AgenticSeek Fosowl/agenticSeek

能干什么

一个主打「全本地、零云依赖」的自主 Agent（Manus AI 的本地替代）：给它一个任务（「查 Rennes 最好的三家咖啡馆存成 txt」「写个 Go 阶乘程序」「搜文件夹里所有 JPG 按日期改名」），它自己拆步骤、分配最合适的 Agent、动手执行——自动浏览网页（搜索/读取/抽取/填表，填表仍属实验性）、自主写代码并运行（Python/C/Go/Java 等）、管理你的本地文件（WORK_DIR 内读改写，单文件上限 50MB）。模型层专为本地推理模型设计：Ollama / LM Studio / 任何 OpenAI 兼容端点（llama.cpp）都是本地 provider，API key 完全可选（README 原话：本地跑是这个项目的首要目的，硬件够就留空）。带 Web 界面（localhost:3000，token 鉴权、默认只监听 localhost）和 CLI 两种用法；语音（TTS/STT）在实验阶段。安全模型：Docker 内 Agent 代码以非特权用户跑、密钥从环境里剥掉、safe_mode 是尽力而为的命令过滤（不是沙箱）；浏览器登录导入（import_user_profile）是显式选项，默认关——开了等于把你的登录态（含密码/cookie）交给 Agent 浏览器，README 自己强调当密匙对待。

怎么干

• git clone 后 mv .env.example .env，把 WORK_DIR 指到你的工作目录
• 起一个本地模型服务（README 示例 Ollama 的 deepseek-r1:14b；config.ini 设 provider_name=ollama、is_local=True）
• start start_services.cmd full（Docker：SearXNG+redis+前端+后端，首次拉镜像较久），开 http://localhost:3000 粘贴 API token（docker compose logs backend | grep "API token"）；或 CLI 模式 uv run cli.py

本站怎么用

栏目里 Agent 工具「全本地自主执行」的代表：OpenClaw/nanobot 是「常驻助理+多渠道」，AgenticSeek 是「给一个复杂任务让它自己上网+写码+跑完」的任务型 Agent，且从头为本地模型调优（README 明确提示 prompt 优化对 DeepSeek 系效果最好、GPT 系不推荐）。它是本站「本地模型能干多重的活」的边界案例之一——项目自述的硬件门槛见显存口径。

显存口径

显存账全在主模型：项目 README 自述门槛是「至少能跑 Magistral / Qwen / DeepSeek 14B 的 GPU」（示例配置 deepseek-r1:14b；14B Q4 权重约 9–10G 属本站估算，加上 Agent 长上下文的 KV，12G 是常用线、16G 更稳——非本站实测，以 /capacity/ 所选模型档位为准）。SearXNG/redis/前后端全在 CPU+内存，不吃显存。API key 可全空（纯本地）；若改用在线模型则本地零显存。