llm-space

可视化调试AI Agent，失败回放+性能评估，一站式搞定。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 227 🐛 待处理 25 👀 关注 6

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 2107

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源桌面应用，本地优先，完全免费，无付费版本。

项目预览

项目数据

分类开源模型

开发团队deer-flow

官网地址https://deer-flow.github.io/llm-space

GitHubhttps://github.com/deer-flow/llm-space

定价模式🏷️完全免费

价格说明开源桌面应用，本地优先，完全免费，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言TypeScript

技术栈/模型agent,deer-flow,develop,electrobun,harness,llm,llm-tools,managed-agents

GitHub 星标★ 2107

上线时间2026-06-28 00:00:00

代码更新2026-11-01

仓库体积42.9 MB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-09

浏览次数4

项目介绍

llm-space 是一款本地优先的桌面应用，用于快速原型设计、调试和评估 AI Agent 应用。它解决了 Agent 开发过程中缺乏可视化调试工具、失败难以复现、性能评估困难等问题。核心能力包括：可视化编排 Agent 的每一步执行过程（harness step），支持失败回放以定位问题，并提供性能评估面板。它兼容本地模型和云端托管 Agent，采用 TypeScript 构建，界面直观，适合从原型到生产前的迭代。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2107

技术标签

agent harness llm llm-tools

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：本地安装 6 步

环境要求

操作系统：可运行桌面应用的 Windows/macOS/Linux 环境
已安装 Bun（JavaScript 运行时与包管理器，替代 Node.js/npm）
（可选）安装 mise，用于复现 CI 使用的锁定工具链
已安装 Git，用于获取仓库源码

安装与启动步骤

1获取项目源码

从 GitHub 克隆仓库到本地，克隆完成后进入项目根目录，后续命令都在此目录执行。
```
git clone https://github.com/deer-flow/llm-space.git
cd llm-space
```
2安装 Bun 运行时

从源码构建必须先安装 Bun。README 指向 Bun 官方安装指南，按其页面说明完成安装并确认命令可用。
3安装项目依赖

在仓库根目录执行 bun install，安装前端与桌面端的全部 JS 依赖。
```
bun install
```
4（可选）用 mise 装依赖

若想使用 CI 完全一致的工具链，安装 mise 后执行该命令，会按 mise.lock 安装锁定版 Bun 并装好依赖。
```
mise run setup
```
5启动桌面应用

以本地开发模式启动桌面应用，用于调试 Agent 的每一步执行过程。
```
mise run dev
```
6构建 canary 版本

需要打包时执行该命令，产出 canary 发布版本。
```
mise run build:canary
```