✨ 核心特性
🏆 GAIA 基准测试冠军
AutoAgent 在开源方法中排名 #1，性能可媲美 OpenAI 的 Deep Research。
📚 Agentic-RAG，内置自管理向量数据库
AutoAgent 配备原生自管理向量数据库，超越 LangChain 等行业领先方案。
✨ 轻松创建 Agent 和工作流
AutoAgent 利用自然语言轻松构建可直接使用的工具、Agent 和工作流——无需编码。
🌐 广泛兼容 LLM
AutoAgent 无缝集成多种 LLM（如 OpenAI、Anthropic、DeepSeek、vLLM、Grok、Huggingface…）。
🔀 灵活交互模式
支持函数调用（Function-Calling） 和 ReAct 交互模式。
🤖 动态、可扩展、轻量级
AutoAgent 是你的个人 AI 助手，具备动态、可扩展、可定制、轻量级的特性。
AutoAgent 的使用方法
1. 用户模式（SOTA 🏆 对标 OpenAI Deep Research）
AutoAgent 内置多智能体（Agent）系统，你可以在启动页面选择用户模式直接使用。这个多智能体系统是一个通用 AI 助手，具备与 OpenAI Deep Research 相同的功能，并在 GAIA 基准测试中实现了可媲美的性能。
🚀 高性能：基于 Claude 3.5 实现 Deep Research 级别的表现，而非 OpenAI 的 o3 模型。
🔄 模型灵活性：兼容任何 LLM（包括 DeepSeek-R1、Grok、Gemini 等）。
💰 高性价比：开源替代方案，无需支付 Deep Research $200/月 的订阅费用。
🎯 用户友好：提供易部署 CLI 界面，交互流畅无阻。
📁 文件支持：支持文件上传，实现更强的数据交互能力。
🎥 Deep Research（即用户模式）
2. Agent 编辑器（无工作流的 Agent 创建）
AutoAgent 最具特色的功能是自然语言定制能力。不同于其他 Agent 框架，AutoAgent 允许你仅通过自然语言创建工具、Agent 和工作流。只需选择 Agent 编辑器或工作流编辑器模式，即可开启对话式构建 Agent 之旅。
你可以按照下图所示方式使用 Agent 编辑器进行操作。
3. 工作流编辑器（使用工作流创建 Agent）
你还可以通过工作流编辑器模式，使用自然语言描述创建代理工作流，如下图所示。（提示：此模式暂时不支持工具创建。）
https://github.com/HKUDS/AutoAgent
（文：PyTorch研习社）