XAgent
通过规划、执行工具与人工协作处理复杂多步骤任务的自托管实验性系统。
按维度查看评分与理由
证据显示：README声称所有操作限制在docker容器内，但未提供具体权限配置或最小权限原则的说明；有AskForHumanHelp工具，但未说明用户确认机制；数据流透明度仅提及记录运行信息，未详细说明数据流向；敏感信息处理方面，README声称从记录中移除API密钥，但未说明其他敏感数据处理；依赖安全未提及漏洞扫描或版本锁定；外部影响方面，有shell工具可执行任意命令，但未说明限制；回滚方面，有记录可复现，但未说明回滚机制；来源归属方面，有贡献者列表和引用，但未验证。扣分原因：缺乏具体安全配置和权限管理细节。
证据显示：README和代码结构一致，但未提供完整的错误处理文档；依赖列表存在，但未说明版本兼容性；失败消息方面，未提供用户可理解的错误提示。扣分原因：依赖可用性未验证，失败消息不明确。
证据显示：README描述了多种应用场景，如数据分析、推荐、模型训练；能力边界有说明，如支持的工具列表；触发精度方面，任务描述由用户提供，但未说明如何精确触发；环境适配方面，要求Python>=3.10和docker，但未说明其他环境要求。扣分原因：触发精度和边界条件不够明确。
证据显示：README结构清晰，有快速开始、演示、评估等章节；安装说明详细，包括docker和pip安装；命名稳定性方面，项目名称和主要组件名称一致，但未提供版本历史；示例和FAQ有演示案例，但无FAQ；已知限制未明确列出；许可证为Apache-2.0，但未提供版本变更日志；维护责任方面，有贡献者列表，但未明确维护者。扣分原因：缺少版本变更日志和明确的已知限制。
证据显示：输出可用性方面，有本地工作区和运行记录，但未说明输出格式；边际价值方面，与AutoGPT对比显示优势，但未提供具体数据；成本效益方面，需要OpenAI API密钥，但未说明成本。扣分原因：成本效益未量化。
证据显示：README中的声明如'总胜率'未提供具体数据或链接；跨来源验证方面，有外部链接如博客和文档，但未提供独立验证；事实与推断分离方面，README将性能声明与描述混合，未明确区分。扣分原因：声明缺乏可追溯性。
- 未提供具体的安全配置和权限管理细节，建议审查docker配置和工具权限。
- 依赖列表未锁定版本，存在供应链风险。
- 性能声明缺乏具体数据和可复现性，建议谨慎对待。
这个 Agent 能做什么，适合哪些场景？
XAgent 是一个开源、实验性的 LLM 驱动自主任务系统，目标是自动解决多种复杂任务。它由 Dispatcher、Planner 和 Actor 组成：前者动态实例化并分派任务，Planner 将任务拆成子任务和里程碑，Actor 借助工具完成子任务或向人类求助。实际执行发生在 Docker 化的 ToolServer 中，提供文件编辑、Python Notebook、网页浏览、Shell 和 Rapid API 能力。用户可通过 `python run.py` 命令行提交任务，也可访问运行在 5173 端口的 Web GUI；运行产物、状态、工具调用和模型输入输出会保存到本地记录目录。该项目要求配置 OpenAI API 密钥，并明确建议使用 `gpt-4-32k` 或 `gpt-4`，将 `gpt-3.5-turbo-16k` 作为备用模型。
用户先在 assets/config.yml 中配置 OpenAI API 密钥，然后用 python run.py --task "put your task here" --config-file "assets/config.yml" 提交任务，也可用 --upload-files 提交初始文件。Dispatcher 为任务分派不同 Agent，Planner 生成和修正计划、子任务与里程碑，Actor 在 ToolServerNode 中执行工作。ToolServer 可读取、写入和修改文件，在 Python Notebook 中运行 Python 代码，使用 Web Browser 搜索和访问网页，通过 Shell 执行 Bash 命令、安装程序或托管服务，并通过 Rapid API 检索和调用 API。执行期间产生的文件位于 local_workspace；完成后 ToolServerNode 的整个 workspace 会复制到 running_records，其中还记录任务状态、模型输入输出、所用工具和代码执行状态。设置 record_dir 后，可从既有记录重现一次运行。
- 数据分析人员上传
iris.zip，让系统检查数据和 Python 环境、编写分析代码，并根据执行结果生成分析报告。 - 需要安排聚餐的用户先提出餐厅推荐请求；当地点、预算、菜系或饮食限制不足时，系统可通过 AskForHumanHelp 请求补充信息。
- 机器学习实践者需要分析电影评论时，可让系统下载 IMDB 数据集、训练 BERT 模型并输出情感预测。
- 需要完成多阶段网页检索、文件处理和命令行操作的个人，可将任务交给 Planner 拆分为子任务和里程碑后执行。
- 希望审计或复现一次自动化任务运行的团队，可检查
running_records中的配置、查询、工具使用、模型交互和执行状态。
这个 Agent 有哪些优点和局限？
- 将动态任务分派、计划生成与修正、工具执行明确拆分为 Dispatcher、Planner 和 Actor 三个组件，适合需要分阶段完成的任务。
- ToolServer 将文件编辑、交互式 Python、浏览器、Bash 和 Rapid API 集合在 Docker 容器中，覆盖数据处理、网页检索和环境操作等执行环节。
- 提供 CLI 与本地 Web GUI 两种入口，并保存工作区、任务状态、模型输入输出、工具使用和代码执行状态，便于复查与复现。
- 支持在信息不足时通过 AskForHumanHelp 向用户追问，使任务执行可纳入人工协作。
- 运行依赖 Docker、Docker Compose、Python 3.10+ 和 OpenAI API 密钥；文档没有给出其他模型提供商的支持路径。
- 项目自称仍处于早期实验阶段，采用前应自行评估稳定性、维护成本和任务适配程度。
- Shell 能执行 Bash 命令、安装程序和托管服务；虽然 README 表示操作受 Docker 容器约束，使用者仍需审查容器配置和任务输入。
- README 不建议以
gpt-3.5-turbo运行，并建议使用gpt-4-32k或gpt-4，模型可用性和成本可能影响部署。
如何安装或部署这个 Agent？
先安装 Docker 和 Docker Compose。随后在项目目录运行 docker compose up 拉取并启动 ToolServer，或运行 docker compose build 后再运行 docker compose up 从本地源码构建；后台运行可使用 docker compose up -d。安装 Python 依赖：pip install -r requirements.txt，运行环境要求 Python 3.10 或更高版本。在 assets/config.yml 中至少配置一个 OpenAI API 密钥；若修改 XAgentServer 的配置文件路径，修改 .env 中的 CONFIG_FILE 并重启容器。
如何使用这个 Agent？
ToolServer 启动后，运行 python run.py --task "put your task here" --config-file "assets/config.yml" 执行第一个任务。可额外传入 --upload-files 选择初始提交文件。Web 界面可访问 http://localhost:5173，README 给出的默认凭据为用户名 guest、密码 xagent。执行后的生成文件在 local_workspace，完整运行记录在 running_records；如需从记录复现，将配置中的 record_dir 设为相应记录目录。
这个 Agent 与同类方案有什么区别？
README 描述了在 50 多个真实世界复杂任务上的人工偏好评估，并称 XAgent 相比 AutoGPT 获得总体胜出；所给材料未提供具体胜率或实验细节。
常见问题
运行 XAgent 需要哪些凭据？
assets/config.yml 中至少提供一个 OpenAI API 密钥。README 建议使用 gpt-4-32k 或 gpt-4，并要求至少提供一个 gpt-3.5-turbo-16k 密钥作为备用。它会在宿主机直接执行命令吗？
任务运行后能否审计或复现？
running_records 保存任务状态、模型输入输出、所用工具和代码执行状态；设置 record_dir 可从一份记录重现既有运行。能否通过网页使用，而不只使用命令行？
http://localhost:5173 访问；默认用户名和密码分别为 guest 与 xagent。