原文链接：GitHub 上 Star 数量前 18 的开源 AI Agent 项目 - NocoBase。
大概一个多月前，我在 Hacker News 上刷到一篇讨论热度很高的文章------《停止构建 AI Agent》。
作者在文中分享了自己的亲身经历：他用 CrewAI 组建了一个"研究小组"------三名 Agent、五个工具，纸面上分工完美无缺。但真正运行时，研究员 Agent 无视爬虫工具，摘要员忘记引用，协调员在处理长文档时直接放弃，原本看似天衣无缝的方案，在实践中却像多米诺骨牌般接连失灵。
下面这张流程图，是作者在经历无数次代理系统的调试与翻车后，总结出的"是否该用 Agent"的经验指南。
Image source: decodingml.substack.com/p/stop-buil...
文章提炼出一个重要原则：Agent 最适合在"人类参与监督"的非稳定型流程中发挥作用------这种场景下，Agent 的探索能力和创造性往往优于工作流。
- 可用场景：数据科学助手（自动写 SQL、生成可视化、探索数据趋势）；创意写作伙伴（头脑风暴、文案改进）；代码重构助手（提出优化建议、发现潜在问题）。在这些任务中，人类可随时评估结果并纠正偏差。
- 不建议使用：企业核心自动化（关键业务流程的稳定性无法交给 LLM 决定）；高风险决策（金融交易、医疗诊断、法律合规等需要确定性逻辑的领域）。
Image source: decodingml.substack.com/p/stop-buil...
如果看完上面的内容，你依然觉得自己的业务场景适合构建 Agent，那么这篇文章将为你盘点 GitHub 上Agent 话题下 Star 数排名前 18 的开源项目，并从项目概览、核心功能与应用场景三个维度剖析它们的优势与边界，帮助你在合适的场景中发挥 Agent 的最大价值。
💬 欢迎来到 NocoBase 的博客。NocoBase 是一个开源无代码/低代码开发平台，用于构建企业级应用、内部工具和流程系统，支持自托管，插件化设计，开发者友好。→ 在 GitHub 上了解更多
💡 也欢迎阅读我们往期最受欢迎的 GitHub 项目系列文章（部分项目会在不同主题中重复出现）：
No.1: Dify
- GitHub Star: 110k
- GitHub: github.com/langgenius/...
- Website: dify.ai/
项目概览：
Dify 是一个开源的 LLM 应用开发平台。它融合了直观可视化界面、RAG 工作流、Agent 能力、模型管理与全链路可观测性，让开发者能够迅速搭建、调试并部署 AI 应用。
核心功能：
- 可视化工作流编排：提供拖拽式构建界面，开发者可以在画布上设计并测试复杂的 AI 流程，包括提示、模型调用与任务串联等。
- RAG 管道支持：支持多格式文档（如 PDF、PPT）摄入，自动抽取内容并构建检索管道，实现知识增强生成能力。
- 全模型生态与提示编辑器：兼容 GPT、Mistral、Llama3 及所有 OpenAI API 兼容模型，一站式管理模型与调优提示，简化模型切换与性能比对流程。
应用场景：
- 构建智能客服与 QA 系统
- 对接企业知识库
- 快速部署内容生成工具
No.2: Lobe Chat
- GitHub Star: 64.3k
- GitHub: github.com/lobehub/lob...
- Website: lobechat.com/
项目概览：
Lobe Chat 是一个开源的多模型聊天与应用平台，强调 UX 体验，支持语音、视觉识别、多模态输入、插件市场、移动端适配和多用户管理。
核心功能：
- 多模态 & 插件支持：支持语音对话、图像识别与生成，并通过插件市场扩展功能，满足多样交互需求。
- 智能体指数平台：通过一个社区驱动的索引，用户可浏览、添加或提交自定义助手，便于扩展和复用。
- 统一模型适配：提供统一接口与插件化架构，轻松衔接 OpenAI、Anthropic、Gemini、Ollama 等模型服务商，便于平台迁移与模型升级。
应用场景：
- 快速搭建高交互、多模态的智能聊天应用
- 部署领域定制助手
No.3: RAGFlow
- GitHub Star: 62.1k
- GitHub: github.com/infiniflow/...
- Website: ragflow.io/
项目概览：
RAGFlow 是一款基于深度文档理解的开源 RAG 引擎，旨在为企业与个人提供高质量、可解释的问答与 Agent 服务。它不仅能处理复杂格式文档，还能提供引用性回复与可视化块管理。
核心功能：
- 深度文档理解：擅长解析 PDF、Word、PPT、Excel、图片等非结构化内容，提取可检索信息块，确保生成内容真实、可验证。
- RAG 问答与引用追踪：结合向量检索与 LLM，生成带引用的回答，并支持手动调整检索块以优化准确度。
- 灵活部署与集成：提供 Docker Compose 部署方式，可与各类 LLM 集成。
应用场景：
- 构建文档驱动的问答系统与知识助手
- 实施内容审核与引用追踪
- 部署支持复杂文件结构的 RAG 应用
No.4: OpenHands
- GitHub Star: 62k
- GitHub: github.com/All-Hands-A...
- Website: all-hands.dev/
项目概览：
OpenHands 的核心理念是让 AI 能像人类开发者一样"写更少的代码，完成更多工作"，提供代码编辑、命令执行、网页浏览、API 调用等多种能力支持。
作为一个 MIT 开源项目，OpenHands 可以在本地通过 Docker 快速部署，也提供 OpenHands Cloud SaaS 版以便免配置上手，其中 Cloud 版本更提供初始使用额度，适合快速试用。随着版本更新，OpenHands 架构不断完善，逐步实现了通用 Agent 控制器、多 Agent 协同、多交互会话管理、沙箱安全执行等特性，成为一个针对软件开发者的通用 AI 工具平台。
核心功能：
- 通用开发者 Agent 能力：Agent 能执行"修改代码、运行命令、浏览网页、调用 API"等任务，模拟人类开发者的行为路径。
- 多 Agent 协作与会话管理：系统支持多个 Agent 协同工作，具备会话管理能力（Session、EventStream、AgentController 等），实现任务分工或协同处理复杂需求。
- 安全沙箱机制：Agent 执行代码和命令时，运行环境由沙箱（如 Docker 容器）隔离，确保执行安全，减少对宿主系统风险。
应用场景：
- 辅助开发者完成常规代码任务
- 自动化测试与部署流程
- 快速原型与工具搭建
No.5: MetaGPT
- GitHub Star: 57.8k
- GitHub: github.com/FoundationA...
- Website: mgx.dev/
项目概览：
MetaGPT 是一个多智能体协作框架，强调"软件公司模拟"，将自然语言需求转化为从用户故事、竞品分析到 API 设计、文档编写的一整套流程。其核心理念是"Code = SOP(Team)"------将标准作业程序（SOP）具体化，安排产品经理、架构师、工程师等角色协作完成任务。
核心功能：
- 多角色智能体协作：内置产品经理、架构师、项目经理、工程师等 AI 智能体，模拟真实团队依照 SOP 协同推进项目。
- SOP 驱动流程：通过标准作业程序指导每个 Agent 执行任务，实现任务拆解与结构化执行，减少偏差与幻觉。
- 自然语言编程：用户只需一句话描述需求，MetaGPT 即可生成对应的用户故事、数据结构、API 接口与架构设计。
应用场景：
- 自动生成软件项目开发提案
- 快速构建团队协作原型
- 探索 AI 驱动的软件开发流程优化与自动化研究
No.6: LLMs-from-scratch
- GitHub Star: 56k
- GitHub: github.com/rasbt/LLMs-...
项目概览：
LLMs-from-scratch 是一个从零实现大型语言模型的教学型项目，帮助开发者理解 LLM 的核心原理与训练过程。
👉 点击查看 LLMs-from-scratch 的完整介绍与应用场景
No.7: Huginn
- GitHub Star: 47k
- GitHub: github.com/huginn/hugi...
项目概览：
Huginn 是一个开源自动化工具，让用户可在自有服务器上运行 agents，从网络采集信息并基于条件进行触发动作，如邮件通知、关键词监控等。Huginn 的设计初衷有力捍卫了用户对数据的控制权，以其数据可控、自托管、可扩展代理系统特点长期活跃在开源社区。
核心功能：
- 自托管 Web 代理平台：用户可在自己的服务器上部署 agents，自主处理数据与执行任务，确保隐私与可控性。
- 事件---动作规则引擎：支持配置条件触发 logic，当指定的网络事件发生时，可以自动执行通知、脚本或 HTTP 调用等操作。
- 扩展性 Agents 机制：内置多种 agents，可通过 Huginn Agent gem 扩展自定义 agent 功能，生态丰富。
应用场景：
- 信息监控与提醒
- 数据抓取与自动化流程
- 自定义自动化工具构建
No.8: Unsloth
- GitHub Star: 43.8k
- GitHub: github.com/unslothai/u...
- Website: docs.unsloth.ai/
项目概览：
Unsloth 是一款专为微调 LLM（如 OpenAI gpt-oss、Qwen3、Llama 4）而设计的开源工具，目标是提供更加高效且显存友好的训练流程。其核心代码采用 OpenAI 开发的 Triton 架构，显著提升训练速度并降低显存占用。
核心功能：
- 高效显存优化微调：在主流 LLM 上实现 1.5-2.2× 的微调速度提升，并减少高达 70--80% 的显存使用。
- 易用 Notebook 工作流：用户只需添加数据集并点击"Run All"即可完成模型微调，便可快速完成模型训练。
- 广泛模型兼容：支持微调包括 Llama、Gemma、Qwen 等多个 LLM 模型。
应用场景：
- 快速微调 LLM 模型用于研究或产品原型验证
- 教育与教学工具：让入门者在免费 GPU 环境中体验模型训练流程
- 高显存节省需求的开发场景，如部署在资源受限设备上
No.9: Mem0
- GitHub Star: 38.1k
- GitHub: github.com/mem0ai/mem0
- Website: mem0.ai/
项目概览：
Mem0 是一款专为 AI Agent 设计的长期记忆管理系统，致力于解决 AI 常见的"遗忘"问题。它通过统一记忆层使智能体能够跨会话、跨应用持续保留用户偏好与历史上下文，实现个性化且连续的交互体验。在 LOCOMO 基准测试中，Mem0 相比 OpenAI Memory，在准确率上提升约 26%，响应延迟降低 91%，且 Token 消耗降低 90%。适合用于客服机器人、AI 助手和自主系统等需要上下文延续的场景。
核心功能：
- 多级记忆架构：支持用户级、会话级、智能体级的多层记忆管理，让信息层次化保存。
- 高性能与高效成本：显著提高准确率、降低延迟与 Token 消耗，实现更省资源的长期记忆支持。
- 本地化隐私优先：所有数据可在本地处理与存储，用户对数据拥有完全控制权。
应用场景：
- 客服机器人：记住用户偏好、历史问题，提高响应相关性
- AI 助手：跨会话记忆任务和人设，使互动更连贯自然
- 医疗与咨询系统：保留上下文信息以提升服务质量与精准反馈
No.10: ChatTTS
- GitHub Star: 37.5k
- GitHub: github.com/2noise/Chat...
- Website: 2noise.com/
项目概览：
ChatTTS 是一个专为对话式任务优化的开源文本转语音系统，支持多说话人场景，重点在于表达自然、情绪丰富。为了防止滥用，项目在训练模型中加入少量高频噪音，并压低文件质量，同时计划部署检测机制以加强伦理使用指导。
核心功能：
- 对话优化 TTS：专门优化用于对话场景的语音合成，支持多角色对话和自然节奏表达。
- 细粒度韵律控制：精确控制语音中的笑声、停顿、插入词等韵律元素，使合成显得更自然生动。
应用场景：
- 构建人性化语音机器人或互动对话系统。
- 教育类产品中的角色配音与语言练习工具。
- 语音内容创作与播客自动生成音频辅助工具。
No.11: Arthas
- GitHub Star: 36.6k
- GitHub: github.com/alibaba/art...
- Website: arthas.aliyun.com/
项目概览：
Arthas 是阿里巴巴开源的 Java 诊断工具，自发布以来便成为 Java 开发者排查生产环境问题的利器。它的设计初衷是让开发者无需修改代码或重启服务器即可动态 attach 到生产环境应用，执行调试命令、查看栈信息或打断点，极大提升了定位线上问题的效率与安全性。
核心功能：
- 动态 Attach 执行：无需重启或修改代码，直接将 Arthas 注入进生产 JVM 应用，立即调试与监控。
- 命令行交互诊断 ：提供像
stack,trace,watch,monitor等命令，通过 CLI 即时查看运行堆栈、方法调用次数及性能指标等诊断信息。
应用场景：
- 线上故障快速定位
- 性能瓶颈分析
- 回归测试问题排查
No.12: AgentGPT
- GitHub Star: 34.7k
- GitHub: github.com/reworkd/Age...
- Website: arthas.aliyun.com/
项目概览：
AgentGPT 是一个开源项目，让用户可以在浏览器中自主配置和部署 AI 代理，无需复杂部署背景。它提供了更友好的界面，通过输入目标即可让代理"思考---执行---学习"，完成任务目标。
核心功能：
- 浏览器式代理配置：用户只需在网页端设置目标与名字，即可启动 Agent 运行，极大降低部署门槛。
- 目标驱动执行：Agent 会"思考"如何完成设定目标，生成任务子步骤并自动执行、反馈、优化。
- 自动化环境初始化：内置 CLI 可自动配置环境变量、数据库 (MySQL)、后端 (FastAPI) 和前端 (Next.js)，一键启动运行环境。
应用场景：
- 任务型辅助智能体
- 原型验证工具
- 学习与演示平台
No.13: Cherry Studio
- GitHub Star: 31.3k
- GitHub: github.com/CherryHQ/ch...
- Website: cherry-ai.com/
项目概览：
Cherry Studio 是由 CSDN、GitCode 与华为云 CodeArts IDE 联合打造的一款 AI 编程助手平台，于 2024 年 12 月亮相业界，并迅速吸引关注。其定位是为开发者提供一站式 AI 助手矩阵，支持自然语言交互、项目级代码改写与全栈开发支持。
核心功能：
- AI 助手矩阵：内置 300+ 行业专属 AI 助手模板，并支持自定义创建，覆盖写作、编程等多个领域。
- 多模型聚合平台：可自由切换 OpenAI、Gemini 等云端模型与本地模型，并支持多模型对话输出对比。
- 可视化 Agent 编辑：用户可在"智能体广场"中选择预设助理，也可创建自定义 Agent，并可使用 AI 优化提示词。
应用场景：
- 项目级代码助手
- 行业专属解决方案
- 知识驱动的代码生成
No.14: Khoj
- GitHub Star: 31.3k
- GitHub: github.com/khoj-ai/kho...
- Website: khoj.dev/
项目概览：
Khoj 是一款定位为"个人 AI 第二大脑"的开源助手，支持将多源文档整合为知识库，通过语义检索实现内容问答与智能提醒。Khoj 支持通过创建自定义 Agent 来自动执行定时任务、内容推送或即时对话响应。
核心功能：
- 多源知识整合：支持导入 PDF、Markdown、Notion、GitHub 等多种格式内容，构建统一知识库。
- 语义搜索与通知：基于自然语言检索文档内容，并支持定时推送、邮件提醒等功能。
- 跨平台 Agent 支持：可在桌面端、Obsidian 插件、Web 端、Emacs、WhatsApp 等多种环境进行交互。
应用场景：
- 个人知识管理助手
- 自动提醒系统
- 跨工具集成体验
No.15: AIHawk
- GitHub Star: 28.6k
- GitHub: github.com/feder-cr/Jo...
- Website: laboro.co/
项目概览：
AIHawk 是一个 AGPL 授权的开源 AI Agent，专注于自动申请工作职位。它会抓取招聘网站信息，并使用语言模型生成针对性的申请材料，帮助用户高效应聘。
核心功能：
- 自动职位申请：通过爬取招聘网站的信息，自动生成并提交流程优化的申请材料。
- 开源架构可扩展：核心系统保持开源，方便开发者自定义行为或添加插件。
- 平台化商业延展：项目演变为 laboro.co 平台，提供托管服务与更多招聘自动化功能。
应用场景：
- 求职者自动申请助手
- 招聘流程自动化研究
- 招聘平台集成工具
No.16: FastGPT
- GitHub Star: 25.5k
- GitHub: github.com/labring/Fas...
- Website: fastgpt.io/
项目概览：
FastGPT 旨在成为一个 "AI Agent 构建平台"，让开发者无需繁琐配置即可使用可视化工作流与知识库构建复杂 AI 应用，简化部署流程。
核心功能：
- 可视化工作流编排：提供拖拽式界面，支持对话节点、HTTP 调用、RPA、条件分支等，帮助开发者像"搭积木"一样组装 AI 应用。
- 知识库与 RAG 支持：允许导入多格式文件（如 txt、md、pdf 等），支持向量检索与混合检索，实现知识驱动的问答与自动化处理.
- 多模型与接口兼容：统一接入 OpenAI、Claude 等模型；同时提供 OpenAPI-compatible 接口，便于二次开发与嵌入到现有系统中。
应用场景：
- 快速搭建智能问答机器人（如客服助手）。
- 文档分析与自动摘要生成流程。
- 接入外部 API 实现自动化任务处理
No.17: GPT Researcher
- GitHub Star: 22.9k
- GitHub: github.com/assafelovic...
- Website: gptr.dev/
项目概览：
GPT Researcher 是一个专注于深度研究任务的 AI Agent 框架，能够自动规划研究流程，爬取信息、生成研究报告，并输出带引用的内容，具备高度报告质量和可定制性。
核心功能：
- 并行代理研究：Planner Agent 生成研究问题，多个 Executor Agents 并行抓取资料与总结，大幅提升效率与确定性。
- 事实性报告输出：自动整理引用内容，输出结构化、客观、带来源的研究报告。
应用场景：
- 快速撰写竞品分析或技术调研报告。
- 自动化生成学术研究线稿或背景资料汇总。
- 构建定制化领域知识代理，用于企业知识汇总。
No.18: CopilotKit
- GitHub Star: 22.4k
- GitHub: github.com/CopilotKit/...
- Website: docs.copilotkit.ai/
项目概览：
CopilotKit 是一个开源框架，旨在帮助开发者将 AI Copilots 无缝集成到应用中，无论是内嵌式聊天、智能文本区，还是完整的 Agent 界面。该项目不仅提供 React UI 组件，还支持 headless 架构，灵活嵌入多种界面。
核心功能：
- React 与 Headless UI 支持：提供即插即用的 UI 组件，也可支持仅 API 驱动的无界面部署方式。
- 应用上下文连接：将应用的逻辑、状态与用户上下文无缝对接到 AI Agent，使功能更加贴合用户需求。
- 模型与架构解耦：支持与任意模型或代理架构独立运作，便于在不影响用户体验的前提下升级 AI 技术栈。
应用场景：
- 嵌入式 AI 助手
- 自定义 AI 工具
- 多模态交互体验
写在最后
Agent 擅长探索，不擅长遵守规则。
上面介绍的 18 个开源 Agent 项目，既是工具箱，也是提醒：选择合适的场景和设计合理的边界，才是让 Agent 发挥最大价值的关键。
如果这篇文章对你有所启发，欢迎分享给同样在探索 AI Agent 的朋友。👍
相关阅读：