English | 中文 | 官方网站 | 文档 | 贡献 | 反馈

--- ## 界面     # 🌟 特性 - 📦 **开源和闭源模型灵活接入**： - **一键集成 Ollama**：集成Ollama，无需命令行操作即可控制和管理Ollama模型的下载、部署和运行。 - **兼容HuggingFace**：支持HuggingFace GGUF格式的模型一键下载。 - **模型chat-template自适应**：开源模型下载安装即自动适配Chat模板，简化使用。 - **兼容主流模型API**：支持接入OpenAI、Claude、DeepSeek等商业模型及任何兼容OpenAI格式的服务商，打破平台绑定。 - **模型灵活切换**：本地模型与API模型在对话时可无缝切换，可根据需要自由选择性能与成本平衡。 - 🏠 **DeepResearch & 多智能体协同**： - **Multi-Agent任务引擎**：多智能体分工协作，处理复杂任务。 - **完整的Agentic工作流程**： - **意图识别**：精准理解用户需求。 - **任务规划**：自主拆解复杂任务。 - **任务执行**：高效执行多步骤流程。 - **工具调用**：灵活使用多种外部工具。 - **自我反思**：反思执行情况并自我纠正。 - **自我总结**：提供结构化结果输出。 - **人在回路**：任务规划后，支持使用自然语言修改研究计划 - 🧩 **本地RAG知识库**： - **多种知识入库方式**：支持通过文件、文件夹、网站等方式添加知识库。 - **动态知识库同步**：绑定本地文件夹后，内容变更实时自动同步至知识库，确保信息始终最新。 - **多格式文档解析**：支持PDF、Word、Excel、PPT、网页、Markdown、纯文本等格式。 - **回答可溯源**：使用知识库回答问题时，可溯源具体参考的知识片段。 - **隐私安全保障**：本地存储向量化数据，降低数据安全风险。 - **Agentic RAG**：智能拆解复杂问题，自主评估信息充分性，生成更完整、更可信的答案。 - 🛠️ **MCP协议与工具支持**： - **开箱即用工具库**：内置联网搜索、网络爬虫、浏览器控制、本地文件控制等MCP工具集。 - **配置扩展能力**：支持本地（STDIO）、远程（SSE）方式接入MCP工具，便于扩展与集成。 - 🤖 **智能体工厂**： - **可视化制定场景智能体**：角色设定、模型绑定、变量配置、工具集成等定制专属场景助手（如行业研究报告、旅游规划）。 - **持续迭代**：智能体通过自然语言迭代，随着使用越来越懂你。 - **一键分享与导入**：支智能体配置分享到社区，覆盖写作、编程、翻译、调研、教育等场景 - 🤖 **聊天对话**： - **公式渲染**：支持KaTeX公式渲染，方便学术领域使用。 - **Mermaid渲染**：支持Mermaid 图表可视化，可绘制流程图、时序图、甘特图等。 - **Artifacts渲染**：支持html、svg、xml代码结果展示。 - **自由分支**：对话可自由分支，快速克隆对话过程。 - 🔒 **隐私保障与跨平台体验**： - **数据本地存储**：所有数据本地存储，支持纯离线运行，保障隐私安全。 - **跨平台支持**：支持Windows、macOS、Linux本地客户端与Web版本同步使用，零依赖，开箱即用，无需配置环境，全面兼容公有云/私有云/本地服务器/一体机。 - **无需注册**：无需注册账号，无云依赖，适用于对隐私敏感的个人与企业用户。 # 🔍 使用场景 - **个人助手**：管理日程、提供购物建议等日常事务，帮助用户提高效率。 - **学习助手**：帮助学生理解复杂概念，提供学术资源、定制学习计划和复习建议。 - **内容创作**：自动生成文案、优化写作风格，辅助创作者提高内容创作效率。 - **开发辅助**：提供代码生成、调试和技术支持，帮助开发者更高效地解决编程问题。 - **行业专属助手**：定制智能体如法律顾问、行业分析师，满足专业领域的需求。 - **数据分析**：快速分析数据、生成图表和报告，帮助决策者做出数据驱动的决策。 - **知识管理**：自动解析文档、构建知识库，帮助企业整理和查询知识。 - **隐私保护**：提供离线运行和本地存储，确保用户数据的隐私和安全。 # 📝 开发计划 - 智能体运行过程可保存回放并分享 - 全局个性化记忆让ARGO更懂用户，更能交付结果 - 支持使用本地浏览器模拟用户网页浏览获取信息 - 支持定时任务 - 更多垂类场景Agent 欢迎加入我们社区分享您的想法和反馈！[Discord](https://discord.gg/TuMNxXxyEy) | [微信群](https://github.com/user-attachments/assets/d5206618-c32d-4179-9ab7-f74d8cc8706e) | [GitHub讨论区](https://github.com/xark-argo/argo/discussions/categories/ideas) # 📦 快速启动 ### 硬件要求 > 在安装 Argo 之前，请确保您的机器满足以下最低系统要求： > >- CPU >= 4 核 >- 内存 >= 8 GB > > 使用 [Docker](https://www.docker.com/) 时额外的软件要求： >- Docker >= 24.0.0 >- Docker Compose >= v2.26.1 > > 提示: 如果要在 Docker 中启用 CUDA，需要安装 > [Nvidia CUDA container toolkit](https://docs.nvidia.com/dgx/nvidia-container-runtime-upgrade/) --- ### 桌面App快速安装 下载、双击、完成安装. - Macos silicon：[argo-0.3.1-osx-installer.dmg](https://github.com/xark-argo/argo/releases/download/v0.3.1/argo-0.3.1-osx-installer.dmg) - Macos intel：[argo-0.3.1-mac-intel-installer.dmg](https://github.com/xark-argo/argo/releases/download/v0.3.1/argo-0.3.1-mac-intel-installer.dmg) - Windows 64bit（win 10 and above）：[argo-0.3.1-windows-x64-installer.exe](https://github.com/xark-argo/argo/releases/download/v0.3.1/argo-0.3.1-windows-installer.exe) --- ### 使用 [Docker](https://www.docker.com/) 快速开始 🐳 #### 安装不包含 Ollama 的 Argo: 如果你已经在本地或其他容器中运行了 Ollama，并希望 Argo 使用它，可执行： ```bash docker compose -f docker/docker-compose.yaml up -d ``` > ✅ 说明：此方式不会包含 Ollama，因此部分模型下载功能（如 HuggingFace）可能不可用，建议搭配外部 Ollama 服务。 --- #### 安装包含 Ollama 的 Argo（CPU 版本）: 若你希望 Argo 自带 Ollama，并使用 CPU 推理模型，请执行： ```bash docker compose -f docker/docker-compose.ollama.yaml up -d ``` >📦 Ollama 将作为服务与 Argo 一同部署，服务地址为 http://ollama:11434 ，支持自动下载和加载本地模型。 --- #### 安装包含 Ollama 的 Argo（GPU 版本）: 若你希望在具备 GPU 的环境中运行 LLM 模型，请使用： ```bash docker compose -f docker/docker-compose.ollama.gpu.yaml up -d ``` > 🚀 此版本将启用 --gpus all 并挂载 NVIDIA 驱动，需确保主机已正确安装 NVIDIA Container Toolkit。 > Ollama 服务同样部署在容器内，地址为 http://ollama:11434 ，支持 GPU 加速模型推理。 安装完成后，您可以通过 http://localhost:38888 访问 Argo。 # 🖥️ 开发 请参考 [开发文档](docs/DEV_GUIDE_CN.md) # 🤝 贡献 ARGO目前处于初始开发阶段，我们正在积极完善功能和修复问题。在达到正式稳定版本之前，您可能会遇到一些使用上的问题或不稳定情况。我们诚恳地请求您的理解和支持！ ARGO是一个活跃的开源社区项目，我们欢迎各种形式的贡献 1. **贡献代码**：[开发新功能或优化现有代码](https://github.com/xark-argo/argo/pulls) 2. **提交错误**：[提交您发现的bug错误](https://github.com/xark-argo/argo/issues) 3. **维护问题**：[帮助管理 GitHub 问题](https://github.com/xark-argo/argo/issues) 4. **产品设计**：[参与设计讨论](https://github.com/xark-argo/argo/discussions/categories/ideas) 5. **撰写文档**：[改进用户手册和指南](https://docs.xark-argo.com/) 6. **社区参与**：加入讨论并帮助用户，[Discord](https://discord.gg/TuMNxXxyEy) | [微信群](https://github.com/user-attachments/assets/d5206618-c32d-4179-9ab7-f74d8cc8706e) 7. **推广使用**：宣传 ARGO，给我们star 💖 代码贡献请参阅我们的[贡献指南](./CONTRIBUTING_CN.md)。 感谢您的支持和贡献！ ##贡献者 # 📃 许可证 [LICENSE](LICENSE) # ⭐️ Star 记录 [](https://star-history.com/#xark-argo/argo&Timeline)