AgenticSeek：自托管的 AI 工具方案

介绍

一个 100% 本地化的 Manus AI 替代方案，这款支持语音的 AI 智能体可以自主浏览网页、编写代码、规划任务，同时将所有数据保留在本地设备上。针对本地推理模型进行了优化，完全在你的硬件上运行，确保完全隐私且零云依赖。

🔒 完全本地化与隐私保护 - 所有功能都在本地机器上运行——无云端、无数据共享。你的文件、对话和搜索记录始终保持私密。

🌐 智能网页浏览 - AgenticSeek 可以自主浏览互联网——搜索、阅读、提取信息、填充网页表单——完全无需人工干预。

💻 自主编码助手 - 需要代码？它可以编写、调试和运行 Python、C、Go、Java 等多种编程语言的程序——无需监督。

🧠 智能智能体选择 - 你提出问题，它会自动判断最合适的智能体来完成任务。就像随时有一个专家团队做准备一样。

📋 规划与执行复杂任务 - 从旅行规划到复杂项目——它可以将大任务分解为步骤，并使用多个 AI 智能体来完成工作。

🎙️ 语音启用 - 清晰、快速、未来感十足的语音和语音转文本功能，让你可以像与科幻电影中的个人 AI 助手对话一样与它交互。（开发中）

示例用例

你能否搜索 AgenticSeek 项目，了解所需的技能，然后打开 CV_candidates.zip 文件，并告诉我哪些候选人最匹配该项目？

免责声明： 该演示中出现的所有文件（如 CV_candidates.zip）都是虚构的。我们不是一家公司，我们寻求的是开源贡献者，而非候选人。

致谢

🙏 本项目最初只是一个副业项目，零路线图、零融资。它的发展超出了我的预期，最终登上了 GitHub 热榜。衷心感谢所有贡献、反馈和耐心。

前置要求

开始之前，请确保安装了以下软件：

Git： 用于克隆仓库。下载 Git

Python 3.10.x： 我们强烈建议使用 Python 3.10.x 版本。使用其他版本可能导致依赖错误。下载 Python 3.10（选择 3.10.x 版本）。

Docker Engine 与 Docker Compose： 用于运行捆绑服务（如 SearxNG）。安装 Docker Desktop（包含 Docker Compose V2）：Windows | Mac | Linux。或者在 Linux 上分别安装 Docker Engine 和 Docker Compose：Docker Engine | Docker Compose（确保安装 Compose V2，例如 sudo apt-get install docker-compose-plugin）。

安装步骤

1. 克隆仓库并设置

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

2. 修改 .env 文件内容

SEARXNG_BASE_URL="http://searxng:8080" # value depends on where the backend runs — see the SEARXNG note below
SEARXNG_PORT=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'

根据需要使用你自己的值更新 .env 文件：

SEARXNG_PORT： Docker 发布 SearXNG 时使用的主机端口。如果你的机器上端口 8080 已被占用，请设置另一个端口（例如 8001）。Docker 容器内部始终监听端口 8080——此变量不会改变这一点。

SEARXNG_BASE_URL： 后端用于访问 SearXNG 的地址。它在 .env 中设置（不在 config.ini），仅取决于后端的运行位置：

要在浏览器中检查 SearXNG，始终使用主机端口：http://localhost:<SEARXNG_PORT>。更改 .env 后，重启后端——该文件仅在进程启动时读取。

REDIS_BASE_URL： 保持不变

WORK_DIR： 本地机器上工作目录的路径。AgenticSeek 将能够读取和交互这些文件。

OLLAMA_PORT： Ollama 服务的端口号。

LM_STUDIO_PORT： LM Studio 服务的端口号。

CUSTOM_ADDITIONAL_LLM_PORT： 任何额外自定义 LLM 服务的端口。

API Key： 对于选择本地运行 LLM 的用户来说完全可选。这是本项目的主要目的。如果你的硬件足够强大，可以留空。

确保 Docker 已安装并在你的系统上运行。你可以使用以下命令启动 Docker：

在 Linux/macOS 上： 打开终端并运行：

sudo systemctl start docker

或从应用菜单启动 Docker Desktop（如果已安装）。

在 Windows 上： 从开始菜单启动 Docker Desktop。

你可以通过执行以下命令验证 Docker 是否在运行：

docker info

如果你看到关于你的 Docker 安装的信息，说明它运行正常。

有关本地供应商的摘要，请参见下表。

下一步： 本地运行 AgenticSeek

如果遇到问题，请查看故障排除部分。如果你的硬件无法本地运行 LLM，请参见使用 API 运行的设置。有关详细的 config.ini 说明，请参见配置部分。

在本地机器上设置 LLM 本地运行

硬件要求：

要本地运行 LLM，你需要足够的硬件。至少需要能够运行 Magistral、Qwen 或 Deepseek 14B 的 GPU。详细的模型/性能建议请参见常见问题。

设置本地供应商

启动你的本地供应商（例如使用 ollama）：

除非你希望在主机上运行 AgenticSeek（CLI 模式），否则导出或设置供应商监听地址：

export OLLAMA_HOST=0.0.0.0:11434

然后启动供应商：

ollama serve

下面是本地支持供应商的列表。

更新 config.ini

更改 config.ini 文件，将 provider_name 设置为支持的供应商，provider_model 设置为供应商支持的 LLM。我们建议使用推理模型，如 Magistral 或 Deepseek。

请参见 README 末尾的常见问题以了解所需的硬件。

[MAIN]
is_local = True
provider_name = ollama
provider_model = deepseek-r1:14b
provider_server_address = 127.0.0.1:11434
agent_name = Jarvis
recover_last_session = True
save_session = True
speak = False
listen = False
jarvis_personality = False
languages = en zh
[BROWSER]
headless_browser = True
stealth_mode = True

config.ini 文件格式不支持注释。不要直接复制粘贴示例配置，因为注释会导致错误。相反，应手动修改 config.ini 文件以设置所需的值，不包括任何注释。

注意： 如果使用 LM-studio 运行 LLM，请勿将 provider_name 设置为 openai。应将其设置为 lm-studio。

注意： 某些供应商（如 lm-studio）要求在 IP 前面加上 http://。例如 http://127.0.0.1:1234。

本地供应商列表

下一步： 启动服务并运行 AgenticSeek

使用 API 设置

此设置使用外部的基于云的 LLM 提供商。你需要从选定的服务获取 API 密钥。

1. 选择 API 提供商并获取 API 密钥：

参考下方的 API 提供商列表。访问他们的网站注册并获取 API 密钥。

2. 将 API 密钥设置为环境变量：

Linux/macOS：打开终端并使用 export 命令。最好将其添加到 shell 的配置文件（例如 ~/.bashrc、~/.zshrc）中以保持持久性。

export PROVIDER_API_KEY="your_api_key_here"
# 将 PROVIDER_API_KEY 替换为特定的变量名，例如 OPENAI_API_KEY、GOOGLE_API_KEY

TogetherAI 示例：

export TOGETHER_API_KEY="xxxxxxxxxxxxxxxxxxxxxx"

Windows：

Command Prompt（临时，仅当前会话）：

set PROVIDER_API_KEY=your_api_key_here

PowerShell（临时，仅当前会话）：

$env:PROVIDER_API_KEY="your_api_key_here"

永久设置：在 Windows 搜索栏中搜索"环境变量"，点击"编辑系统环境变量"，然后点击"环境变量..."按钮。添加一个新的用户变量，命名为相应的名称（例如 OPENAI_API_KEY），并将你的密钥作为值。

（有关更多详情，请参阅常见问题：如何设置 API 密钥？）

3. 更新 config.ini：

[MAIN]
is_local = False
provider_name = openai # 或 google、deepseek、togetherAI、huggingface
provider_model = gpt-3.5-turbo # 或 gemini-1.5-flash、deepseek-chat、mistralai/Mixtral-8x7B-Instruct-v0.1 等
provider_server_address = # 当 is_local = False 时，对于大多数 API 通常被忽略或可留空
# ... 其他设置 ...

警告：确保 config.ini 值中没有尾部空格。

API 提供商列表

我们建议不要将 gpt-4o 或其他 OpenAI 模型用于复杂的网页浏览和任务规划，因为当前的提示优化是针对 Deepseek 等模型的。

编码/bash 任务在使用 Gemini 时可能会遇到问题，因为它可能不会严格遵循针对 Deepseek 优化的格式提示。

当 is_local = False 时，config.ini 中的 provider_server_address 通常不会被使用，因为 API 端点通常在各自提供商的库中硬编码。

下一步：启动服务并运行 AgenticSeek

如有问题，请参阅已知问题部分。

有关详细的配置文件说明，请参阅配置部分。

启动服务并运行

默认情况下，AgenticSeek 完全在 Docker 中运行。

选项 1：在 Docker 中运行，使用网页界面：

启动所需的服务。这将从 docker-compose.yml 启动所有服务，包括：

• searxng
• redis（searxng 所需）
• frontend
• backend（使用网页界面时若使用 full）

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

警告：此步骤将下载并加载所有 Docker 镜像，可能需要长达 30 分钟。启动服务后，请等待 backend 服务完全运行（你应该在日志中看到 backend: "GET /health HTTP/1.1" 200 OK），然后再发送任何消息。backend 服务在首次运行时可能需要 5 分钟才能启动。

访问 http://localhost:3000/，你应该能看到网页界面。

故障排除服务启动：如果这些脚本失败，请确保 Docker Engine 正在运行，并且 Docker Compose（V2，docker compose）安装正确。查看终端的输出以获取错误消息。参阅常见问题：帮助！运行 AgenticSeek 或其脚本时出现错误。

若要使用 CLI 界面，你必须在主机上安装包：

./install.sh
./install.bat # windows

然后你必须在 .env 文件（不是 config.ini）中更改 SEARXNG_BASE_URL 为主机映射的地址，因为在 CLI 模式下 backend 在你的机器上运行，在 Docker 外：

SEARXNG_BASE_URL="http://localhost:8080"

如果你在 .env 中更改了 SEARXNG_PORT，请在这里使用该端口（例如 http://localhost:8001）。编辑 .env 后重启 cli.py——该值在启动时读取。

启动所需的服务。这将从 docker-compose.yml 启动某些服务，包括：

• searxng
• redis（searxng 所需）
• frontend

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

运行：

uv run python -m ensurepip

以确保 uv 启用了 pip。

使用 CLI：

uv run cli.py

确保服务已通过 ./start_services.sh full 启动并运行，然后在 localhost:3000 访问网页界面。

你也可以通过在配置中设置 listen = True 来使用语音转文字。仅适用于 CLI 模式。

要退出，只需说/输入 goodbye。

以下是一些使用示例：

用 Python 制作一个贪吃蛇游戏！

在网上搜索法国雷恩排名前列的咖啡馆，并将三家咖啡馆及其地址的列表保存在 rennes_cafes.txt 中。

编写一个 Go 程序来计算数字的阶乘，并将其保存为 workspace 中的 factorial.go

搜索 summer_pictures 文件夹中的所有 JPG 文件，用今天的日期重命名，并将重命名的文件列表保存在 photos_list.txt 中

在网上搜索 2024 年流行的科幻电影，选择三部今晚观看。将列表保存在 movie_night.txt 中。

在网上搜索 2025 年最新的 AI 新闻文章，选择三篇，并编写 Python 脚本来爬取它们的标题和摘要。将脚本保存为 news_scraper.py，将摘要保存在 /home/projects 中的 ai_news.txt

周五，在网上搜索免费的股票价格 API，使用 supersuper7434567@gmail.com 注册，然后编写 Python 脚本来使用该 API 获取 Tesla 的每日价格，并将结果保存在 stock_prices.csv 中

请注意，表单填充功能仍处于试验阶段，可能会失败。

在你输入查询后，AgenticSeek 将为该任务分配最佳的 AI 智能体。

因为这是一个早期原型，AI 智能体路由系统可能不会总是根据你的查询分配正确的 AI 智能体。

因此，你应该明确说明你想要什么以及 AI 可能如何进行。例如，如果你想让它进行网络搜索，不要说：

你知道一些适合独自旅行的好国家吗？

而应该说：

进行网络搜索，找出最适合独自旅行的国家

在你自己的服务器上运行 LLM

如果你有一台强大的计算机或可以使用的服务器，但想从笔记本电脑上使用它，你可以选择使用我们的自定义 LLM 服务器在远程服务器上运行 LLM。

在将运行 AI 模型的"服务器"上获取 IP 地址：

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

注意：对于 Windows 或 macOS，分别使用 ipconfig 或 ifconfig 查找 IP 地址。

克隆仓库并进入 server 文件夹。

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

安装服务器特定的依赖：

pip3 install -r requirements.txt

运行服务器脚本。

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

你可以选择使用 ollama 或 llamacpp 作为 LLM 服务。

现在在你的个人计算机上：

更改 config.ini 文件，将 provider_name 设置为 server，provider_model 设置为 deepseek-r1:70b。将 provider_server_address 设置为将运行模型的机器的 IP 地址。

[MAIN]
is_local = False
provider_name = server
provider_model = deepseek-r1:70b
provider_server_address = http://x.x.x.x:3333

下一步：启动服务并运行 AgenticSeek

警告：语音转文字目前仅在 CLI 模式下有效。

请注意，目前语音转文字仅支持英文。

语音转文字功能默认禁用。要启用它，在 config.ini 文件中将 listen 选项设置为 True：

listen = True

启用后，语音转文字功能将侦听触发关键词（即 AI 智能体的名称），然后才开始处理你的输入。你可以通过更新 config.ini 文件中的 agent_name 值来自定义 AI 智能体的名称：

agent_name = Friday

为获得最佳识别效果，我们建议使用常见的英文名作为智能体名称，例如“John”或“Emma”。

看到转录文本开始出现后，大声说出智能体的名称以唤醒它（例如“Friday”）。

清晰地说出你的问题。

在请求末尾加上确认短语，向系统发出继续执行的信号。确认短语示例包括：

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

[MAIN]
is_local = True
provider_name = ollama
provider_model = deepseek-r1:32b
provider_server_address = http://127.0.0.1:11434 # Example for Ollama; use http://127.0.0.1:1234 for LM-Studio
agent_name = Friday
recover_last_session = False
save_session = False
speak = False
listen = False

jarvis_personality = False
languages = en zh # List of languages for TTS and potentially routing.
[BROWSER]
headless_browser = False
stealth_mode = False

config.ini 设置说明：

[MAIN] 部分：is_local：如果使用本地 LLM 提供商（Ollama、LM-Studio、本地 OpenAI 兼容服务器）或自托管服务器选项，则设为 True。如果使用基于云的 API（OpenAI、Google 等），则设为 False。provider_name：指定 LLM 提供商。本地选项：ollama、lm-studio、openai（用于本地 OpenAI 兼容服务器）、server（用于自托管服务器配置）。API 选项：openai、google、deepseek、huggingface、togetherAI。provider_model：所选提供商的具体模型名称或 ID（例如，Ollama 使用 deepseekcoder:6.7b，OpenAI API 使用 gpt-3.5-turbo，TogetherAI 使用 mistralai/Mixtral-8x7B-Instruct-v0.1）。provider_server_address：LLM 提供商的地址。对于本地提供商：例如，Ollama 使用 http://127.0.0.1:11434，LM-Studio 使用 http://127.0.0.1:1234。对于 server 提供商类型：自托管 LLM 服务器的地址（例如 http://your_server_ip:3333）。对于云 API（is_local = False）：此项通常会被忽略或可以留空，因为 API 端点通常由客户端库处理。agent_name：AI 助手的名称（例如 Friday）。如果启用了语音转文本，它将用作触发词。recover_last_session：设为 True 时尝试恢复上一次会话的状态，设为 False 时重新开始。save_session：设为 True 时保存当前会话的状态，以便之后恢复；否则设为 False。speak：设为 True 时启用文本转语音输出，设为 False 时禁用。listen：设为 True 时启用语音转文本输入（仅限 CLI 模式），设为 False 时禁用。work_dir：至关重要：AgenticSeek 读写文件的目录。请确保此路径在你的系统上有效且可访问。jarvis_personality：设为 True 时使用更具“Jarvis 风格”的系统提示词（实验性功能），设为 False 时使用标准提示词。languages：以逗号分隔的语言列表（例如 en, zh, fr）。用于选择 TTS 语音（默认为第一个），也可辅助 LLM 路由器。为提高路由器效率，请避免配置过多语言或过于相似的语言。

is_local：如果使用本地 LLM 提供商（Ollama、LM-Studio、本地 OpenAI 兼容服务器）或自托管服务器选项，则设为 True。如果使用基于云的 API（OpenAI、Google 等），则设为 False。

provider_name：指定 LLM 提供商。本地选项：ollama、lm-studio、openai（用于本地 OpenAI 兼容服务器）、server（用于自托管服务器配置）。API 选项：openai、google、deepseek、huggingface、togetherAI。

本地选项：ollama、lm-studio、openai（用于本地 OpenAI 兼容服务器）、server（用于自托管服务器配置）。

API 选项：openai、google、deepseek、huggingface、togetherAI。

provider_model：所选提供商的具体模型名称或 ID（例如，Ollama 使用 deepseekcoder:6.7b，OpenAI API 使用 gpt-3.5-turbo，TogetherAI 使用 mistralai/Mixtral-8x7B-Instruct-v0.1）。

provider_server_address：LLM 提供商的地址。对于本地提供商：例如，Ollama 使用 http://127.0.0.1:11434，LM-Studio 使用 http://127.0.0.1:1234。对于 server 提供商类型：自托管 LLM 服务器的地址（例如 http://your_server_ip:3333）。对于云 API（is_local = False）：此项通常会被忽略或可以留空，因为 API 端点通常由客户端库处理。

对于本地提供商：例如，Ollama 使用 http://127.0.0.1:11434，LM-Studio 使用 http://127.0.0.1:1234。

对于 server 提供商类型：自托管 LLM 服务器的地址（例如 http://your_server_ip:3333）。

对于云 API（is_local = False）：此项通常会被忽略或可以留空，因为 API 端点通常由客户端库处理。

agent_name：AI 助手的名称（例如 Friday）。如果启用了语音转文本，它将用作触发词。

recover_last_session：设为 True 时尝试恢复上一次会话的状态，设为 False 时重新开始。

save_session：设为 True 时保存当前会话的状态，以便之后恢复；否则设为 False。

speak：设为 True 时启用文本转语音输出，设为 False 时禁用。

listen：设为 True 时启用语音转文本输入（仅限 CLI 模式），设为 False 时禁用。

work_dir：至关重要：AgenticSeek 读写文件的目录。请确保此路径在你的系统上有效且可访问。

jarvis_personality：设为 True 时使用更具“Jarvis 风格”的系统提示词（实验性功能），设为 False 时使用标准提示词。

languages：以逗号分隔的语言列表（例如 en, zh, fr）。用于选择 TTS 语音（默认为第一个），也可辅助 LLM 路由器。为提高路由器效率，请避免配置过多语言或过于相似的语言。

[BROWSER] 部分：headless_browser：设为 True 时，在不显示可见窗口的情况下运行自动化浏览器（推荐用于 Web 界面或非交互式场景）。设为 False 时显示浏览器窗口（适用于 CLI 模式或调试）。stealth_mode：设为 True 时启用相关措施，使浏览器自动化更难被检测到。可能需要手动安装 anticaptcha 等浏览器扩展。

headless_browser：设为 True 时，在不显示可见窗口的情况下运行自动化浏览器（推荐用于 Web 界面或非交互式场景）。设为 False 时显示浏览器窗口（适用于 CLI 模式或调试）。

stealth_mode：设为 True 时启用