AgenticSeek 完全本地化部署指南从零搭建私有 Manus AI 替代品Docker 与 CLI 双模式实战【免费下载链接】agenticSeekFully Local Manus AI. No APIs, No $200 monthly bills. Enjoy an autonomous agent that thinks, browses the web, and code for the sole cost of electricity.项目地址: https://gitcode.com/GitHub_Trending/ag/agenticSeek导读本文以 AgenticSeek 官方日文 READMEREADME_JP.md为主体骨架结合仓库源码sources/llm_provider.py、docker-compose.yml、start_services.sh、.env.example 等展开系统讲解如何把这一 100% 本地化、支持语音交互的多智能体 AI 助手跑起来。读完你将掌握.env 与 config.ini 双配置文件每一项的准确含义与取值原则、Ollama/LM Studio/云 API/自建远程服务器四种 LLM 接入方案的完整配置、Docker Web 界面与 CLI 两种运行模式、语音识别唤醒流程以及 ChromeDriver 版本不匹配等高频故障的排查方法。AgenticSeek 是一个面向本地推理模型设计的 AI 助手项目它默认不依赖任何云端 LLM API所有推理、网页浏览、代码执行、语音处理均在自有硬件上完成并把文件读写限制在指定的工作区目录内。与 Manus 这类托管式智能体不同它把控制权、隐私和 API 成本的控制权完全交还给你——你只需付出电费。下文所有路径均以仓库根目录为基准。一、为什么选择本地化多智能体架构AgenticSeek 的核心卖点可以用一句项目描述概括Fully Local Manus AI. No APIs, No $200 monthly bills.100% 本地化的 Manus AI无需 API无需每月 200 美元的订阅费。它围绕以下能力设计完全本地与隐私LLM、网页搜索SearXNG、语音识别、文本转语音全部在本机运行文件、会话、搜索记录不出设备智能网页浏览基于 Selenium 的自动化浏览器可以自主搜索、阅读、提取信息、填写表单见 sources/browser.py 的Browser类自主编程助手可编写、调试并执行 Python、C、Go、Java 等语言程序对应 sources/tools 目录下的多个解释器实现智能体路由查询输入后系统自动为任务分配合适的 Agent。路由由 sources/router.py 中的AgentRouter完成——它同时运行一个轻量 BART 分类器与本地 LLM 路由器并对两者的置信度加权投票router_vote方法决策过程与结果写入router.log复杂任务规划将大型任务拆分为步骤交由多个 Agent 协作完成语音支持CLI 模式下可用语音输入与 TTS 输出开发中当前仅支持英文。二、准备工作环境与前置依赖官方文档明确要求以下软件对应 README_JP.md 的 前提条件 一节软件版本要求用途Git任意较新版本克隆仓库Python3.10.x强烈推荐其他版本可能引发依赖错误Docker Engine Docker ComposeComposeV2docker compose命令运行 SearXNG、Redis、前端等打包服务Linux 下单独安装 Compose 时请确保是 V2 插件例如sudo apt-get install docker-compose-plugin使用 Docker DesktopWindows/macOS则自带 Compose V2。三、第一步部署克隆仓库与环境变量3.1 克隆并初始化git clone https://github.com/Fosowl/agenticSeek.git cd agenticSeek mv .env.example .env3.2 .env 文件全字段解析仓库根目录的 .env.example 提供了带注释的完整模板核心字段如下SEARXNG_BASE_URLhttp://searxng:8080 # 取决于后端运行位置详见下文 SEARXNG_PORT8080 REDIS_BASE_URLredis://redis:6379/0 WORK_DIR/Users/mlg/Documents/workspace_for_ai OLLAMA_PORT11434 LM_STUDIO_PORT1234 CUSTOM_ADDITIONAL_LLM_PORT11435 OPENAI_API_KEYoptional DEEPSEEK_API_KEYoptional OPENROUTER_API_KEYoptional TOGETHER_API_KEYoptional GOOGLE_API_KEYoptional ANTHROPIC_API_KEYoptional各字段的精确含义在 .env 中设置不是config.iniSEARXNG_PORTDocker 向宿主机发布SearXNG 的端口。若本机 8080 被占用可改为如8001。注意容器内部始终监听 8080该变量只改宿主机映射SEARXNG_BASE_URL后端访问 SearXNG 用的地址取值仅由后端运行位置决定AgenticSeek 运行方式SEARXNG_BASE_URLWeb 界面后端在 Docker 内./start_services.sh fullhttp://searxng:8080即使改了SEARXNG_PORT也始终是 8080CLI 模式后端在宿主机uv run cli.pyhttp://localhost:8080若改了SEARXNG_PORT则用对应端口如http://localhost:8001http://searxng:...在此无效该主机名只存在于 Docker 内部浏览器验证 SearXNG 请始终访问宿主机端口http://localhost:SEARXNG_PORT.env只在进程启动时读取修改后必须重启后端。该配置逻辑在 docker-compose.yml 中得到了印证searxng 服务端口映射为${SEARXNG_PORT:-8080}:8080backend 服务注入SEARXNG_BASE_URL${SEARXNG_BASE_URL:-http://searxng:8080}与REDIS_URL${REDIS_BASE_URL:-redis://redis:6379/0}。REDIS_BASE_URL保持默认即可SearXNG 依赖 RedisWORK_DIR本地工作目录绝对路径AgenticSeek 只能在该目录内读写文件。在 Docker 模式下该目录被挂载到容器的/opt/workspace见 docker-compose.yml 第 85 行start_services.sh 还会校验它不能等于仓库根目录且数据量不能超过 20GBOLLAMA_PORT / LM_STUDIO_PORT / CUSTOM_ADDITIONAL_LLM_PORT分别对应 Ollama、LM Studio、自定义 LLM 服务的端口各 API Key全部可选——选择本地推理的用户留空即可这正是本项目的主要目的。补充说明.env.example 还提供了 .env.example 中注释的进阶变量——AGENT_RUNTIME_DIR运行时数据目录宿主默认./.agent-data、BACKEND_PORT默认 7777、BACKEND_HOST默认仅回环 127.0.0.1因后端/query接口无鉴权且 Agent 会在宿主机执行 shell 命令官方强烈建议不要暴露到网络、FRONTEND_ORIGINSCORS 白名单与REACT_APP_BACKEND_URL远程访问 UI 时配置。3.3 启动 Docker 并验证sudo systemctl start docker # LinuxmacOS/Windows 直接打开 Docker Desktop docker info # 能打印 Docker 安装信息即运行正常四、LLM 接入的四种方案与 config.ini 详解AgenticSeek 的推理后端由项目根目录的config.ini控制注意它不是仓库内已提交的文件需自行创建.env 管理端口与搜索服务config.ini 管理 LLM 提供方。所有配置解析在 sources/llm_provider.py 的Provider类中完成。4.1 方案一本机运行本地 LLMOllama / LM Studio / OpenAI 兼容本地服务硬件门槛官方 FAQ 指出至少需要能跑 14B 级推理模型的 GPU。模型规模与显存对照见下文硬件需求小节。先启动本地提供方并确保其监听地址可被访问export OLLAMA_HOST0.0.0.0:11434 # 若在 Docker 内运行后端必须绑定所有网卡 ollama serve然后创建 config.ini[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三条警告官方明确强调config.ini的 INI 格式不支持注释。上例中的#注释仅用于说明切勿直接复制粘贴带注释的配置否则会解析报错应手工去除注释后填写使用 LM Studio 时provider_name不要写成openai要写lm-studio部分提供方如 lm-studio要求地址带http://前缀例如http://127.0.0.1:1234。本地提供方对照表Provider是否本地说明ollama是用 Ollama 轻松本地运行 LLMlm-studio是用 LM Studio 本地运行provider_namelm-studioopenai是连接暴露 OpenAI 兼容 API 的本地服务如 llama.cpp server从源码看sources/llm_provider.py 的ollama_fn在is_localTrue时会从provider_server_address中只取端口号并把主机部分替换为DOCKER_INTERNAL_URL即http://host.docker.internal——这正是后端在 Docker、Ollama 在宿主机场景能连通的关键也是下文 Ollama 连接失败故障的根源所在。4.2 方案二使用云 APIOpenAI / Google / Deepseek 等当本地硬件不足时可切换到外部云 LLM① 获取 API Key并注册服务商② 设为环境变量# Linux/macOS建议写入 ~/.bashrc、~/.zshrc 以便持久化 export TOGETHER_API_KEYxxxxxxxxxxxxxxxxxxxxxx # Windows 临时设置 set PROVIDER_API_KEYyour_api_key_here # PowerShell $env:PROVIDER_API_KEYyour_api_key_here③ 修改 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 # is_local False 时大多数 API 忽略该字段可留空警告config.ini 的值不能带行尾空格。API 提供方对照表provider_name与官方文档一致提供方provider_name说明OpenAIopenai官方 API 使用 ChatGPT 系列模型Google Geminigoogle通过 Google AI Studio 使用 GeminiDeepseekdeepseek通过官方 API 使用 DeepseekHugging Facehuggingface使用 Hugging Face Inference APITogetherAItogetherAI通过 API 使用多种开源模型OpenRouteropenrouter通过 OpenRouter API 使用多种模型官方文档补充了三条选型建议复杂的网页浏览与任务规划不建议用gpt-4o等 OpenAI 模型——当前 prompt 面向 Deepseek 这类推理模型优化Gemini 在 coding/bash 任务上可能失败因为它倾向不遵循为 Deepseek r1 优化的输出格式is_local False时provider_server_address通常被忽略API 端点由对应客户端库处理。需要说明的是仓库源码 sources/llm_provider.py 的available_providers映射中除文档列出的提供方外还实现了minimaxMiniMax.env中可配MINIMAX_API_KEY与MINIMAX_BASE_URL、anthropic、litellmLiteLLM 网关与dsk_deepseek非官方免费 Deepseek 通道等说明该映射持续扩展README 表格并非穷尽列表。API Key 的读取逻辑在get_api_key中它按{PROVIDER}_API_KEY的规则从 .env 取环境变量缺失时抛出明确错误。4.3 方案三在自建服务器上运行 LLM远程 Ollama / OpenAI 兼容服务如果你有一台强力的服务器而想在笔记本上使用官方文档英文 README 与日文 README 的对应章节推荐标准 LLM 服务器方案服务器上无需运行任何 AgenticSeek 专用代码。先获取服务器 IPip 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方式 A远程 Ollama推荐。服务器上OLLAMA_HOST0.0.0.0 ollama serve ollama pull deepseek-r1:14b个人电脑 config.ini 配置[MAIN] is_local False provider_name ollama provider_model deepseek-r1:14b provider_server_address x.x.x.x:11434注意此处is_local必须为False——若为TrueAgenticSeek 会去本机找 Ollama 而忽略该地址。方式 Bllama.cpp 或任意 OpenAI 兼容服务。服务器上启动llama-server -m your-model.gguf --host 0.0.0.0 --port 8080个人电脑端使用lm-studio提供方它走裸的 OpenAI 兼容/v1/chat/completions接口、无需 API Key[MAIN] is_local False provider_name lm-studio provider_model your-model provider_server_address http://x.x.x.x:8080遗留方案已弃用早期版本曾随仓库附带一个基于 Flask 的专用封装服务 llm_server/app.py对应provider_name server通过/setup、/generate、/get_updated_sentence三个路由与客户端轮询交互对应 sources/llm_provider.py 的server_fn。官方文档已将其标记为deprecated它一次只能处理一个请求、不支持流式输出、无认证标准服务器方案完全覆盖其功能仅出于兼容保留未来可能移除。新部署请使用方式 A/B。4.4 config.ini 全参数速查手册官方配置章节的完整参数说明如下配合源码可进一步理解其作用位置[MAIN] 段参数取值说明is_localTrue/False使用本地提供方Ollama、LM-Studio、本地 OpenAI 兼容服务或自建服务器时为True使用云 API 时为Falseprovider_name见下表指定 LLM 提供方本地ollama、lm-studio、openai本地兼容服务、server已弃用APIopenai、google、deepseek、huggingface、togetherAIprovider_model模型名/ID如 Ollama 的deepseekcoder:6.7b、OpenAI 的gpt-3.5-turbo、TogetherAI 的mistralai/Mixtral-8x7B-Instruct-v0.1provider_server_address地址本地Ollamahttp://127.0.0.1:11434、LM-Studiohttp://127.0.0.1:1234远程http://your_server_ip:3333云 API通常忽略或留空agent_name任意名字AI 助手名称如 Friday启用语音识别时作为唤醒词recover_last_sessionTrue/False是否尝试恢复上一会话状态save_sessionTrue/False是否保存当前会话以便恢复speakTrue/False是否启用文本转语音输出listenTrue/False是否启用语音识别输入仅 CLI 模式work_dir目录路径关键项AgenticSeek 读写文件的目录必须保证路径有效且可访问。源码 sources/workspace.py 显示其解析优先级为环境变量WORK_DIR config.ini 的work_dir 默认运行时目录下的workspace子目录resolve_workspace_path还会校验路径不能越出工作区防目录穿越jarvis_personalityTrue/False使用更Jarvis 式的系统提示词实验性languages逗号分隔列表如en, zh, fr。用于 TTS 音色选择默认取第一个并辅助 LLM 路由器判断语言sources/router.py 中LanguageUtility会先检测输入语言再决定路由行为。避免配置过多或过于相似的语言以维持路由效率[BROWSER] 段参数取值说明headless_browserTrue/FalseTrue无窗口运行自动化浏览器Web 界面/非交互推荐False显示浏览器窗口CLI 调试用。sources/browser.py 的create_driver在 Docker 内运行非 headless 时会打印告警stealth_modeTrue/False启用反检测措施undetected_chromedriver selenium-stealth降低浏览器自动化被识别的概率可能需要手动安装 nopecha 等验证码扩展。从 sources/browser.py 的create_chrome_options可看到非 stealth 模式才会加载./crx/nopecha.crx反验证码扩展stealth 模式则注入指纹伪装脚本sources/web_scripts/spoofing.js与随机 User-Agent4.5 硬件需求速查官方 FAQ模型规模GPU评价7B8GB VRAM⚠️ 不推荐性能差、频繁幻觉、规划 Agent 易失败14B12GB VRAM如 RTX 3060✅ 可处理简单任务网页浏览与规划任务可能吃力32B24GB VRAM如 RTX 4090 多数任务成功任务规划可能仍有困难70B48GB VRAM 表现出色推荐高级使用场景五、启动服务并运行Web 界面与 CLI 双模式默认情况下 AgenticSeek 完全运行在 Docker 中。5.1 方案一Docker Web 界面./start_services.sh full # macOS/LinuxWindows 用 start start_services.cmd fullfull会启动 docker-compose.yml 中的所有服务searxng、redissearxng 依赖、frontend、backend。该文件为每个服务定义了 Compose profilescoreredissearxngfrontend与fullcorebackendstart_services.sh正是通过--profile full up/--profile core up区分两种部署。官方警告首次运行需下载并加载全部 Docker 镜像最长可达 30 分钟后端服务首次启动可能需要 5 分钟。请务必等到日志中出现backend: GET /health HTTP/1.1 200 OK再发送消息start_services.sh 会等待 backend 容器进入 Running 且非 Restarting 状态最多轮询 30 秒。就绪后访问http://localhost:3000/即可使用 Web 界面。5.2 方案二CLI 模式先在宿主机安装依赖并修正 .env./install.sh # Windows 用 ./install.bat # 将 .env 中的 SEARXNG_BASE_URL 改为宿主机映射地址改 .env不是 config.ini SEARXNG_BASE_URLhttp://localhost:8080然后启动核心服务不含 backend./start_services.sh # macOS/LinuxWindows 用 start start_services.cmd确保 uv 已启用 pip并启动 CLIuv run python -m ensurepip uv run cli.py5.3 使用示例与提示词技巧官方给出的可复现实例注意文件一律落在 WORK_DIR 内用 Python 写一个贪吃蛇游戏在网上搜索法国雷恩最好的咖啡馆把三家及地址保存到 rennes_cafes.txt写一个计算阶乘的 Go 程序保存为 workspace 中的 factorial.go在 summer_pictures 文件夹中查找所有 JPG 文件用今天的日期重命名并把重命名清单保存到 photos_list.txt搜索 2024 年热门科幻电影挑三部今晚观看保存到 movie_night.txt搜索 2025 年最新 AI 新闻选三篇写一个 Python 脚本抓取标题和摘要脚本存为 news_scraper.py摘要存到 /home/projects 下的 ai_news.txtFriday搜索免费的股票价格 API用 supersuper7434567gmail.com 注册然后写 Python 脚本获取特斯拉每日股价保存到 stock_prices.csv几点官方提醒表单填写能力仍属实验性可能失败输入查询后AgenticSeek 会自动分配最佳 Agent。但这是早期原型路由系统不一定总能选对 Agent因此表达必须非常明确。想触发网页搜索不要说你知道哪些适合独自旅行的国家吗而要说执行一次网页搜索找出最适合独自旅行的国家退出对 CLI 说/输入goodbye。六、语音识别让 Agent 听见你语音识别当前仅支持 CLI 模式、且仅支持英文默认关闭。启用方式listen True交互流程为listen True后系统持续监听唤醒词即 agent_name例如agent_name Friday官方建议用 John、Emma 等常见英文名作为 agent_name 以获得最佳识别率。使用步骤看到转写开始出现 → 大声喊出 Agent 名字如 Friday唤醒 → 清晰说出查询 → 以确认短语结尾让系统继续执行例如do it、go ahead、execute、run、start、thanks、would ya、please、okay?、proceed、continue、go on、do that、do you understand?。仓库中 sources/speech_to_text.py 与 sources/text_to_speech.py 即语音链路的实现模块speak True时启用 TTS 输出音色语言取languages列表第一个。七、常见故障排查Known Issues7.1 ChromeDriver 版本不匹配报错示例SessionNotCreatedException: Message: session not created: This version of ChromeDriver only supports Chrome version XXX或Exception: Failed to initialize browser: ... Current browser version is 134.0.6998.89 with binary path。根因ChromeDriver 与 Chrome 浏览器大版本不一致Docker 环境下undetected_chromedriver可能自行下载自己的 ChromeDriver 版本绕过挂载的二进制。解决步骤打开 Chrome → 设置 → 关于 Chrome记录版本号如 134.0.6998.88Chrome 115 使用Chrome for Testing API下载与浏览器版本匹配的 ChromeDriverDocker 环境选 Linux64更老的版本用遗留的 ChromeDriver 下载页安装二选一方法 ADocker 推荐把下载的 chromedriver 放到项目根目录cp path/to/downloaded/chromedriver ./chromedriver chmod x ./chromedriver方法 B系统 PATHsudo mv chromedriver /usr/local/bin/后sudo chmod x /usr/local/bin/chromedriverWindows 放 PATH 目录验证./chromedriver --version应输出对应版本。Docker 专属提示卷挂载方式在 stealth 模式undetected_chromedriver下可能失效务必把二进制放在项目根目录./chromedriver应用会自动检测并使用它日志中应出现Using ChromeDriver from project root: ./chromedriver。这一逻辑在 sources/browser.py 的install_chromedriver中完全可见它依次尝试项目根目录./chromedriver→ 系统 PATH → Docker 固定路径/usr/local/bin/chromedriver→chromedriver_autoinstaller自动安装并对每个候选二进制用is_chromedriver_compatible比对主版本号。版本兼容矩阵文档给出的参考Chrome 版本ChromeDriver 版本134.0.6998.x134.0.6998.165133.0.6943.x133.0.6943.141132.0.6834.x132.0.6834.159要点优先精确匹配版本 134.0.6998.88 可用最近的 134.0.6998.165主版本号必须一致134134。7.2 Docker 后端连不上宿主机 Ollama报错示例An error occurred: Provider ollama failed: Ollama connection failed at http://host.docker.internal:11434. Check if the server is running.前端显示Error: Unable to get a response.后端/query返回 HTTP 500。根因后端在 Docker 中通过host.docker.internal访问宿主机 Ollama且 Docker 模式下只取provider_server_address的端口、主机部分被替换为DOCKER_INTERNAL_URL见 sources/llm_provider.py 的ollama_fn与 docker-compose.yml 中DOCKER_INTERNAL_URLhttp://host.docker.internal。失败往往不是配置拼写问题而是宿主机 Ollama 只绑定127.0.0.1:11434拒绝了来自 Docker 网桥的连接。不要改provider_server_address 127.0.0.1:11434容器内主机部分会被忽略。正确解法是让 Ollama 监听所有网卡# 临时验证 OLLAMA_HOST0.0.0.0:11434 ollama serve持久化方案Linux systemdsudo systemctl edit ollama加入[Service]下EnvironmentOLLAMA_HOST0.0.0.0:11434然后sudo systemctl daemon-reload sudo systemctl restart ollamamacOSOllama.applaunchctl setenv OLLAMA_HOST 0.0.0.0:11434后退出并重启应用。验证从后端容器内执行docker compose exec backend curl -sS http://host.docker.internal:11434/api/tags应返回模型 JSON 列表。Linux 注意事项host.docker.internal只有在 docker-compose 中配置了extra_hosts: - host.docker.internal:host-gateway才能在容器内解析docker-compose.yml 已包含该配置Docker DesktopmacOS/Windows开箱即用。若启用了 ufw/firewalld还需放行 Docker 网桥到 11434sudo ufw allow from 172.16.0.0/12 to any port 11434。7.3 LM Studio 连接适配器错误报错示例Exception: Provider lm-studio failed: HTTP request failed: No connection adapters were found for 127.0.0.1:1234/v1/chat/completions端口可能不同。根因与解决provider_server_address缺少http://前缀或端口错误。LM Studio 默认地址为http://127.0.0.1:1234正确配置应为provider_server_address http://127.0.0.1:12347.4 SearXNG Base URL 未提供报错示例raise ValueError(SearxNG base URL must be provided either as an argument or via the SEARXNG_BASE_URL environment variable.) ValueError: SearxNG base URL must be provided either as an argument or via the SEARXNG_BASE_URL environment variable.通常是在 CLI 模式下使用了错误的 searxng 地址。SEARXNG_BASE_URL在.env中设置取值只取决于后端运行位置参见 3.2 节表格。端口冲突场景速查宿主机 8080 被占用时在.env设SEARXNG_PORT如 8001Web 界面后端在 DockerSEARXNG_BASE_URLhttp://searxng:8080保持不变——容器内部端口不变CLI 模式后端在宿主机SEARXNG_BASE_URLhttp://localhost:8001——必须与SEARXNG_PORT一致浏览器检查访问http://localhost:SEARXNG_PORT如果旧的 8080 端口有响应那是别的应用不是 AgenticSeek 的 SearXNG修改.env后必须重启后端api.py或cli.py因为该文件只在进程启动时读取。八、FAQ 精选与安全边界Q: 遇到错误怎么办检查本地推理服务是否运行ollama serve、config.ini 是否与提供方匹配、依赖是否安装齐全仍无法解决可到仓库提交 issue。Q: 真的能 100% 本地运行吗可以。使用 ollama、lm-studio 或 server 提供方时语音识别、LLM、文本转语音全部在本地执行OpenAI 等非本地 API 只是可选方案。Q: 有了 Manus 为什么还要用 AgenticSeek与 Manus 不同AgenticSeek 优先强调对外部系统的独立性给你更多控制权、隐私保护并省去 API 成本。Q: 谁在维护这个项目项目由作者与两位共同维护者及 GitHub 开源社区贡献者运营属于兴趣驱动的开源项目并非创业公司。安全边界提醒后端/query接口无鉴权、Agent 会执行 shell 命令因此 docker-compose.yml 将 backend 端口仅发布到宿主机回环地址127.0.0.1:${BACKEND_PORT:-7777}并默认BACKEND_HOST127.0.0.1只有在你完全信任的网络中、且置于带认证的反向代理或防火墙之后才应考虑对外暴露。九、延伸阅读中文部署文档README_CHS.md繁体中文README_CHT.md英文原版README.md前端实现Reactfrontend/agentic-seek-front/src/App.js多 Agent 实现sources/agents/agent.py 及各专用 Agent 源码sources/agents/browser_agent.py、sources/agents/code_agent.py 等工具层sources/tools/tools.py工作区路径校验、safe_mode等与各解释器sources/tools/PyInterpreter.py 等测试用例可用于验证行为tests/test_provider.py、tests/test_workspace.py、tests/test_browser_agent_parsing.py【免费下载链接】agenticSeekFully Local Manus AI. No APIs, No $200 monthly bills. Enjoy an autonomous agent that thinks, browses the web, and code for the sole cost of electricity.项目地址: https://gitcode.com/GitHub_Trending/ag/agenticSeek创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
AgenticSeek 完全本地化部署指南：从零搭建私有 Manus AI 替代品（Docker 与 CLI 双模式实战）
AgenticSeek 完全本地化部署指南从零搭建私有 Manus AI 替代品Docker 与 CLI 双模式实战【免费下载链接】agenticSeekFully Local Manus AI. No APIs, No $200 monthly bills. Enjoy an autonomous agent that thinks, browses the web, and code for the sole cost of electricity.项目地址: https://gitcode.com/GitHub_Trending/ag/agenticSeek导读本文以 AgenticSeek 官方日文 READMEREADME_JP.md为主体骨架结合仓库源码sources/llm_provider.py、docker-compose.yml、start_services.sh、.env.example 等展开系统讲解如何把这一 100% 本地化、支持语音交互的多智能体 AI 助手跑起来。读完你将掌握.env 与 config.ini 双配置文件每一项的准确含义与取值原则、Ollama/LM Studio/云 API/自建远程服务器四种 LLM 接入方案的完整配置、Docker Web 界面与 CLI 两种运行模式、语音识别唤醒流程以及 ChromeDriver 版本不匹配等高频故障的排查方法。AgenticSeek 是一个面向本地推理模型设计的 AI 助手项目它默认不依赖任何云端 LLM API所有推理、网页浏览、代码执行、语音处理均在自有硬件上完成并把文件读写限制在指定的工作区目录内。与 Manus 这类托管式智能体不同它把控制权、隐私和 API 成本的控制权完全交还给你——你只需付出电费。下文所有路径均以仓库根目录为基准。一、为什么选择本地化多智能体架构AgenticSeek 的核心卖点可以用一句项目描述概括Fully Local Manus AI. No APIs, No $200 monthly bills.100% 本地化的 Manus AI无需 API无需每月 200 美元的订阅费。它围绕以下能力设计完全本地与隐私LLM、网页搜索SearXNG、语音识别、文本转语音全部在本机运行文件、会话、搜索记录不出设备智能网页浏览基于 Selenium 的自动化浏览器可以自主搜索、阅读、提取信息、填写表单见 sources/browser.py 的Browser类自主编程助手可编写、调试并执行 Python、C、Go、Java 等语言程序对应 sources/tools 目录下的多个解释器实现智能体路由查询输入后系统自动为任务分配合适的 Agent。路由由 sources/router.py 中的AgentRouter完成——它同时运行一个轻量 BART 分类器与本地 LLM 路由器并对两者的置信度加权投票router_vote方法决策过程与结果写入router.log复杂任务规划将大型任务拆分为步骤交由多个 Agent 协作完成语音支持CLI 模式下可用语音输入与 TTS 输出开发中当前仅支持英文。二、准备工作环境与前置依赖官方文档明确要求以下软件对应 README_JP.md 的 前提条件 一节软件版本要求用途Git任意较新版本克隆仓库Python3.10.x强烈推荐其他版本可能引发依赖错误Docker Engine Docker ComposeComposeV2docker compose命令运行 SearXNG、Redis、前端等打包服务Linux 下单独安装 Compose 时请确保是 V2 插件例如sudo apt-get install docker-compose-plugin使用 Docker DesktopWindows/macOS则自带 Compose V2。三、第一步部署克隆仓库与环境变量3.1 克隆并初始化git clone https://github.com/Fosowl/agenticSeek.git cd agenticSeek mv .env.example .env3.2 .env 文件全字段解析仓库根目录的 .env.example 提供了带注释的完整模板核心字段如下SEARXNG_BASE_URLhttp://searxng:8080 # 取决于后端运行位置详见下文 SEARXNG_PORT8080 REDIS_BASE_URLredis://redis:6379/0 WORK_DIR/Users/mlg/Documents/workspace_for_ai OLLAMA_PORT11434 LM_STUDIO_PORT1234 CUSTOM_ADDITIONAL_LLM_PORT11435 OPENAI_API_KEYoptional DEEPSEEK_API_KEYoptional OPENROUTER_API_KEYoptional TOGETHER_API_KEYoptional GOOGLE_API_KEYoptional ANTHROPIC_API_KEYoptional各字段的精确含义在 .env 中设置不是config.iniSEARXNG_PORTDocker 向宿主机发布SearXNG 的端口。若本机 8080 被占用可改为如8001。注意容器内部始终监听 8080该变量只改宿主机映射SEARXNG_BASE_URL后端访问 SearXNG 用的地址取值仅由后端运行位置决定AgenticSeek 运行方式SEARXNG_BASE_URLWeb 界面后端在 Docker 内./start_services.sh fullhttp://searxng:8080即使改了SEARXNG_PORT也始终是 8080CLI 模式后端在宿主机uv run cli.pyhttp://localhost:8080若改了SEARXNG_PORT则用对应端口如http://localhost:8001http://searxng:...在此无效该主机名只存在于 Docker 内部浏览器验证 SearXNG 请始终访问宿主机端口http://localhost:SEARXNG_PORT.env只在进程启动时读取修改后必须重启后端。该配置逻辑在 docker-compose.yml 中得到了印证searxng 服务端口映射为${SEARXNG_PORT:-8080}:8080backend 服务注入SEARXNG_BASE_URL${SEARXNG_BASE_URL:-http://searxng:8080}与REDIS_URL${REDIS_BASE_URL:-redis://redis:6379/0}。REDIS_BASE_URL保持默认即可SearXNG 依赖 RedisWORK_DIR本地工作目录绝对路径AgenticSeek 只能在该目录内读写文件。在 Docker 模式下该目录被挂载到容器的/opt/workspace见 docker-compose.yml 第 85 行start_services.sh 还会校验它不能等于仓库根目录且数据量不能超过 20GBOLLAMA_PORT / LM_STUDIO_PORT / CUSTOM_ADDITIONAL_LLM_PORT分别对应 Ollama、LM Studio、自定义 LLM 服务的端口各 API Key全部可选——选择本地推理的用户留空即可这正是本项目的主要目的。补充说明.env.example 还提供了 .env.example 中注释的进阶变量——AGENT_RUNTIME_DIR运行时数据目录宿主默认./.agent-data、BACKEND_PORT默认 7777、BACKEND_HOST默认仅回环 127.0.0.1因后端/query接口无鉴权且 Agent 会在宿主机执行 shell 命令官方强烈建议不要暴露到网络、FRONTEND_ORIGINSCORS 白名单与REACT_APP_BACKEND_URL远程访问 UI 时配置。3.3 启动 Docker 并验证sudo systemctl start docker # LinuxmacOS/Windows 直接打开 Docker Desktop docker info # 能打印 Docker 安装信息即运行正常四、LLM 接入的四种方案与 config.ini 详解AgenticSeek 的推理后端由项目根目录的config.ini控制注意它不是仓库内已提交的文件需自行创建.env 管理端口与搜索服务config.ini 管理 LLM 提供方。所有配置解析在 sources/llm_provider.py 的Provider类中完成。4.1 方案一本机运行本地 LLMOllama / LM Studio / OpenAI 兼容本地服务硬件门槛官方 FAQ 指出至少需要能跑 14B 级推理模型的 GPU。模型规模与显存对照见下文硬件需求小节。先启动本地提供方并确保其监听地址可被访问export OLLAMA_HOST0.0.0.0:11434 # 若在 Docker 内运行后端必须绑定所有网卡 ollama serve然后创建 config.ini[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三条警告官方明确强调config.ini的 INI 格式不支持注释。上例中的#注释仅用于说明切勿直接复制粘贴带注释的配置否则会解析报错应手工去除注释后填写使用 LM Studio 时provider_name不要写成openai要写lm-studio部分提供方如 lm-studio要求地址带http://前缀例如http://127.0.0.1:1234。本地提供方对照表Provider是否本地说明ollama是用 Ollama 轻松本地运行 LLMlm-studio是用 LM Studio 本地运行provider_namelm-studioopenai是连接暴露 OpenAI 兼容 API 的本地服务如 llama.cpp server从源码看sources/llm_provider.py 的ollama_fn在is_localTrue时会从provider_server_address中只取端口号并把主机部分替换为DOCKER_INTERNAL_URL即http://host.docker.internal——这正是后端在 Docker、Ollama 在宿主机场景能连通的关键也是下文 Ollama 连接失败故障的根源所在。4.2 方案二使用云 APIOpenAI / Google / Deepseek 等当本地硬件不足时可切换到外部云 LLM① 获取 API Key并注册服务商② 设为环境变量# Linux/macOS建议写入 ~/.bashrc、~/.zshrc 以便持久化 export TOGETHER_API_KEYxxxxxxxxxxxxxxxxxxxxxx # Windows 临时设置 set PROVIDER_API_KEYyour_api_key_here # PowerShell $env:PROVIDER_API_KEYyour_api_key_here③ 修改 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 # is_local False 时大多数 API 忽略该字段可留空警告config.ini 的值不能带行尾空格。API 提供方对照表provider_name与官方文档一致提供方provider_name说明OpenAIopenai官方 API 使用 ChatGPT 系列模型Google Geminigoogle通过 Google AI Studio 使用 GeminiDeepseekdeepseek通过官方 API 使用 DeepseekHugging Facehuggingface使用 Hugging Face Inference APITogetherAItogetherAI通过 API 使用多种开源模型OpenRouteropenrouter通过 OpenRouter API 使用多种模型官方文档补充了三条选型建议复杂的网页浏览与任务规划不建议用gpt-4o等 OpenAI 模型——当前 prompt 面向 Deepseek 这类推理模型优化Gemini 在 coding/bash 任务上可能失败因为它倾向不遵循为 Deepseek r1 优化的输出格式is_local False时provider_server_address通常被忽略API 端点由对应客户端库处理。需要说明的是仓库源码 sources/llm_provider.py 的available_providers映射中除文档列出的提供方外还实现了minimaxMiniMax.env中可配MINIMAX_API_KEY与MINIMAX_BASE_URL、anthropic、litellmLiteLLM 网关与dsk_deepseek非官方免费 Deepseek 通道等说明该映射持续扩展README 表格并非穷尽列表。API Key 的读取逻辑在get_api_key中它按{PROVIDER}_API_KEY的规则从 .env 取环境变量缺失时抛出明确错误。4.3 方案三在自建服务器上运行 LLM远程 Ollama / OpenAI 兼容服务如果你有一台强力的服务器而想在笔记本上使用官方文档英文 README 与日文 README 的对应章节推荐标准 LLM 服务器方案服务器上无需运行任何 AgenticSeek 专用代码。先获取服务器 IPip 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方式 A远程 Ollama推荐。服务器上OLLAMA_HOST0.0.0.0 ollama serve ollama pull deepseek-r1:14b个人电脑 config.ini 配置[MAIN] is_local False provider_name ollama provider_model deepseek-r1:14b provider_server_address x.x.x.x:11434注意此处is_local必须为False——若为TrueAgenticSeek 会去本机找 Ollama 而忽略该地址。方式 Bllama.cpp 或任意 OpenAI 兼容服务。服务器上启动llama-server -m your-model.gguf --host 0.0.0.0 --port 8080个人电脑端使用lm-studio提供方它走裸的 OpenAI 兼容/v1/chat/completions接口、无需 API Key[MAIN] is_local False provider_name lm-studio provider_model your-model provider_server_address http://x.x.x.x:8080遗留方案已弃用早期版本曾随仓库附带一个基于 Flask 的专用封装服务 llm_server/app.py对应provider_name server通过/setup、/generate、/get_updated_sentence三个路由与客户端轮询交互对应 sources/llm_provider.py 的server_fn。官方文档已将其标记为deprecated它一次只能处理一个请求、不支持流式输出、无认证标准服务器方案完全覆盖其功能仅出于兼容保留未来可能移除。新部署请使用方式 A/B。4.4 config.ini 全参数速查手册官方配置章节的完整参数说明如下配合源码可进一步理解其作用位置[MAIN] 段参数取值说明is_localTrue/False使用本地提供方Ollama、LM-Studio、本地 OpenAI 兼容服务或自建服务器时为True使用云 API 时为Falseprovider_name见下表指定 LLM 提供方本地ollama、lm-studio、openai本地兼容服务、server已弃用APIopenai、google、deepseek、huggingface、togetherAIprovider_model模型名/ID如 Ollama 的deepseekcoder:6.7b、OpenAI 的gpt-3.5-turbo、TogetherAI 的mistralai/Mixtral-8x7B-Instruct-v0.1provider_server_address地址本地Ollamahttp://127.0.0.1:11434、LM-Studiohttp://127.0.0.1:1234远程http://your_server_ip:3333云 API通常忽略或留空agent_name任意名字AI 助手名称如 Friday启用语音识别时作为唤醒词recover_last_sessionTrue/False是否尝试恢复上一会话状态save_sessionTrue/False是否保存当前会话以便恢复speakTrue/False是否启用文本转语音输出listenTrue/False是否启用语音识别输入仅 CLI 模式work_dir目录路径关键项AgenticSeek 读写文件的目录必须保证路径有效且可访问。源码 sources/workspace.py 显示其解析优先级为环境变量WORK_DIR config.ini 的work_dir 默认运行时目录下的workspace子目录resolve_workspace_path还会校验路径不能越出工作区防目录穿越jarvis_personalityTrue/False使用更Jarvis 式的系统提示词实验性languages逗号分隔列表如en, zh, fr。用于 TTS 音色选择默认取第一个并辅助 LLM 路由器判断语言sources/router.py 中LanguageUtility会先检测输入语言再决定路由行为。避免配置过多或过于相似的语言以维持路由效率[BROWSER] 段参数取值说明headless_browserTrue/FalseTrue无窗口运行自动化浏览器Web 界面/非交互推荐False显示浏览器窗口CLI 调试用。sources/browser.py 的create_driver在 Docker 内运行非 headless 时会打印告警stealth_modeTrue/False启用反检测措施undetected_chromedriver selenium-stealth降低浏览器自动化被识别的概率可能需要手动安装 nopecha 等验证码扩展。从 sources/browser.py 的create_chrome_options可看到非 stealth 模式才会加载./crx/nopecha.crx反验证码扩展stealth 模式则注入指纹伪装脚本sources/web_scripts/spoofing.js与随机 User-Agent4.5 硬件需求速查官方 FAQ模型规模GPU评价7B8GB VRAM⚠️ 不推荐性能差、频繁幻觉、规划 Agent 易失败14B12GB VRAM如 RTX 3060✅ 可处理简单任务网页浏览与规划任务可能吃力32B24GB VRAM如 RTX 4090 多数任务成功任务规划可能仍有困难70B48GB VRAM 表现出色推荐高级使用场景五、启动服务并运行Web 界面与 CLI 双模式默认情况下 AgenticSeek 完全运行在 Docker 中。5.1 方案一Docker Web 界面./start_services.sh full # macOS/LinuxWindows 用 start start_services.cmd fullfull会启动 docker-compose.yml 中的所有服务searxng、redissearxng 依赖、frontend、backend。该文件为每个服务定义了 Compose profilescoreredissearxngfrontend与fullcorebackendstart_services.sh正是通过--profile full up/--profile core up区分两种部署。官方警告首次运行需下载并加载全部 Docker 镜像最长可达 30 分钟后端服务首次启动可能需要 5 分钟。请务必等到日志中出现backend: GET /health HTTP/1.1 200 OK再发送消息start_services.sh 会等待 backend 容器进入 Running 且非 Restarting 状态最多轮询 30 秒。就绪后访问http://localhost:3000/即可使用 Web 界面。5.2 方案二CLI 模式先在宿主机安装依赖并修正 .env./install.sh # Windows 用 ./install.bat # 将 .env 中的 SEARXNG_BASE_URL 改为宿主机映射地址改 .env不是 config.ini SEARXNG_BASE_URLhttp://localhost:8080然后启动核心服务不含 backend./start_services.sh # macOS/LinuxWindows 用 start start_services.cmd确保 uv 已启用 pip并启动 CLIuv run python -m ensurepip uv run cli.py5.3 使用示例与提示词技巧官方给出的可复现实例注意文件一律落在 WORK_DIR 内用 Python 写一个贪吃蛇游戏在网上搜索法国雷恩最好的咖啡馆把三家及地址保存到 rennes_cafes.txt写一个计算阶乘的 Go 程序保存为 workspace 中的 factorial.go在 summer_pictures 文件夹中查找所有 JPG 文件用今天的日期重命名并把重命名清单保存到 photos_list.txt搜索 2024 年热门科幻电影挑三部今晚观看保存到 movie_night.txt搜索 2025 年最新 AI 新闻选三篇写一个 Python 脚本抓取标题和摘要脚本存为 news_scraper.py摘要存到 /home/projects 下的 ai_news.txtFriday搜索免费的股票价格 API用 supersuper7434567gmail.com 注册然后写 Python 脚本获取特斯拉每日股价保存到 stock_prices.csv几点官方提醒表单填写能力仍属实验性可能失败输入查询后AgenticSeek 会自动分配最佳 Agent。但这是早期原型路由系统不一定总能选对 Agent因此表达必须非常明确。想触发网页搜索不要说你知道哪些适合独自旅行的国家吗而要说执行一次网页搜索找出最适合独自旅行的国家退出对 CLI 说/输入goodbye。六、语音识别让 Agent 听见你语音识别当前仅支持 CLI 模式、且仅支持英文默认关闭。启用方式listen True交互流程为listen True后系统持续监听唤醒词即 agent_name例如agent_name Friday官方建议用 John、Emma 等常见英文名作为 agent_name 以获得最佳识别率。使用步骤看到转写开始出现 → 大声喊出 Agent 名字如 Friday唤醒 → 清晰说出查询 → 以确认短语结尾让系统继续执行例如do it、go ahead、execute、run、start、thanks、would ya、please、okay?、proceed、continue、go on、do that、do you understand?。仓库中 sources/speech_to_text.py 与 sources/text_to_speech.py 即语音链路的实现模块speak True时启用 TTS 输出音色语言取languages列表第一个。七、常见故障排查Known Issues7.1 ChromeDriver 版本不匹配报错示例SessionNotCreatedException: Message: session not created: This version of ChromeDriver only supports Chrome version XXX或Exception: Failed to initialize browser: ... Current browser version is 134.0.6998.89 with binary path。根因ChromeDriver 与 Chrome 浏览器大版本不一致Docker 环境下undetected_chromedriver可能自行下载自己的 ChromeDriver 版本绕过挂载的二进制。解决步骤打开 Chrome → 设置 → 关于 Chrome记录版本号如 134.0.6998.88Chrome 115 使用Chrome for Testing API下载与浏览器版本匹配的 ChromeDriverDocker 环境选 Linux64更老的版本用遗留的 ChromeDriver 下载页安装二选一方法 ADocker 推荐把下载的 chromedriver 放到项目根目录cp path/to/downloaded/chromedriver ./chromedriver chmod x ./chromedriver方法 B系统 PATHsudo mv chromedriver /usr/local/bin/后sudo chmod x /usr/local/bin/chromedriverWindows 放 PATH 目录验证./chromedriver --version应输出对应版本。Docker 专属提示卷挂载方式在 stealth 模式undetected_chromedriver下可能失效务必把二进制放在项目根目录./chromedriver应用会自动检测并使用它日志中应出现Using ChromeDriver from project root: ./chromedriver。这一逻辑在 sources/browser.py 的install_chromedriver中完全可见它依次尝试项目根目录./chromedriver→ 系统 PATH → Docker 固定路径/usr/local/bin/chromedriver→chromedriver_autoinstaller自动安装并对每个候选二进制用is_chromedriver_compatible比对主版本号。版本兼容矩阵文档给出的参考Chrome 版本ChromeDriver 版本134.0.6998.x134.0.6998.165133.0.6943.x133.0.6943.141132.0.6834.x132.0.6834.159要点优先精确匹配版本 134.0.6998.88 可用最近的 134.0.6998.165主版本号必须一致134134。7.2 Docker 后端连不上宿主机 Ollama报错示例An error occurred: Provider ollama failed: Ollama connection failed at http://host.docker.internal:11434. Check if the server is running.前端显示Error: Unable to get a response.后端/query返回 HTTP 500。根因后端在 Docker 中通过host.docker.internal访问宿主机 Ollama且 Docker 模式下只取provider_server_address的端口、主机部分被替换为DOCKER_INTERNAL_URL见 sources/llm_provider.py 的ollama_fn与 docker-compose.yml 中DOCKER_INTERNAL_URLhttp://host.docker.internal。失败往往不是配置拼写问题而是宿主机 Ollama 只绑定127.0.0.1:11434拒绝了来自 Docker 网桥的连接。不要改provider_server_address 127.0.0.1:11434容器内主机部分会被忽略。正确解法是让 Ollama 监听所有网卡# 临时验证 OLLAMA_HOST0.0.0.0:11434 ollama serve持久化方案Linux systemdsudo systemctl edit ollama加入[Service]下EnvironmentOLLAMA_HOST0.0.0.0:11434然后sudo systemctl daemon-reload sudo systemctl restart ollamamacOSOllama.applaunchctl setenv OLLAMA_HOST 0.0.0.0:11434后退出并重启应用。验证从后端容器内执行docker compose exec backend curl -sS http://host.docker.internal:11434/api/tags应返回模型 JSON 列表。Linux 注意事项host.docker.internal只有在 docker-compose 中配置了extra_hosts: - host.docker.internal:host-gateway才能在容器内解析docker-compose.yml 已包含该配置Docker DesktopmacOS/Windows开箱即用。若启用了 ufw/firewalld还需放行 Docker 网桥到 11434sudo ufw allow from 172.16.0.0/12 to any port 11434。7.3 LM Studio 连接适配器错误报错示例Exception: Provider lm-studio failed: HTTP request failed: No connection adapters were found for 127.0.0.1:1234/v1/chat/completions端口可能不同。根因与解决provider_server_address缺少http://前缀或端口错误。LM Studio 默认地址为http://127.0.0.1:1234正确配置应为provider_server_address http://127.0.0.1:12347.4 SearXNG Base URL 未提供报错示例raise ValueError(SearxNG base URL must be provided either as an argument or via the SEARXNG_BASE_URL environment variable.) ValueError: SearxNG base URL must be provided either as an argument or via the SEARXNG_BASE_URL environment variable.通常是在 CLI 模式下使用了错误的 searxng 地址。SEARXNG_BASE_URL在.env中设置取值只取决于后端运行位置参见 3.2 节表格。端口冲突场景速查宿主机 8080 被占用时在.env设SEARXNG_PORT如 8001Web 界面后端在 DockerSEARXNG_BASE_URLhttp://searxng:8080保持不变——容器内部端口不变CLI 模式后端在宿主机SEARXNG_BASE_URLhttp://localhost:8001——必须与SEARXNG_PORT一致浏览器检查访问http://localhost:SEARXNG_PORT如果旧的 8080 端口有响应那是别的应用不是 AgenticSeek 的 SearXNG修改.env后必须重启后端api.py或cli.py因为该文件只在进程启动时读取。八、FAQ 精选与安全边界Q: 遇到错误怎么办检查本地推理服务是否运行ollama serve、config.ini 是否与提供方匹配、依赖是否安装齐全仍无法解决可到仓库提交 issue。Q: 真的能 100% 本地运行吗可以。使用 ollama、lm-studio 或 server 提供方时语音识别、LLM、文本转语音全部在本地执行OpenAI 等非本地 API 只是可选方案。Q: 有了 Manus 为什么还要用 AgenticSeek与 Manus 不同AgenticSeek 优先强调对外部系统的独立性给你更多控制权、隐私保护并省去 API 成本。Q: 谁在维护这个项目项目由作者与两位共同维护者及 GitHub 开源社区贡献者运营属于兴趣驱动的开源项目并非创业公司。安全边界提醒后端/query接口无鉴权、Agent 会执行 shell 命令因此 docker-compose.yml 将 backend 端口仅发布到宿主机回环地址127.0.0.1:${BACKEND_PORT:-7777}并默认BACKEND_HOST127.0.0.1只有在你完全信任的网络中、且置于带认证的反向代理或防火墙之后才应考虑对外暴露。九、延伸阅读中文部署文档README_CHS.md繁体中文README_CHT.md英文原版README.md前端实现Reactfrontend/agentic-seek-front/src/App.js多 Agent 实现sources/agents/agent.py 及各专用 Agent 源码sources/agents/browser_agent.py、sources/agents/code_agent.py 等工具层sources/tools/tools.py工作区路径校验、safe_mode等与各解释器sources/tools/PyInterpreter.py 等测试用例可用于验证行为tests/test_provider.py、tests/test_workspace.py、tests/test_browser_agent_parsing.py【免费下载链接】agenticSeekFully Local Manus AI. No APIs, No $200 monthly bills. Enjoy an autonomous agent that thinks, browses the web, and code for the sole cost of electricity.项目地址: https://gitcode.com/GitHub_Trending/ag/agenticSeek创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
 DeepSeek 增强技术分析报告全解读：指标计算、分析链路与实战应用)
