Agent 与自动化AI 资源

Team Agent：多模型群聊协作桌面工作台

zifulifufu/team-agent · A multi-model agent group-chat workbench — Electron + React front end, FastAPI + LiteLLM backend. Apache-2.0.

GitHub原文发布未知首次收录 2026-09-23上架 2026-09-23 07:03

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

Team Agent 是一个把多个大语言模型（云端或本地）放进同一群聊的桌面工作台，由宿主模型拆解任务并按依赖顺序分派给各成员，成员之间通过 @提及交接工作。项目采用 Electron + React 前端与 FastAPI + LiteLLM 后端，提供工具调用（内置工具、Python 插件、MCP）、本地文档库与 BM25 检索、分层记忆、提示词库与模板画廊、本地模型目录、外部命令行 Agent 接入、聊天频道转发、备份导出与钩子机制，后端仅监听本机回环地址，API 密钥存于系统钥匙串。

# 桌面应用 # 模型路由 # multi-agent # AI编排 # 本地优先

核心能力与快速开始

★ 1 · Python

能做什么: 多模型群聊：每个成员可使用不同模型，宿主模型负责规划（拆解目标、依赖与交付物）并汇总结果，成员通过 @提及互相交接任务。模型路由支持按强项选择、路由链与自动回退（失败或限流时降到下一个模型，最终回退到本地模型）。工具通过纯文本协议调用（每次回复最多 3 个），包含 5 个内置工具、Python 插件和 stdio/SSE/HTTP 的 MCP。内置文档库支持 txt、md、csv、json、html、pdf、docx、xlsx、pptx 分块后 BM25（支持中日韩）检索，另有全局/群组/成员维度的记忆与 Obsidian 双向同步。附件按文件字节识别类型：文档在本机抽取文本，图片交由视觉模型或本机视觉模型处理，视频用 ffmpeg 抽取关键帧，音频在本地安装了转写器时转写。提供 51 个现成团队模板的画廊、提示词库与 {{variables}}、工作区与逐任务输出文件夹、外部命令行 Agent 作为成员接入（默认关闭，含权限级别）、六个聊天频道（WhatsApp、Telegram、WeCom、Feishu、DingTalk、Slack）、备份恢复与 Markdown 导出、用量统计，以及八个固定事件点的自定义钩子。
适用场景: 适合需要在桌面端把多个云端或本地模型组织成协作团队来完成办公文档、视频制作、写作与研究等任务的场景；希望通过模板画廊快速搭建角色分工与提示词的团队；需要本地文档库检索、群组记忆与工作区文件交付的日常工作流；希望将群聊产出推送到微信企业号、飞书、钉钉或 Slack，或通过 Telegram、WhatsApp 从外部触发的场景；以及在自有机器上保留数据、把 API 密钥放进系统钥匙串的隐私敏感使用场景。
项目形态: 可直接使用的工具
部署方式: 桌面应用（Electron + React 前端，FastAPI + LiteLLM 后端），后端只监听 127.0.0.1 并要求携带启动时生成的令牌；也支持仅浏览器方式运行（backend 中 python -m app 加 desktop 中 npm run dev:web，访问 http://localhost:5173）。属本地部署形态；其他托管或云端部署条件未说明。
主要依赖: 需要 Python 与 Node.js 环境以运行 scripts/dev-setup.sh 和 desktop 下 npm run dev；可选脚本 scripts/setup_local_model.sh 会安装 Ollama 并拉取本地回退模型；音频转写需本机已安装 mlx_whisper 或 whisper 等转写器（不随应用捆绑或下载）；本地视觉可选 ollama pull qwen2.5vl:3b。具体硬件要求未说明。
使用限制: 视频只取时长、分辨率与若干均匀抽帧，不转写音轨；无转写器时音频仅记录文件名与大小，不进行内容读取。工具调用每次回复最多 3 个。WhatsApp 通道需要公网 HTTPS 地址（如隧道），且在中国大陆需代理。外部 Agent 与钩子默认关闭，插件和 MCP 服务器以用户权限运行代码。钩子有失败时的默认放行/拦截行为约束。API 调用成本、限流等未说明。
许可证: Apache-2.0
最近推送: 2026-09-23 01:08

官方入门核对 README 依据 ↗

资料检查：2026-09-23 07:00 · 卡片整理：2026-09-23 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

相似资源

PI-Desktop：本地优先的模块化 AI 编程 Agent 桌面工作区

PI-Desktop 是一个本地优先的模块化 AI Agent 桌面工作区，基于 Electron 与 Rust 主机核心构建，集成 pi Agent Harness，并支持用户自行安装插件。它把项目、会话、模型、插件与工作流整合到一个持久化的桌面环境中，支持模型无关配置（OpenAI、Anthropic、兼容 API、自定义网关、Ollama、LM Studio 及本地模型）、三种工作模式（Agent / Plan / Goal）、Subagents 与 Session Orchestrator 多会话编排、插件体系（命令、面板、浮动组件、Agent 工具、技能、MCP Server、主题、后台服务、消息总线）、权限层控制与本地数据存储，主要面向希望以桌面平台形式组织 AI 编程与多 Agent 工作流的用户。

LAVOCADO：本地优先的桌面露骨内容实时检测与自我戒断辅助工具

LAVOCADO 是一款面向 Windows 10/11 与 macOS 的本地优先桌面保护应用，不依赖网址或应用名，而是分析屏幕上实际显示的内容来检测色情与露骨内容。它结合用户配置的应用／网站黑白名单策略和本地视觉模型（NudeNet 640m、YOLO11 NSFW Small，以及用于区域排序的 Viddexa Nano/Mini），经高分辨率 ROI 复核、分块扫描、候选跟踪与独立新帧确认后，在对应显示器上触发“暂停—呼吸—就绪”的干预流程。项目定位为使用者自我戒断的边界工具，而非家长控制或监控产品；截图与像素数据只在本地内存中处理，可选 AI 打字冥想会调用外部 Chat Completions 接口（推荐 gpt-4o-mini），需自备 API 密钥且调用费用另计。

ADAR Core：基于 Google ADK 与 Gemini 的多智能体数据访问与推理平台

ADAR Core 是一个通用多智能体 AI 平台，构建在 Google ADK 和 Gemini 之上，提供 API、ADK Agent 加载配置、共享 UI 与基础设施脚本等共用模块，并以领域应用的方式组织。仓库内含 Geetabitan（孟加拉语 Rabindra Sangeet 助手）、ARCL（美国休闲板球联赛助手，作为参考实现）和餐厅推荐三个领域应用，各领域在 domain 目录中自备配置、Agent、数据摄取、部署与排障文档，通过设置 DOMAIN 环境变量选择运行。

swarmflow：用本地编码 Agent 集群从 PRD 确定性交付经过验证的 MVP

swarmflow 是一个面向绿地项目的确定性控制平面，用于编排多个本地编码 Agent 会话并行开发。它接收 PRD，由前沿模型负责规划、验证与验收，通过多波次（wave）并行执行与门禁流水线（进程清理、回归指纹、区分度检查、范围审计）产出模块与测试，并以 SQLite 账本为唯一事实来源，所有声称作凭据验证而非退出码。前沿后端不限厂商，兼容任意 OpenAI 兼容接口、Command Code CLI、通用终端 Agent CLI 或 Pi；模型选择通过配置完成。当前为 Alpha 状态，已在 5 任务 NestJS 项目上完成端到端验证，PR 自动化和打包制品交付暂不在范围内。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。