Manifold
用多名 AI 专家持续执行长周期、多步骤自动化工作流。
- Star 数
- ★ 501
- 最近更新
- 25 天前
- License
- MIT
- 主语言
- Go
- FA 评分
- 60/100 · 存在缺口
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API · Claude API
- 费用
- 免费，无需付费服务
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 需要让多名专业代理在数小时内协作完成多步骤目标的自动化团队。
- 不适合
- 需要生产级强稳定性保证的团队
- 不愿自行部署和配置模型端点的用户
这个 Agent 能做什么，适合哪些场景？
Manifold 是一个实验性的长周期工作流自动化平台，让多个可配置的 AI 专家围绕复杂目标持续协作。它提供聊天界面、可视化工作流编辑器、专家注册表、项目工作区、定时任务 Pulse，以及提示词、数据集和实验工具。平台可调用 OpenAI、Google、Anthropic 模型，也能通过 OpenAI 兼容 API 连接由 llama.cpp 或 vLLM 托管的开放权重模型。工作流能够使用内置工具和 MCP 工具，已保存的工作流还能作为工具或其他工作流的节点复用。推荐部署边界是通过 Docker Compose 运行自托管服务并在浏览器中访问；本地主机版本也可使用 SQLite、FTS5、Vec1 和进程内遥测。项目明确标为实验性，不适合未经额外验证便用于要求强稳定性保证的生产环境。
用户先在 Specialist registry 中定义和配置 AI 专家，并把项目配置为相互隔离的工作区；代理会从项目的 skills/ 目录加载技能，也可通过专用技能工具发现 $HOME/.manifold/skills 和 $HOME/.agents/skills 中的通用只读技能。目标可以通过 Agent chat 交给专家，专家能够跨多轮协作，并输出文本或配置好的可视化结果。Workflow editor 将 MCP 工具自动暴露为节点；用户可以连接节点、保存流程，并将保存的工作流再次作为工具调用或嵌入其他流程。Pulse 按时间间隔、每日计划或指定日期时间运行专家任务，并可把结果发送到 Matrix；其他发送渠道可由 Skills 或 MCP 扩展。平台还调用 OpenAI、Google、Anthropic 或 OpenAI 兼容模型，并支持 OpenAI、Google 及通过自定义 ComfyUI MCP 客户端进行的本地图像生成。提示词、数据集和实验 playground 用于创建、迭代、版本化提示词并运行实验；本地遥测可提供有界的指标、日志和追踪。
- 需要让多名专业代理在数小时内协作完成多步骤目标的自动化团队。
- 希望通过可视化节点编排 MCP 工具，并把子工作流复用为工具的流程设计者。
- 需要定时运行专家任务并将结果发送到 Matrix 的运维或研究团队。
- 希望在同一平台比较提示词版本、数据集实验和代理行为的 AI 应用开发者。
- 需要在远程商业模型与 llama.cpp 或 vLLM 自托管模型之间选择的团队。
- 希望为不同客户或课题建立独立根目录和项目技能的多项目使用者。
如何安装或部署这个 Agent？
基础本地部署需要支持 Docker Compose 的 Docker、一个 LLM API 密钥或可访问的 OpenAI 兼容端点，以及一个可写的绝对路径作为 WORKDIR。复制示例配置后，在 .env 中至少设置 OPENAI_API_KEY 和 WORKDIR，再启动服务：
cp example.env .env
cp config.yaml.example config.yaml
# Edit .env and set at minimum:
# OPENAI_API_KEY=...
# WORKDIR=/absolute/path/to/your/manifold-workdir
docker compose up -d manifold启动后访问 http://localhost:32180。只有在 Docker 外开发前端或构建本地二进制时，才需要 Node 22、pnpm 和 Go 1.26.3；从主机构建并使用浏览器驱动工具时还需要 Chrome 或兼容 Chromium 的浏览器。
如何使用这个 Agent？
启动服务后，在浏览器打开以下地址：
http://localhost:32180在 Specialist registry 中定义专家，在 Projects 中为代理配置隔离工作区，然后通过 Agent chat 分配目标。需要确定性流程时，可在 Workflow editor 中组合自动暴露的 MCP 工具节点并保存工作流；保存后的工作流可由专家调用，也可嵌入其他工作流。需要周期执行时，在 Pulse 中选择时间间隔、每日或一次性日期时间计划，并配置 Matrix 或由 Skills、MCP 提供的其他输出渠道。若使用本地主机二进制和 SQLite 配置，可在启动前检查存储：
./dist/manifold storage doctor --json标准主机构建命令为：
make build-manifold需要启用 beta UI 链接时，可使用任一命令：
make build-manifold-beta
make build-manifold FEATURE_GATE=beta这个 Agent 有哪些优点和局限？
- 同时支持 OpenAI、Google、Anthropic 和 OpenAI 兼容端点，可接入 llama.cpp 或 vLLM 托管的开放权重模型。
- MCP 工具会自动成为可视化工作流节点，保存的工作流还能继续作为工具或嵌套节点复用。
- 将专家注册、隔离项目、聊天协作、定时执行、图像生成和提示词实验整合在同一自托管界面中。
- 本地主机模式可使用 SQLite、FTS5、Vec1 和进程内遥测，无需外部数据库或遥测服务。
- 项目明确处于实验阶段，不承诺生产环境所需的强稳定性。
- 首次部署需要准备 Docker Compose、配置文件、可写的
WORKDIR和模型凭据或兼容端点。 - 本地源码构建增加了 Node 22、
pnpm、Go 1.26.3 等工具链要求。 - 可观测性仍标为开发中，严格的工作流约束、工具错误恢复和安全压缩模式也仍需运行时配置。
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 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Manifold 当前 | 60 · 存在缺口 | 自托管服务免费 | ★ 501 | 25 天前 | Go | OpenAI API · Claude API |
| Keinsaas Navigator | 69 · 存在缺口 | 自托管服务免费 + 模型费 | ★ 1.2k | 1 个月前 | TypeScript | OpenAI API · Claude API |
| Agentspan | 62 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 495 | 10 天前 | TypeScript | OpenAI API · Claude API |
| AGNT Agent OS | 52 · 缺口较多 | 桌面应用免费 + 模型费 | ★ 546 | 3 天前 | JavaScript | Codex · Claude Code · OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
项目工作区隔离、通用技能只读、MCP 工具可逐项启用，以及 CI 的只读 GitHub 权限，提供了较好的最小权限基础；但未展示完整的运行时沙箱或按动作授权模型。源码没有证明高影响工具调用、计划任务或外部发送前必须获得用户确认。README 说明了远程模型提供商、可选遥测、Matrix 和其他外部渠道，但没有完整的数据字段、保留期或接收方清单。API 密钥通过环境文件配置，尚未看到密钥轮换、日志脱敏或静态数据保护规则。依赖版本大多固定，并生成发布包校验和，但 GitHub Actions 仅固定到主版本标签，CI 下载并执行远程安装脚本、安装 latest goimports，且发布流程创建空的 THIRD_PARTY_NOTICES.txt；未提供漏洞扫描或 SBOM。外部效果能力明确存在，却缺少确认、范围限制及撤销说明。SQLite 提供持久化，但没有备份、迁移回退或任务补偿证据。MIT 版权归属和依赖清单清楚，但第三方归属材料不完整，发布者身份仍未知。
README、构建工作流和测试在 Go 版本、Forge 构建、发布内容及部分接口行为上基本一致；不过材料只覆盖部分系统，且稳定功能门说明中存在含混措辞，因此未给满分。依赖被明确列出并多数固定版本，Docker、本机构建和多平台包均有路径，测试也会在大型可选模型缺失时显式跳过；扣分点是自托管专用 runner、远程安装步骤和可选模型资产会限制普遍可用性。CI 脚本对目标、runner、格式和缺失工具给出具体错误，TTS API 也定义了 400/422 行为，但未展示长流程、模型提供商、MCP 和计划任务的全面用户错误与恢复信息。
材料清楚面向需要多步骤、长时程、多代理协作的用户，并列举聊天、图像、计划任务、工作流、项目和实验等场景；但没有更细的角色化操作指南。实验性警告、观测功能 WIP、稳定与 beta 门控及严格 harness 的配置边界描述较好，仍缺少完整的工具权限和不支持场景矩阵。计划任务支持时间间隔、每日和一次性触发，工作流可作为工具调用，但未展示冲突、重复执行、时区、幂等性或自然语言触发消歧规则。环境适配证据充分，包括 Docker、本机二进制、SQLite/Postgres、远程与本地模型端点、多个模型供应商以及六种 OS/架构发布目标，因此该项给满分。
README 的功能、部署、开发与专项文档导航结构清楚，信息架构充分。快速路径列明前置条件、配置复制、必需变量、启动命令、访问地址及本机替代方案，安装说明完整。Manifold、Forge、Pulse、specialist 等名称总体一致，但项目标为实验性，严格模式和 beta 功能仍在演进，稳定性证据有限。截图、命令和配置示例充足，但没有集中 FAQ 或系统性故障排除示例。实验性警告、WIP 标记、生产限制、可选依赖和配置控制的严格模式均被明确披露，已充分处理已知限制。MIT 正文完整，许可证项给满分。发布工作流接受人工版本标签并构建多平台工件，但未提供语义版本政策、发布历史或 changelog。版权主体和仓库组织名可见，但没有明确维护者、支持渠道、响应承诺或经验证的发布者身份，因此维护责任仅属薄弱证据。
聊天、可视化、图像、计划任务、工作流编辑器、项目空间和实验界面表明输出可被查看、调度、组合和复用；但没有端到端产物规范或质量验收证据。将团队代理、MCP 节点、嵌套工作流、数据集实验和多模型接入整合在一个平台，显示出相对单次提示的明确增量价值，不过相关收益主要由 README 陈述，未有比较数据支持。部署要求和部分可选模型大小有所披露，但没有令牌成本、外部 API 费用、资源基线、延迟或长时程任务的成本控制说明，因此成本收益评分较低。
主要部署和构建主张可追溯到 go.mod、CI、发布工作流与接口测试，截图和链接也为功能提供导航；但许多产品级能力只有 README 描述，所给材料不足以逐项追踪到实现。Go 版本、发布包构成、平台目标、Forge 测试以及 TTS 错误行为在多个文件间相互印证，然而计划任务、权限、遥测和长时程协作缺少同等程度的跨源佐证。材料明确区分实验性能力、WIP 观测、稳定与 beta 功能、本地与外部依赖以及未声明稳定保证的部分，没有把静态材料冒充执行结果，因此事实与推断分离充分。
- 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。
- 该平台可让代理调用工具、运行计划任务并向外部服务发送结果，但源码材料未证明这些高影响动作具有强制的逐次确认、撤销或补偿机制。
- 远程模型、MCP、Matrix 和可选 OTLP 会扩大数据流范围；在处理敏感数据前，应核实传输字段、日志脱敏、保留期和接收方。
- CI 使用可变的 Actions 主版本标签、远程安装脚本和 latest 工具版本；发布包中的 THIRD_PARTY_NOTICES.txt 由工作流创建为空文件，供应链及归属控制仍需加强。
- 项目明确标为实验性，不应从静态文件推断生产稳定性、执行正确性或长时程工作流的恢复能力。
常见问题
必须购买商业模型 API 才能使用吗？
是否需要部署外部数据库和遥测系统？
不同项目的文件是否隔离？
skills/ 目录，通用技能则从两个用户目录中以只读方式发现。