1.1/5

证据显示:自一致性(self_consistency)方面,README和pyproject.toml中的描述基本一致,但未深入检查代码。依赖可用性(dependency_availability)方面,依赖列表明确,但未验证所有依赖的可用性。失败消息(failure_messages)方面,未提供错误处理或用户友好的失败提示。扣分原因:缺乏失败消息文档。

适用触发8 / 18 · 2.2/5

证据显示:受众和场景(audience_and_scenarios)方面,README明确面向开发者、研究团队和企业,并列出多种使用场景。能力边界(capability_boundaries)方面,列出了功能列表,但未明确限制或边界。触发精度(trigger_precision)方面,未说明如何触发代理或任务。环境适配(environment_fit)方面,提供了Docker和本地安装选项,支持多种操作系统。扣分原因:缺乏触发精度和明确的能力边界。

规范维护7 / 18 · 1.9/5

证据显示:信息架构(information_architecture)方面,README结构清晰,有目录和功能列表。安装说明(install_notes)方面,提供了详细的安装步骤和配置说明。命名稳定性(naming_stability)方面,项目名称和版本号明确,但未提供API稳定性保证。示例和FAQ(examples_and_faq)方面,有示例配置,但缺少FAQ。已知限制(known_limitations)方面,未提及任何限制。许可证(license)方面,明确Apache-2.0。版本控制和变更日志(versioning_changelog)方面,未提供CHANGELOG。维护责任(maintenance_responsibility)方面,有作者信息,但未明确维护承诺。扣分原因:缺少FAQ、已知限制和变更日志。

有效结果4 / 13 · 1.5/5

证据显示:输出可用性(output_usability)方面,描述了多种输出类型(如网站、应用、文档),但未提供输出质量保证。边际价值(marginal_value)方面,声称比早期版本更快,但未提供基准测试。成本效益(cost_benefit)方面,BYOK模式可能降低成本,但未提供成本分析。扣分原因:缺乏具体证据支持。

证据核验1 / 8 · 0.6/5

证据显示:声明可追溯性(claim_traceability)方面,README中的功能声明未链接到代码或测试。跨来源佐证(cross_source_corroboration)方面,未提供外部验证。事实与推断分离(fact_inference_separation)方面,未区分事实和推断。扣分原因:缺乏可验证的证据。

风险与缓解建议
  • 源码中未见:执行前用户确认开启或自行加上执行前确认;先在沙箱或测试环境跑通,确认行为后再接入真实数据。
  • 源码中未见:数据流向说明运行时观察它连接了哪些外部服务(代理或防火墙日志);弄清数据去向之前不要输入敏感数据。
  • 源码中未见:外部影响披露先弄清它会写入、发送或修改哪些外部系统,用测试账号或测试仓库验证后再接入正式环境。
  • 源码中未见:回滚或恢复路径运行前先备份,或在 git 分支、快照上操作,确保改动可以撤销。
  • 发布者身份未验证,需谨慎对待。
  • 未提供用户确认机制,代理可能执行未经用户明确同意的操作。
  • 数据流不透明,需自行审查数据处理方式。
  • 依赖众多,需自行进行安全审计。
  • 缺少回滚机制,操作失败可能难以恢复。
证据充分度: 评估于 2026年8月9日 审查版本 0e57985d3f6e 评估后仓库已有新提交,评分可能未覆盖最新改动
查看完整评分方法 →

常见问题

是否必须使用某一家模型厂商?
不是。文档列出 OpenAI、Anthropic 和 Google,并说明 Anthropic 与 Google 可通过直连 API 或 Vertex AI 配置;完整配置选项还提到 Azure 和自托管模型。
运行前需要什么凭据?
至少需要配置一个 LLM 提供商的 API 密钥。模型可以在 .env 的 MODEL_CONFIGS 中内联配置,或通过 model_configs.yaml 配置。
完整开发环境会启动哪些服务?
make dev-all 会启动基础设施、后端和前端;文档列出 PostgreSQL、Redis、MinIO、localhost:8000 后端和 localhost:1420 前端。
可以只启动部分服务吗?
可以。README 列出 make infra、make backend-dev 和 make frontend-dev,分别用于基础设施、后端和前端。
在 GitHub 查看 ↗ 安装 ↓

对比同类 Agent

用同一套 FARS 评审,横向比较这个 Agent 所属的短名单。

相关 Agents