VercelAI雷达
← 返回公开榜单
ar

xark-argo/argo

ARGO is an open-source AI Agent platform that brings Local Manus to your desktop. With one-click model downloads, seamless closed LLM integration, and offline-first RAG knowledge bases, ARGO becomes a DeepResearch powerhouse for autonomous thinking, task planning, and 100% of your data stays locally. Support Win/Mac/Docker.

打开仓库aianthropicartifactsagentic-aiagent
本周新增
3 星
近 3 周倍数
3.0x
距上次推送
306 天
距上次发布
307 天
许可证
NOASSERTION

星标增长

每根柱子是这个周期记录下来的 star 增长：优先取逐个 stargazer 到达时间分桶的到达数，还没被 stargazer 扫描覆盖的仓库改用该周期的 star 净增；两个写者都没记录的周期画成虚线空档，而不是当成 0。柱高按各自窗口的峰值归一，两张图不共用坐标轴。指向任意一根柱子， tooltip 里是该周期的九项指标：当前值与周期内的净增。

指向或点击一根柱子，看当天的九项指标。

12/1712/301/111/242/62/193/33/16

2025 年 12 月 17 日 新增 -1 个星标; 2025 年 12 月 18 日 新增 0 个星标; 2025 年 12 月 19 日 新增 1 个星标; 2025 年 12 月 21 日 新增 1 个星标; 2025 年 12 月 22 日 新增 0 个星标; 2025 年 12 月 23 日 新增 1 个星标; 2025 年 12 月 24 日 新增 0 个星标; 2025 年 12 月 25 日 新增 1 个星标; 2025 年 12 月 26 日 新增 1 个星标; 2025 年 12 月 27 日 新增 0 个星标; 2026 年 1 月 2 日 新增 1 个星标; 2026 年 1 月 3 日 新增 0 个星标; 2026 年 1 月 4 日 新增 0 个星标; 2026 年 1 月 5 日 新增 0 个星标; 2026 年 1 月 6 日 新增 1 个星标; 2026 年 1 月 8 日 新增 1 个星标; 2026 年 1 月 9 日 新增 1 个星标; 2026 年 1 月 10 日 新增 0 个星标; 2026 年 1 月 11 日 新增 0 个星标; 2026 年 1 月 12 日 新增 1 个星标; 2026 年 1 月 13 日 新增 0 个星标; 2026 年 1 月 14 日 新增 0 个星标; 2026 年 1 月 15 日 新增 1 个星标; 2026 年 1 月 16 日 新增 0 个星标; 2026 年 1 月 18 日 新增 3 个星标; 2026 年 1 月 21 日 新增 4 个星标; 2026 年 1 月 23 日 新增 1 个星标; 2026 年 1 月 25 日 新增 0 个星标; 2026 年 1 月 26 日 新增 0 个星标; 2026 年 1 月 27 日 新增 2 个星标; 2026 年 1 月 28 日 新增 0 个星标; 2026 年 1 月 29 日 新增 1 个星标; 2026 年 2 月 1 日 新增 0 个星标; 2026 年 2 月 2 日 新增 3 个星标; 2026 年 2 月 8 日 新增 2 个星标; 2026 年 2 月 9 日 新增 1 个星标; 2026 年 2 月 10 日 新增 0 个星标; 2026 年 2 月 11 日 新增 0 个星标; 2026 年 2 月 13 日 新增 0 个星标; 2026 年 2 月 14 日 新增 0 个星标; 2026 年 2 月 16 日 新增 1 个星标; 2026 年 2 月 17 日 新增 1 个星标; 2026 年 2 月 21 日 新增 4 个星标; 2026 年 2 月 23 日 新增 1 个星标; 2026 年 2 月 25 日 新增 0 个星标; 2026 年 2 月 27 日 新增 0 个星标; 2026 年 2 月 28 日 新增 0 个星标; 2026 年 3 月 1 日 新增 0 个星标; 2026 年 3 月 2 日 新增 0 个星标; 2026 年 3 月 3 日 新增 0 个星标; 2026 年 3 月 4 日 新增 0 个星标; 2026 年 3 月 5 日 新增 1 个星标; 2026 年 3 月 8 日 新增 1 个星标; 2026 年 3 月 10 日 新增 0 个星标; 2026 年 3 月 11 日 新增 0 个星标; 2026 年 3 月 16 日 新增 3 个星标

窗口内最高的一天是 2026 年 1 月 21 日，新增 4 个星标。

证据时间轴

  1. 第 2026 年第 2 周发布 1 次

    累计 20 个 release

README
该仓库存储的文档，若已生成中文翻译则一并显示

banner

中文 | English | Official Website | Documentation | 官方网站 | 文档 | Contribute | Feedback

Ask DeepWiki Twitter Badge Discord Badge Wechat Badge

Stars Badge Forks Badge Release Badge

ARGO - opensource, agentic, manus, ollama, rag, deepresearch, local | Product Hunt

⛵️ ARGO - 您的本地超级AI代理

ARGO是一个开源的AI代理客户端，它使构建和使用能够自主思考、任务规划和处理复杂任务的AI助手变得简单。它支持一键下载开源模型，并集成闭源模型，提供便捷的本地RAG知识库和MCP工具访问。此外，ARGO可以完全私有化部署，安全可控，100%数据存储在本地，支持离线运行，兼容Windows、Mac和Linux系统。

ARGO的愿景是让每个用户都能拥有自己的专属超级AI代理，让更多人受益于AI代理带来的便利。

为什么选择ARGO？

  • 🔒 本地优先，隐私至上 — 支持完全离线运行，100%本地数据存储，拥有Windows、macOS和Linux的原生客户端，即插即用无需配置。兼容公共云、私有云、本地服务器和一体化机器。
  • 🚀 交付结果的执行引擎 — 多代理任务引擎自主规划步骤、调用工具、生成报告，完整执行多阶段任务。
  • ⚙️ 代理工厂 — 需要旅行规划助手、行业分析师或法律顾问？只需描述需求，ARGO就能帮助您定制场景专用代理。
  • 📦 集成Ollama和领先服务商 — 即时访问OpenAI、Claude、DeepSeek，或运行本地Ollama模型，开放无平台锁定。在对话中无缝切换本地模型和API模型。
  • 🧩 代理式RAG知识引擎 — 支持文件、文件夹、网站等多种知识输入方式，动态同步文件夹。代理模式智能分解复杂问题，提供更完整可靠的答案。
  • 🛠️ 内置强大工具集，MCP协议支持 — 包含网络爬虫、浏览器控制、本地文件管理等强大工具集，支持自定义扩展和集成您自己的工具。
  • 🧠 自我进化的代理 — 在使用过程中学习工作习惯和偏好。ARGO能自主优化代理，进化为真正理解您的超级代理。（测试中）

👏 加入我们，加入Discord | Twitter | 微信群
❤️ 喜欢ARGO？给我们一个星标 🌟 以接收GitHub的所有发布通知！
⚠️️ 项目仍处于早期阶段，积极开发中。我们感谢您的贡献、反馈和耐心。
🔗 官方网站：https://xark-argo.com/
📚 快速入门指南：https://docs.xark-argo.com/getting-started

📑 目录

🌠 Demo

视频

https://github.com/user-attachments/assets/2f23c1a9-b834-492b-b2eb-69a3f442634d

界面

🌟 功能

  • 📦 开源与闭源模型灵活集成:

    • 一键集成Ollama: 无需命令行操作即可控制和管理模型下载、部署和运行。
    • 兼容HuggingFace: 支持一键下载HuggingFace GGUF格式的模型。
    • 聊天模板自适应模型: 下载开源模型时自动适配聊天模板。
    • 兼容领先模型API: 支持集成OpenAI、Claude、DeepSeek等兼容OpenAI格式的服务商，打破平台锁定。
    • 灵活模型切换: 在对话中无缝切换本地模型和API模型，平衡性能和成本。

  • 🏠 DeepResearch与多代理协作:

    • 多代理任务引擎: 多个代理协作处理复杂任务。
    • 完整代理工作流程:
      • 意图识别: 精确理解用户需求。
      • 任务规划: 自主分解复杂任务。
      • 任务执行: 高效执行多步骤流程。
      • 工具调用: 灵活使用多个外部工具。
      • 自我反思: 反思执行并自我修正。
      • 自我总结: 提供结构化结果输出。
    • 人机协同: 任务规划后，可对研究计划进行自然语言修改。

  • 🧩 本地RAG知识库:

    • 多种知识输入方式: 支持通过文件、文件夹、网站等添加知识。
    • 动态知识库同步: 绑定本地文件夹后，内容变更自动同步到知识库，确保信息实时更新。
    • 多格式文档解析: 支持解析PDF、Word、Excel、PPT、网页、Markdown、纯文本等格式。
    • 答案可追溯: 使用知识库回答问题时，可追溯至具体参考片段。
    • 隐私保护: 向量化数据本地存储，降低安全风险。
    • 代理式RAG: 智能分解复杂问题，自主评估信息充分性，生成更完整可靠的答案。

  • 🛠️ MCP协议与工具支持:

    • 开箱即用工具库: 内置网络搜索、网络爬虫、浏览器控制、本地文件管理等工具。
    • 可配置扩展: 支持本地（STDIO）和远程（SSE）MCP工具集成，易于扩展和集成。

  • 🤖 代理工厂:

    • 可视化场景代理创建: 通过角色设置、模型绑定、变量配置和工具集成（如行业研究报告、旅行规划）定制场景助手。
    • 持续迭代: 代理通过自然语言迭代，随时间更好地理解用户。
    • 一键分享与导入: 分享代理配置给社区，覆盖写作、编程、翻译、研究、教育等场景。

  • 🤖 聊天对话:

    • 公式渲染: 支持KaTeX公式渲染，适用于学术使用。
    • Mermaid渲染: 支持Mermaid图表可视化，可创建流程图、时序图、甘特图等。
    • 成果渲染: 支持以html、svg、xml代码形式展示结果。
    • 自由分支: 对话可自由分支，快速克隆对话流程。

  • 🔒 隐私保护与跨平台体验:

    • 本地数据存储: 所有数据本地存储，支持离线运行，确保隐私安全。
    • 跨平台支持: 支持Windows、macOS和Linux的原生客户端，以及Web版本，零依赖，即插即用，兼容公共云/私有云/本地服务器/一体化机器。
    • 无需注册: 无需账号注册或云依赖，适合注重隐私的个人和企业。

🔍 应用场景

  • 个人助理: 管理日程、提供购物建议、协助日常任务，提升用户效率。
  • 学习助手: 帮助学生理解复杂概念、提供学术资源、创建定制学习计划、给出复习建议。
  • 内容创作: 自动生成文案、优化写作风格，协助创作者提升内容创作效率。
  • 开发助手: 提供代码生成、调试和技术支持，帮助开发者更高效解决编程问题。
  • 行业专用助手: 定制AI代理如法律顾问、行业分析师，满足专业需求。
  • 数据分析: 快速分析数据、生成图表报告，支持数据驱动决策。
  • 知识管理: 自动解析文档构建知识库，帮助企业组织查询知识。
  • 隐私保护: 提供离线运行和本地存储，确保用户数据隐私安全。

📝 开发计划

  • 保存和分享代理的操作流程。
  • 全局个性化记忆，让ARGO更懂用户并交付结果。
  • 支持使用本地浏览器模拟用户浏览收集信息。
  • 支持定时任务。
  • 更多垂直代理场景。

欢迎加入我们的社区分享您的想法和反馈！Discord | 微信群 | GitHub讨论区

📦 快速入门

硬件要求

在安装ARGO前，请确保您的机器满足以下最低系统要求：

  • CPU >= 4核
  • RAM >= 8 GB

使用Docker时，需要满足以下额外软件要求：

  • Docker >= 24.0.0
  • Docker Compose >= v2.26.1

提示：要在Docker中启用CUDA，需要安装Nvidia CUDA容器工具包

快速桌面应用安装

下载、双击完成安装。

使用Docker快速启动 🐳

无Ollama的ARGO安装:

如果您本地已运行Ollama或在其他容器中运行，并希望ARGO使用它，运行：

docker compose -f docker/docker-compose.yaml up -d

✅ 注意：此设置不包含Ollama，因此某些模型下载功能（如HuggingFace）可能不可用。建议搭配外部Ollama服务。

CPU版本的Ollama安装的ARGO:

如果您希望ARGO包含Ollama并使用CPU推理运行模型，运行：

docker compose -f docker/docker-compose.ollama.yaml up -d

📦 Ollama将与ARGO一同部署为服务，服务地址为http://ollama:11434，支持自动下载和加载本地模型。

GPU版本的Ollama安装的ARGO:

如果您希望在支持GPU的环境中运行LLM模型，使用：

docker compose -f docker/docker-compose.ollama.gpu.yaml up -d

🚀 此版本启用--gpus all并挂载Nvidia驱动。确保您的宿主机已正确安装Nvidia容器工具包。
Ollama服务也在容器内部署，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

参考开发文档

🤝 Contributing

ARGO目前处于早期开发阶段，我们正在积极改进功能和修复问题。在达到稳定版本之前，您可能会遇到一些可用性问题或不稳定性。我们真诚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
  2. 提交Bug: 提交您发现的Bug
  3. 维护Issue: 协助管理GitHub Issue
  4. 产品设计: 参与设计讨论
  5. 编写文档: 改进用户手册和指南
  6. 社区参与: 加入讨论并在Discord | 微信群协助用户
  7. 推广ARGO: 宣传ARGO，给我们一个星标 ❤️

请参考我们的贡献指南进行代码贡献。 感谢您的支持和贡献！

贡献者

📃 许可证

LICENSE

⭐️ Star历史

Star History Chart

页面上的每个数字都来自记录下来的 stargazer 到达时间，没有评分公式，也没有 AI 判定。 任何结论都可以用 /api/v1/repos/{id}/stats 里的原始增量自己重算。