eko

用大白话写工作流，自动生成可上线的 AI 智能体

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 447 🐛 待处理 15 👀 关注 99

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 4964

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，可免费使用和部署。

项目预览

项目数据

分类搜索知识

开发团队FellouAI

官网地址https://fellou.ai/eko

GitHubhttps://github.com/FellouAI/eko

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，可免费使用和部署。

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,agentic-ai,agentic-ai-development,agentic-framework,agentic-workflow,agents,ai-agents,browser-automation,browseruse,chain-of-thought,computer-automation,computeruse,genai,llm-agents,llm-inference,llmapi,natural-language-inference,prompt-engineering,rag,workflow

GitHub 星标★ 4964

上线时间2024-11-23 00:00:00

代码更新2026-03-03

仓库体积2.8 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

Eko 是一个用自然语言构建生产级智能体工作流的开源框架，基于 TypeScript 开发。它解决了开发者在构建复杂 AI Agent 时面临的编排难、调试难、部署难等问题，让开发者可以用日常语言描述业务逻辑，自动生成可执行的工作流。核心能力包括：自然语言到代码的转换、可视化工作流编排、多步骤任务分解与执行、与主流 LLM 的无缝集成、以及内置的日志与监控机制。Eko 强调生产环境可用性，支持错误重试、并发控制和资源管理，适合快速搭建客服机器人、自动化数据处理、智能审批等场景。项目处于成长阶段，社区活跃，文档完善，是连接自然语言与自动化执行的重要桥梁。

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 ★ 4964

技术标签

agent agentic-ai agentic-framework agentic-workflow agents

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：库/依赖 4 步

环境要求

Node.js 运行环境与 pnpm 包管理器（README 中所有命令均基于 pnpm）
一个可用的大模型 API Key（Anthropic / OpenAI / Google 或 OpenAI 兼容服务）
浏览器或桌面自动化场景需额外安装对应平台包（@eko-ai/eko-web、@eko-ai/eko-extension 等）

安装与启动步骤

1安装 Eko 包

在 TypeScript 项目根目录执行，把 Eko 作为依赖安装到工程中；README 只给出 pnpm 这一种安装方式。
```
pnpm install @eko-ai/eko
```
2配置大模型

在代码中声明 LLMs 对象，为每类模型填写 provider、model、apiKey；OpenAI 兼容模型需额外配置 baseURL。
```
const llms: LLMs = {
  default: {
    provider: "anthropic",
    model: "claude-sonnet-4-5-20250929",
    apiKey: "your-api-key"
  }
};
```

3创建并运行 Agent

实例化所需 Agent（如 BrowserAgent、FileAgent），交给 Eko 后用自然语言描述任务并 await 执行结果。

let agents: Agent[] = [new BrowserAgent(), new FileAgent()];
let eko = new Eko({ llms, agents });
let result = await eko.run("Search for the latest news about Musk, summarize and save to the desktop as Musk.md");

4（可选）升级到 4.0

已有的 3.x 项目按 README 步骤更新依赖、重生成工作流，再清理 node_modules 重装并重建产物。
```
pnpm up @eko-ai/eko @eko-ai/eko-nodejs @eko-ai/eko-web @eko-ai/eko-extension
rm -rf node_modules && pnpm install
```

关键配置

配置项	必填	说明	示例
`llms.default.provider`	是	默认大模型服务提供方，决定调用哪家 API。	`anthropic`
`llms.default.model`	是	默认模型名称，需与所用 provider 匹配。	`claude-sonnet-4-5-20250929`
`llms.default.apiKey`	是	对应服务商的 API Key，切勿写入前端代码。	`your-api-key`
`llms.<name>.config.baseURL`	否	使用 OpenAI 兼容模型（Qwen、Doubao 等）时指定服务端点。	`https://dashscope-intl.aliyuncs.com/compatible-mode/v1`

如何确认成功

调用 eko.run() 能正常返回 result，且任务产物（如桌面上的 Musk.md）生成，即说明环境与密钥配置成功。

常见问题

Q：可以把 API Key 写在前端/浏览器代码里吗？

A：不可以。README 明确警告这样会暴露凭据并可能被未授权使用，最佳实践是通过后端 API 代理请求，配合 baseURL 与请求头转发。

Q：怎么接入 Qwen、Doubao 等 OpenAI 兼容模型？

A：provider 统一填 openai，在 config.baseURL 中填入对应服务端点，例如 Qwen 用 https://dashscope-intl.aliyuncs.com/compatible-mode/v1。

Q：从 Eko 3.x 升级到 4.0 要做什么？

A：先 pnpm up 更新 eko 相关依赖，重新生成保存的工作流/导出计划以匹配新 schema 与依赖图，再 rm -rf node_modules && pnpm install 重装并重建浏览器或桌面产物。

注意事项

严禁在浏览器/前端代码中使用 API Key，应通过后端代理并配置 baseURL 与请求头。
README 的 Quickstart 只给出简要示例，完整步骤需参阅官方文档 https://eko.fellou.ai/docs/getting-started/quickstart/。
Eko 4.0 支持对话式交互并优化了 Agent 逻辑，同时提供暂停、恢复、中断与 task_snapshot 工作流恢复能力。
README 中未给出 Node 版本、端口、仓库克隆等说明，相关参数请以官方配置文档为准。