547 lines
18 KiB
Markdown
547 lines
18 KiB
Markdown
# AgenticSeek：私有、本地的 Manus 替代方案
|
||
|
||
<p align="center">
|
||
<img align="center" src="./media/agentic_seek_logo.png" width="300" height="300" alt="Agentic Seek Logo">
|
||
<p>
|
||
|
||
[English](./README.md) | 中文 | [繁體中文](./README_CHT.md) | [Français](./README_FR.md) | [日本語](./README_JP.md) | [Português (Brasil)](./README_PTBR.md)
|
||
|
||
*一个**100%本地运行的 Manus AI 替代品**，支持语音的 AI 助手，可自主浏览网页、编写代码、规划任务，所有数据仅保存在你的设备上。专为本地推理模型设计，完全在你的硬件上运行，确保隐私无忧，无需云端依赖。*
|
||
|
||
[](https://fosowl.github.io/agenticSeek.html)  [](https://discord.gg/8hGDaME3TC) [](https://x.com/Martin993886460) [](https://github.com/Fosowl/agenticSeek/stargazers)
|
||
|
||
### 为什么选择 AgenticSeek？
|
||
|
||
* 🔒 完全本地 & 私有 —— 所有内容都在你的电脑上运行，无云端、无数据共享。你的文件、对话和搜索都保持私密。
|
||
|
||
* 🌐 智能网页浏览 —— AgenticSeek 可自主浏览互联网：搜索、阅读、提取信息、填写网页表单，全程免手动。
|
||
|
||
* 💻 自动化编程助手 —— 需要代码？它能编写、调试并运行 Python、C、Go、Java 等程序，无需监督。
|
||
|
||
* 🧠 智能代理选择 —— 你提问，它自动判断最合适的代理来完成任务。就像有一支专家团队随时待命。
|
||
|
||
* 📋 规划并执行复杂任务 —— 从旅行规划到复杂项目，可将大任务拆分为步骤，调用多个 AI 代理协作完成。
|
||
|
||
* 🎙️ 语音支持 —— 干净、快速、未来感的语音与语音转文本功能，让你像科幻电影中的 AI 一样与它对话。（开发中）
|
||
|
||
### **演示**
|
||
|
||
> *你能搜索 agenticSeek 项目，了解需要哪些技能，然后打开 CV_candidates.zip 并告诉我哪些最匹配该项目吗？*
|
||
|
||
https://github.com/user-attachments/assets/b8ca60e9-7b3b-4533-840e-08f9ac426316
|
||
|
||
免责声明：本演示及出现的所有文件（如 CV_candidates.zip）均为虚构。我们不是公司，只寻求开源贡献者而非候选人。
|
||
|
||
> 🛠⚠️️ **项目正在积极开发中**
|
||
|
||
> 🙏 本项目起初只是一个副业，没有路线图也没有资金支持。它意外地登上了 GitHub Trending。非常感谢大家的贡献、反馈与耐心。
|
||
|
||
## 前置条件
|
||
|
||
请确保已安装 chrome driver、docker 和 python3.10。
|
||
|
||
如遇 chrome driver 相关问题，请参见 **Chromedriver** 部分。
|
||
|
||
### 1. **克隆仓库并初始化**
|
||
|
||
```sh
|
||
git clone https://github.com/Fosowl/agenticSeek.git
|
||
cd agenticSeek
|
||
mv .env.example .env
|
||
```
|
||
|
||
### 2. 修改 .env 文件内容
|
||
|
||
```sh
|
||
SEARXNG_BASE_URL="http://127.0.0.1:8080"
|
||
REDIS_BASE_URL="redis://redis:6379/0"
|
||
WORK_DIR="/Users/mlg/Documents/workspace_for_ai"
|
||
OLLAMA_PORT="11434"
|
||
LM_STUDIO_PORT="1234"
|
||
CUSTOM_ADDITIONAL_LLM_PORT="11435"
|
||
OPENAI_API_KEY='optional'
|
||
DEEPSEEK_API_KEY='optional'
|
||
OPENROUTER_API_KEY='optional'
|
||
TOGETHER_API_KEY='optional'
|
||
GOOGLE_API_KEY='optional'
|
||
ANTHROPIC_API_KEY='optional'
|
||
```
|
||
|
||
**API Key 完全可选，若你选择本地运行 LLM（本项目主要目的），可留空，只要硬件足够。**
|
||
|
||
以下环境变量用于配置应用的连接和 API 密钥。
|
||
|
||
根据需要更新 `.env` 文件：
|
||
|
||
- **SEARXNG_BASE_URL**：保持不变
|
||
- **REDIS_BASE_URL**：保持不变
|
||
- **WORK_DIR**：本地工作目录路径，AgenticSeek 可读取和操作这些文件
|
||
- **OLLAMA_PORT**：Ollama 服务端口
|
||
- **LM_STUDIO_PORT**：LM Studio 服务端口
|
||
- **CUSTOM_ADDITIONAL_LLM_PORT**：自定义 LLM 服务端口
|
||
|
||
下方所有 API 密钥环境变量均为**可选**，仅在你打算使用外部 API 而非本地 LLM 时填写。
|
||
|
||
### 3. **启动 Docker**
|
||
|
||
确保已安装并运行 Docker。可通过以下命令启动：
|
||
|
||
- **Linux/macOS：**
|
||
打开终端运行：
|
||
```sh
|
||
sudo systemctl start docker
|
||
```
|
||
或在应用菜单启动 Docker Desktop。
|
||
|
||
- **Windows：**
|
||
在开始菜单启动 Docker Desktop。
|
||
|
||
验证 Docker 是否运行：
|
||
|
||
```sh
|
||
docker info
|
||
```
|
||
如能看到 Docker 信息，则运行正常。
|
||
|
||
---
|
||
|
||
## 本地运行 LLM 的设置
|
||
|
||
**硬件要求：**
|
||
|
||
本地运行 LLM 需有足够硬件。至少需支持 Qwen/Deepseek 14B 的 GPU。详细模型/性能建议见 FAQ。
|
||
|
||
**启动本地 provider**
|
||
|
||
以 ollama 为例，启动本地 provider：
|
||
|
||
```sh
|
||
ollama serve
|
||
```
|
||
|
||
下方有本地支持的 provider 列表。
|
||
|
||
**修改 config.ini**
|
||
|
||
将 config.ini 文件中的 provider_name 设置为支持的 provider，provider_model 设置为 provider 支持的 LLM。推荐推理模型如 *Qwen* 或 *Deepseek*。
|
||
|
||
详细硬件要求见 README 末尾 FAQ。
|
||
|
||
```sh
|
||
[MAIN]
|
||
is_local = True # 是否本地运行
|
||
provider_name = ollama # 或 lm-studio、openai 等
|
||
provider_model = deepseek-r1:14b # 选择适合硬件的模型
|
||
provider_server_address = 127.0.0.1:11434
|
||
agent_name = Jarvis # AI 名称
|
||
recover_last_session = True # 是否恢复上次会话
|
||
save_session = True # 是否保存当前会话
|
||
speak = False # 语音输出
|
||
listen = False # 语音输入，仅 CLI，实验性
|
||
jarvis_personality = False # 是否使用 Jarvis 风格（实验性）
|
||
languages = en zh # 语言列表，语音默认第一个
|
||
[BROWSER]
|
||
headless_browser = True # 除非 CLI，否则保持不变
|
||
stealth_mode = True # 使用 undetected selenium 降低被检测概率
|
||
```
|
||
|
||
**警告：**
|
||
|
||
- `config.ini` 不支持注释。不要直接复制示例配置，否则注释会导致错误。请手动修改 config.ini，去除注释。
|
||
|
||
- 若用 LM-studio 运行 LLM，provider_name 不要设为 `openai`，应设为 `lm-studio`。
|
||
|
||
- 某些 provider（如 lm-studio）要求 IP 前加 `http://`，如 `http://127.0.0.1:1234`
|
||
|
||
**本地 provider 列表**
|
||
|
||
| Provider | 本地？ | 说明 |
|
||
|-----------|--------|----------------------------------------------------|
|
||
| ollama | 是 | 使用 ollama 本地运行 LLM |
|
||
| lm-studio | 是 | 使用 LM studio 本地运行 LLM（provider_name 设为 lm-studio）|
|
||
| openai | 是 | 使用 openai 兼容 API（如 llama.cpp server） |
|
||
|
||
下一步：[启动服务并运行 AgenticSeek](#Start-services-and-Run)
|
||
|
||
*如遇问题见**已知问题**部分*
|
||
|
||
*硬件无法本地运行 deepseek 时见**API 运行**部分*
|
||
|
||
*详细配置说明见**Config**部分*
|
||
|
||
---
|
||
|
||
## 使用 API 运行设置
|
||
|
||
**API 运行为可选，见上方本地运行方法。**
|
||
|
||
在 `config.ini` 设置所需 provider。API provider 列表如下。
|
||
|
||
```sh
|
||
[MAIN]
|
||
is_local = False
|
||
provider_name = google
|
||
provider_model = gemini-2.0-flash
|
||
provider_server_address = 127.0.0.1:5000 # 无关紧要
|
||
```
|
||
警告：确保 config 中无多余空格。
|
||
|
||
导出 API key：`export <<PROVIDER>>_API_KEY="xxx"`
|
||
|
||
示例：`export TOGETHER_API_KEY="xxxxx"`
|
||
|
||
**API provider 列表**
|
||
|
||
| Provider | 本地？ | 说明 |
|
||
|-----------|--------|----------------------------------------------------|
|
||
| openai | 视情况 | 使用 ChatGPT API |
|
||
| deepseek | 否 | Deepseek API（非私有） |
|
||
| huggingface| 否 | Hugging-Face API（非私有） |
|
||
| togetherAI | 否 | 使用 together AI API（非私有） |
|
||
| google | 否 | 使用 google gemini API（非私有） |
|
||
|
||
注意：使用 gemini 时代码/bash 可能失败，模型对格式提示不敏感，优化针对 deepseek r1。gpt-4o 在本项目 prompt 下表现也较差。
|
||
|
||
下一步：[启动服务并运行 AgenticSeek](#Start-services-and-Run)
|
||
|
||
*如遇问题见**已知问题**部分*
|
||
|
||
*详细配置说明见**Config**部分*
|
||
|
||
---
|
||
|
||
## 启动服务并运行
|
||
|
||
启动所需服务。此操作会启动 docker-compose.yml 中的所有服务，包括：
|
||
- searxng
|
||
- redis（searxng 依赖）
|
||
- frontend
|
||
- backend（如用 `full`）
|
||
|
||
```sh
|
||
./start_services.sh full # MacOS
|
||
start start_services.cmd full # Windows
|
||
```
|
||
|
||
**警告：** 此步骤会下载并加载所有 Docker 镜像，可能需 30 分钟。启动后请等待 backend 服务完全运行（日志中出现 backend: <info>），再发送消息。backend 启动比其他服务慢。
|
||
|
||
访问 `http://localhost:3000/`，即可看到网页界面。
|
||
|
||
**可选：使用 CLI 界面运行：**
|
||
|
||
如需 CLI 界面，需在主机安装依赖：
|
||
|
||
```sh
|
||
./install.sh
|
||
./install.bat # windows
|
||
```
|
||
|
||
启动服务：
|
||
|
||
```sh
|
||
./start_services.sh # MacOS
|
||
start start_services.cmd # Windows
|
||
```
|
||
|
||
然后运行：`uv run cli.py`
|
||
|
||
---
|
||
|
||
## 使用方法
|
||
|
||
确保服务已通过 `./start_services.sh full` 启动，并访问 `localhost:3000` 使用网页界面。
|
||
|
||
CLI 模式下可通过设置 `listen = True` 启用语音转文本。
|
||
|
||
退出时，只需说/输入 `goodbye`。
|
||
|
||
以下为示例用法：
|
||
|
||
> *用 python 写一个贪吃蛇游戏！*
|
||
|
||
> *搜索法国雷恩的最佳咖啡馆，并将三家及其地址保存到 rennes_cafes.txt。*
|
||
|
||
> *写一个 Go 程序计算阶乘，保存为 factorial.go 到你的工作区*
|
||
|
||
> *在 summer_pictures 文件夹中查找所有 JPG 文件，用今天日期重命名，并将重命名文件列表保存到 photos_list.txt*
|
||
|
||
> *在线搜索 2024 年热门科幻电影，挑选三部今晚观看，保存到 movie_night.txt。*
|
||
|
||
> *搜索 2025 年最新 AI 新闻文章，选三篇，写 Python 脚本抓取标题和摘要，脚本保存为 news_scraper.py，摘要保存到 ai_news.txt（/home/projects）*
|
||
|
||
> *周五，搜索免费股票价格 API，用 supersuper7434567@gmail.com 注册，然后写 Python 脚本每日获取特斯拉股价，结果保存到 stock_prices.csv*
|
||
|
||
*表单填写功能仍为实验性，可能失败。*
|
||
|
||
输入查询后，AgenticSeek 会自动分配最佳代理执行任务。
|
||
|
||
由于目前为早期原型，代理路由系统可能无法总是正确分配代理。
|
||
|
||
因此，建议明确表达需求及 AI 执行方式。例如需网页搜索时，不要说：
|
||
|
||
`你知道哪些适合独自旅行的国家吗？`
|
||
|
||
而应说：
|
||
|
||
`请进行网页搜索，找出最适合独自旅行的国家`
|
||
|
||
---
|
||
|
||
## **在自有服务器运行 LLM 的设置**
|
||
|
||
如有高性能电脑或服务器，可用自定义 llm server 远程运行 LLM。
|
||
|
||
在运行 AI 模型的“服务器”上获取 IP 地址：
|
||
|
||
```sh
|
||
ip a | grep "inet " | grep -v 127.0.0.1 | awk '{print $2}' | cut -d/ -f1 # 本地 IP
|
||
curl https://ipinfo.io/ip # 公网 IP
|
||
```
|
||
|
||
注：Windows/macOS 可用 ipconfig 或 ifconfig 查询 IP。
|
||
|
||
克隆仓库并进入 `server/` 文件夹：
|
||
|
||
```sh
|
||
git clone --depth 1 https://github.com/Fosowl/agenticSeek.git
|
||
cd agenticSeek/llm_server/
|
||
```
|
||
|
||
安装服务器依赖：
|
||
|
||
```sh
|
||
pip3 install -r requirements.txt
|
||
```
|
||
|
||
运行服务器脚本：
|
||
|
||
```sh
|
||
python3 app.py --provider ollama --port 3333
|
||
```
|
||
|
||
可选择 `ollama` 或 `llamacpp` 作为 LLM 服务。
|
||
|
||
在你的个人电脑上：
|
||
|
||
修改 `config.ini`，将 `provider_name` 设为 `server`，`provider_model` 设为 `deepseek-r1:xxb`。
|
||
`provider_server_address` 设为运行模型机器的 IP。
|
||
|
||
```sh
|
||
[MAIN]
|
||
is_local = False
|
||
provider_name = server
|
||
provider_model = deepseek-r1:70b
|
||
provider_server_address = x.x.x.x:3333
|
||
```
|
||
|
||
下一步：[启动服务并运行 AgenticSeek](#Start-services-and-Run)
|
||
|
||
---
|
||
|
||
## 语音转文本
|
||
|
||
警告：目前仅 CLI 模式支持语音转文本。
|
||
|
||
目前仅支持英文语音转文本。
|
||
|
||
默认关闭语音转文本。启用方法：在 config.ini 设置 listen 为 True：
|
||
|
||
```
|
||
listen = True
|
||
```
|
||
|
||
启用后，语音转文本会监听触发词（即 agent 名称），再开始处理输入。可通过修改 *config.ini* 的 `agent_name` 自定义：
|
||
|
||
```
|
||
agent_name = Friday
|
||
```
|
||
|
||
建议使用常见英文名如 "John" 或 "Emma" 作为 agent 名称。
|
||
|
||
看到转录开始出现后，呼叫 agent 名称唤醒（如“Friday”）。
|
||
|
||
清晰说出你的请求。
|
||
|
||
以确认短语结尾，表示系统可继续处理。例如：
|
||
```
|
||
"do it", "go ahead", "execute", "run", "start", "thanks", "would ya", "please", "okay?", "proceed", "continue", "go on", "do that", "go it", "do you understand?"
|
||
```
|
||
|
||
## 配置说明
|
||
|
||
配置示例：
|
||
```
|
||
[MAIN]
|
||
is_local = True
|
||
provider_name = ollama
|
||
provider_model = deepseek-r1:32b
|
||
provider_server_address = 127.0.0.1:11434
|
||
agent_name = Friday
|
||
recover_last_session = False
|
||
save_session = False
|
||
speak = False
|
||
listen = False
|
||
jarvis_personality = False
|
||
languages = en zh
|
||
[BROWSER]
|
||
headless_browser = False
|
||
stealth_mode = False
|
||
```
|
||
|
||
**说明：**
|
||
|
||
- is_local -> 本地运行（True）或远程服务器（False）
|
||
|
||
- provider_name -> 使用的 provider（如：`ollama`、`server`、`lm-studio`、`deepseek-api`）
|
||
|
||
- provider_model -> 使用的模型，如 deepseek-r1:32b
|
||
|
||
- provider_server_address -> 服务器地址，如 127.0.0.1:11434（本地），API 可随意
|
||
|
||
- agent_name -> 代理名称，如 Friday，语音唤醒词
|
||
|
||
- recover_last_session -> 是否恢复上次会话（True/False）
|
||
|
||
- save_session -> 是否保存会话数据（True/False）
|
||
|
||
- speak -> 是否启用语音输出（True/False）
|
||
|
||
- listen -> 是否启用语音输入（True/False）
|
||
|
||
- jarvis_personality -> 是否使用 JARVIS 风格（True/False），仅更换 prompt
|
||
|
||
- languages -> 支持语言列表，供 LLM 路由使用，建议不要太多或太相似
|
||
|
||
- headless_browser -> 是否无头浏览器（True/False）
|
||
|
||
- stealth_mode -> 是否降低被检测概率，需手动安装 anticaptcha 扩展
|
||
|
||
- languages -> 支持语言列表，代理路由系统需用，列表越长下载模型越多
|
||
|
||
## Provider 列表
|
||
|
||
下表为可用 provider：
|
||
|
||
| Provider | 本地？ | 说明 |
|
||
|-----------|--------|----------------------------------------------------|
|
||
| ollama | 是 | 使用 ollama 本地运行 LLM |
|
||
| server | 是 | 在其他机器托管模型，本机调用 |
|
||
| lm-studio | 是 | 使用 LM studio 本地运行 LLM（provider_name 设为 lm-studio）|
|
||
| openai | 视情况 | 使用 ChatGPT API（非私有）或 openai 兼容 API |
|
||
| deepseek-api | 否 | Deepseek API（非私有） |
|
||
| huggingface| 否 | Hugging-Face API（非私有） |
|
||
| togetherAI | 否 | 使用 together AI API（非私有） |
|
||
| google | 否 | 使用 google gemini API（非私有） |
|
||
|
||
选择 provider 时修改 config.ini：
|
||
|
||
```
|
||
is_local = True
|
||
provider_name = ollama
|
||
provider_model = deepseek-r1:32b
|
||
provider_server_address = 127.0.0.1:5000
|
||
```
|
||
`is_local`：本地 LLM 设为 True，否则 False。
|
||
|
||
`provider_name`：选择 provider 名称，见上表。
|
||
|
||
`provider_model`：设置代理使用的模型。
|
||
|
||
`provider_server_address`：如非 server provider，可随意。
|
||
|
||
# 已知问题
|
||
|
||
## Chromedriver 问题
|
||
|
||
**已知错误 #1：** *chromedriver 不匹配*
|
||
|
||
`Exception: Failed to initialize browser: Message: session not created: This version of ChromeDriver only supports Chrome version 113
|
||
Current browser version is 134.0.6998.89 with binary path`
|
||
|
||
出现此问题是浏览器与 chromedriver 版本不匹配。
|
||
|
||
需下载最新版本：
|
||
|
||
https://developer.chrome.com/docs/chromedriver/downloads
|
||
|
||
如用 Chrome 115 及以上，访问：
|
||
|
||
https://googlechromelabs.github.io/chrome-for-testing/
|
||
|
||
下载与你操作系统匹配的 chromedriver。
|
||
|
||
|
||
|
||
如本节不全请提交 issue。
|
||
|
||
## 连接适配器问题
|
||
|
||
```
|
||
Exception: Provider lm-studio failed: HTTP request failed: No connection adapters were found for '127.0.0.1:11434/v1/chat/completions'
|
||
```
|
||
|
||
请确保 provider IP 前加 `http://`：
|
||
|
||
`provider_server_address = http://127.0.0.1:11434`
|
||
|
||
## SearxNG base URL 必须提供
|
||
|
||
```
|
||
raise ValueError("SearxNG base URL must be provided either as an argument or via the SEARXNG_BASE_URL environment variable.")
|
||
ValueError: SearxNG base URL must be provided either as an argument or via the SEARXNG_BASE_URL environment variable.
|
||
```
|
||
|
||
可能未将 `.env.example` 重命名为 `.env`？也可导出 SEARXNG_BASE_URL：
|
||
|
||
`export SEARXNG_BASE_URL="http://127.0.0.1:8080"`
|
||
|
||
## FAQ
|
||
|
||
**Q: 需要什么硬件？**
|
||
|
||
| 模型规模 | GPU | 说明 |
|
||
|-----------|--------|----------------------------------------------------|
|
||
| 7B | 8GB 显存 | ⚠️ 不推荐。性能差，易幻觉，规划代理易失败。 |
|
||
| 14B | 12GB 显存（如 RTX 3060） | ✅ 简单任务可用，网页浏览和规划任务可能吃力。|
|
||
| 32B | 24GB+ 显存（如 RTX 4090） | 🚀 大多数任务成功，复杂规划仍有难度。 |
|
||
| 70B+ | 48GB+ 显存（如 mac studio） | 💪 推荐，高级用例表现优异。 |
|
||
|
||
**Q: 为什么选 Deepseek R1？**
|
||
|
||
Deepseek R1 在推理和工具调用方面表现优异。我们认为它非常适合本项目，其他模型也可用，但 Deepseek 是首选。
|
||
|
||
**Q: 运行 `cli.py` 报错怎么办？**
|
||
|
||
确保本地服务（`ollama serve`）已启动，`config.ini` 配置正确，依赖已安装。如仍有问题欢迎提交 issue。
|
||
|
||
**Q: 真能 100% 本地运行吗？**
|
||
|
||
是的，使用 Ollama、lm-studio 或 server provider 时，语音、LLM、语音转文本均本地运行。非本地（OpenAI 等 API）为可选。
|
||
|
||
**Q: 有 Manus 为什么还要用 AgenticSeek？**
|
||
|
||
本项目起初只是兴趣驱动的副业。特别之处在于主打本地模型，避免 API。
|
||
灵感来自 Jarvis 和 Friday（钢铁侠），功能上更接近 Manus，因为大家最想要的是本地 manus 替代品。
|
||
与 Manus 不同，AgenticSeek 更注重独立性、隐私和避免 API 成本。
|
||
|
||
## 贡献
|
||
|
||
我们欢迎开发者改进 AgenticSeek！请查看 open issues 或讨论区。
|
||
|
||
[贡献指南](./docs/CONTRIBUTING.md)
|
||
|
||
[](https://www.star-history.com/#Fosowl/agenticSeek&Date)
|
||
|
||
## 维护者：
|
||
|
||
> [Fosowl](https://github.com/Fosowl) | 巴黎时间
|
||
|
||
> [antoineVIVIES](https://github.com/antoineVIVIES) | 台北时间
|
||
|
||
> [steveh8758](https://github.com/steveh8758) | 台北时间
|
||
|
||
## 特别感谢：
|
||
|
||
> [tcsenpai](https://github.com/tcsenpai) 和 [plitc](https://github.com/plitc) 协助后端 docker 化
|
||
|