tcsenpai/agenticSeek
1
0
Fork 0
mirror of https://github.com/tcsenpai/agenticSeek.git synced 2025-06-03 01:30:11 +00:00
Code Issues Packages Projects Releases Wiki Activity
agenticSeek/README_CHS.md
martin legrand 36b26b43c9 fix deployement script
2025-04-17 12:05:23 +02:00

15 KiB
Raw Blame History

English | 中文

AgenticSeek: 类似 Manus 但基于 Deepseek R1 Agents 的本地模型。

Manus AI 的本地替代品，它是一个具有语音功能的大语言模型秘书，可以 Coding、访问你的电脑文件、浏览网页，并自动修正错误与反省，最重要的是不会向云端传送任何资料。采用 DeepSeek R1 等推理模型构建，完全在本地硬体上运行，进而保证资料的隐私。

Visit AgenticSeek License Discord Twitter

🛠️ 目前还在开发阶段 – 欢迎任何贡献者加入我们！

https://github.com/user-attachments/assets/4bd5faf6-459f-4f94-bd1d-238c4b331469

在大阪和東京深入搜尋人工智慧新創公司，至少找到 5 家，然後儲存在 research_japan.txt 檔案中

你可以用 C 語言製作俄羅斯方塊遊戲嗎？

我想設定一個新的專案檔案索引，命名為 mark2。

Features:

  • 100% 本机运行: 本机运行，不使用云端服务，所以资料绝不会散布出去，我的东西还是我的！不会被当作其他服务的训练资料。

  • 文件的交互系统: 使用 bash 去浏览本机资料和操作本机系统。

  • 自主 Coding: AgenticSeek 可以自己运行、Debug、编译 Python、C、Golang 和各种语言。

  • 代理助理: 不同的工作由不同的助理去处理问题。AgenticSeek 会自己寻找最适合的助理去做相对应的工作。

  • 规划: 对于复杂的任务，AgenticSeek 会交办给不同的助理进行规划和执行。

  • 自主学习: 自动在网路上寻找资料。

  • 记忆功能: 对于每次的对话进行统整、保存对话，并且在本地储存用户的使用习惯。

安装

确保已安装了 Chrome driver，Docker 和 Python 3.10（或更新）。

有关于 Chrome driver 的问题，请参见 Chromedriver 部分。

1️⃣ 复制储存库与设置环境变数

git clone https://github.com/Fosowl/agenticSeek.git
cd agenticSeek
mv .env.example .env

2️ 建立虚拟环境

python3 -m venv agentic_seek_env
source agentic_seek_env/bin/activate
# On Windows: agentic_seek_env\Scripts\activate

3️⃣ 安装所需套件

自动安装:

./install.sh

手动安装:

pip3 install -r requirements.txt
# or
python3 setup.py install

在本地机器上运行 AgenticSeek

建议至少使用 Deepseek 14B 以上参数的模型，较小的模型难以使用助理功能并且很快就会忘记上下文之间的关系。

本地运行助手

启动你的本地提供者，例如使用 ollama：

ollama serve

请参阅下方支持的本地提供者列表。

修改 config.ini 文件，将 provider_name 设置为支持的提供者，并将 provider_model 设置为 deepseek-r1:14b。

注意：deepseek-r1:14b 只是一个示例，如果你的硬件允许，可以使用更大的模型。

[MAIN]
is_local = True
provider_name = ollama # 或 lm-studio, openai 等
provider_model = deepseek-r1:14b
provider_server_address = 127.0.0.1:11434

本地提供者列表

提供者 本地? 描述
ollama 是 使用 ollama 作为 LLM 提供者，轻松本地运行 LLM
lm-studio 是 使用 LM Studio 本地运行 LLM（将 provider_name 设置为 lm-studio）
openai 否 使用兼容的 API

启动所有服务：

sudo ./start_services.sh # MacOS
start ./start_services.cmd # Windows

运行助手：

python3 cli.py

如果你不知道如何开始，请参阅 Usage 部分

如果遇到问题，请先参考 Known issues 部分

如果你的电脑无法在本机运行 deepseek，也许你可以试看看 API 的方式，参见 Run with an API

有关设定档的详细解释，请参阅 Config 部分。

Usage （使用方法）

为确保 agenticSeek 在中文环境下正常工作，请确保在 config.ini 中设置语言选项。 languages = en zh 更多信息请参阅 Config 部分

确定所有的核心档案都启用了，也就是执行过这条命令 ./start_services.sh 然后你就可以使用 python3 cli.py 来启动 AgenticSeek 了！

sudo ./start_services.sh
python3 cli.py

当你看到执行后显示 >>> 这表示一切运作正常，AgenticSeek 正在等待你给他任何指令。 你也可以透过设定 config.ini 内的 listen = True 来启用语音转文字。

要退出时，只要和他说 goodbye 就可以退出！

以下是一些用法：

Coding/Bash

在 Golang 中幫助我進行矩陣乘法

使用 nmap 掃描我的網路，找出是否有任何可疑裝置連接

用 Python 製作一個貪食蛇遊戲

网路搜寻

進行網路搜尋，找出日本從事尖端人工智慧研究的酷炫科技新創公司

你能在網路上找到誰創造了 AgenticSeek 嗎？

你能在哪個網站上找到便宜的 RTX 4090 嗎？

档案浏览与搜寻

嘿，你能找到我遺失的 million_dollars_contract.pdf 在哪裡嗎？

告訴我我的磁碟還剩下多少空間

尋找並閱讀 README.md，並按照安裝說明進行操作

日常聊天

告訴我關於法國的事

人生的意義是什麼？

我應該在鍛鍊前還是鍛鍊後服用肌酸？

当你把指令送出后，AgenticSeek 会自动调用最能提供帮助的助理，去完成你交办的工作和指令。

但也有可能出现怪怪的情况，或是你要找飞机机票，他跑去教你如何一步步做出一台飞机（开玩笑的，但真的可能出现），因为这是一个早期专案，我们会努力教导他、完善他的！

所以我们希望你在使用时，能明确地表明你希望他要怎么做，下面给你一个范例！

你应该说：进行网络搜索，找出哪些国家最适合独自旅行

而不是说：你知道哪些国家适合独自旅行？

在本地执行属于你的 LLM 伺服器

如果你有一台功能强大的电脑或伺服器，但你想透过笔记型电脑使用它，那么你可以选择在远端伺服器上执行 LLM。

1️⃣ 设定并启动伺服器脚本

在运行 AI 模型的「伺服器」上，取得 IP 位址

ip a | grep "inet " | grep -v 127.0.0.1 | awk '{print $2}' | cut -d/ -f1

注意：请在 Windows 或 MacOS，分别使用 ipconfig 与 ifconfig 来寻找 IP 位址。

如果你希望使用基于 Openai 的服务，请按照 透过 API 执行 部分进行。

复制储存库并且进入 server/ 资料夹。

git clone --depth 1 https://github.com/Fosowl/agenticSeek.git
cd agenticSeek/server/

安装伺服器所需的套件：

pip3 install -r requirements.txt

执行伺服器脚本。

python3 app.py --provider ollama --port 3333

您可以选择使用 ollama 或 llamacpp 作为 LLM 的服务框架。

2️⃣ 执行

在你的电脑上：

  • 更改 config.ini
  • provider_name = server
  • provider_model = deepseek-r1:14b
  • provider_server_address = {你执行模型的电脑的 IP 位址}
[MAIN]
is_local = False
provider_name = server
provider_model = deepseek-r1:14b
provider_server_address = x.x.x.x:3333

执行 AgenticSeek：

sudo ./start_services.sh
python3 cli.py

Run with an API （透过 API 执行）

设定 config.ini。

[MAIN]
is_local = False
provider_name = openai
provider_model = gpt-4o
provider_server_address = 127.0.0.1:5000

警告：确保 config.ini 没有行尾空格。

如果使用基于本机的 openai-based api 则把 is_local 设定为 True。

同时更改你的 IP 为 openai-based api 的 IP。

执行 AgenticSeek：

sudo ./start_services.sh
python3 cli.py

语音转文字

预设状况下，语音转文字功能是停用的。若要启用它，请在 config.ini 档案中，将 listen 选项设为 True：

listen = True

启用后 AgenticSeek 会聆听你是否呼唤他，他才会开始听你说的话，你可以在 config.ini 内去设定，要怎么叫他。

agent_name = Friday

为了获得比较好的结果，我们建议使用常见的英文名称（如 “John” 或 “Emma”）作为他的名字。

当你看到程式开始执行时，请大声说出他的名字，就可以唤醒 AgenticSeek 去聆听！（如：Friday）

清楚说出你的需求。

用确认短句结束你说的话，以通知 AgenticSeek 继续。确认短句的范例包括：

"do it", "go ahead", "execute", "run", "start", "thanks", "would ya", "please", "okay?", "proceed", "continue", "go on", "do that", "go it", "do you understand?"

Config

Config 范例：

[MAIN]
is_local = True
provider_name = ollama
provider_model = deepseek-r1:1.5b
provider_server_address = 127.0.0.1:11434
agent_name = Friday
recover_last_session = False
save_session = False
speak = False
listen = False
work_dir = /Users/mlg/Documents/ai_folder
jarvis_personality = False
languages = en zh
[BROWSER]
headless_browser = False
stealth_mode = False

说明:

  • is_local
    • True：在本地運行。
    • False：在遠端伺服器運行。
  • provider_name
    • 框架類型
      • ollama, server, lm-studio, deepseek-api
  • provider_model
    • 運行的模型
      • deepseek-r1:1.5b, deepseek-r1:14b
  • provider_server_address
    • 伺服器 IP
      • 127.0.0.1:11434
  • agent_name
    • AgenticSeek 的名字，用作TTS的觸發單詞。
      • Friday
  • recover_last_session
    • True：從上個對話繼續。
    • False：重啟對話。
  • save_session
    • True：儲存對話紀錄。
    • False：不保存。
  • speak
    • True：啟用語音輸出。
    • False：關閉語音輸出。
  • listen
    • True：啟用語音輸入。
    • False：關閉語音輸入。
  • work_dir
    • AgenticSeek 擁有能存取與交互的工作目錄。
  • jarvis_personality

    就是那個鋼鐵人的 JARVIS

    • True：啟用 JARVIS 個性。
    • False：關閉 JARVIS 個性。
  • headless_browser
    • True：前景瀏覽器。（很酷，推薦使用他 XD）
    • False：背景執行瀏覽器。
  • stealth_mode
    • 隱私模式，但需要你自己安裝反爬蟲擴充功能。
  • languages
    • 支持的语言列表。用于代理路由系统。语言列表越长，下载的模型越多。

框架

下表显示了可用的框架：

框架 本地? 描述
ollama 可 使用 ollama 框架去执行本地模型
server 可 本地伺服器执行模型远端调用
lm-studio 可 使用 LM Studio 在本地运行 LLM（设定provider_name为lm-studio）
openai 不可 使用 ChatGPT API（无法保证隐私）
deepseek-api 不可 使用 Deepseek API (无法保证隐私)
huggingface 不可 使用 Hugging-Face API (无法保证隐私)

若要选择框架，请变更 config.ini 文件：

is_local = False
provider_name = openai
provider_model = gpt-4o
provider_server_address = 127.0.0.1:5000

is_local: 对于任何本地运行的 LLM 都应该为 True，否则为 False。

provider_name: 透过名称选择要使用的框架，请参阅上面的框架清单。

provider_model: 设定 AgenticSeek 使用的模型。

provider_server_address: 如果不使用云端 API，则可以将其设定为任何内容。

Known issues （已知问题）

Chromedriver Issues

已知问题 #1: chromedriver mismatch

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

如果你的浏览器和 chromedriver 版本不一样，就会发生这种情况。

你可以透过以下连结下载最新版本：

https://developer.chrome.com/docs/chromedriver/downloads

如果您使用的是 Chrome 版本 115 或更新版本，请前往：

https://googlechromelabs.github.io/chrome-for-testing/

下载与你的作业系统相符的 chromedriver 版本。

alt text

如果有其他问题，请提供尽量详细的叙述到 Issues 上，尽可能包含当前环境和问题是怎么发生的。

FAQ

Q：我需要什么样的硬体配备？

模型大小 GPU 说明
7B 8GB VRAM ⚠️ 不推荐。性能较差，容易出现幻觉，规划代理可能会失败。
14B 12GB VRAM（例如 RTX 3060） ✅ 可用于简单任务。可能在网页浏览和规划任务上表现较弱。
32B 24GB+ VRAM（例如 RTX 4090） 🚀 能完成大多数任务，但在任务规划上可能仍有困难。
70B+ 48GB+ VRAM（例如 Mac Studio） 💪 表现优秀。推荐用于高级用例。

Q：为什么选择 Deepseek R1 而不是其他模型？

就其尺寸而言，Deepseek R1 在推理和使用方面表现出色。我们认为非常适合我们的需求，其他模型也很好用，但 Deepseek 是我们最后选定的模型。

Q：我在执行时 main.py 时出现错误。我该怎么办？

  1. 确保 Ollama 正在运行（ollama serve）
  2. 你 config.ini 内 provider_name 的框架选择正确。
  3. 依赖套件已安装
  4. 如果均无效，请随时提出 Issues，同样尽可能包含当前环境和问题是怎么发生的。

Q：它真的是 100% 本地运行吗？

是的，透过 Ollama 或其他框架，所有语音转文字、LLM 和文字转语音模型都在本地运行。 但你能选择非本地执行（OpenAI 或其他 API），同样也是可以的

Q：我有 Manus 为甚么还要用 AgenticSeek？

这是我们因为兴趣做的一个小 Side-Project，他特别的点在于是一个全部本地化的模型，而且可以像钢铁人里面一样与 Jarvis 对话，听起来就超级酷的吧！随着 Manus 的进化，我们也相应的加入更多功能！

Q：它比 Manus 好在哪里？

不不不，AgenticSeek 和 Manus 是不同取向的东西，我们优先考虑的是本地执行和隐私，而不是基于云端。这是一个与 Manus 相比起来更有趣且易使用的方案！

贡献

我们正在寻找开发者来改善 AgenticSeek！你可以在 Issues 查看未解决的问题或和我们讨论更酷的新功能！

Contribution guide

Star History Chart

作者:

Fosowl steveh8758