MiroFlow

一个框架跑赢五大基准，让 AI 自动完成深度研究。

MiroFlow 是一个开源的智能体框架，旨在构建和运行高性能的 AI 研究代理。它解决了通用代理在复杂任务中表现不稳定、基准测试成绩不佳的问题，通过集成多种前沿模型（如 MiroThinker、Claude、Kimi、OpenAI）和优化推理流程，在 5 个以上权威基准（如 GAIA、BrowseComp、HLE）上取得了领先成绩。其核心能力包括：提供简洁的 Web UI 进行任务配置与结果可视化，支持多模型灵活切换与混合调用，内置深度研究（Deep Research）流程，可自动规划、检索、推理并生成结构化报告。项目基于 Python 实现，模块化设计便于扩展，适合需要高精度、多步骤推理的复杂研究场景。

开源 unknown 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3115

维护状态维护中

是否开源是

定价模式 unknown

项目数据

分类智能体

开发团队MiroMindAI

所属国家

官网地址https://miromindai.github.io/MiroFlow

GitHubhttps://github.com/MiroMindAI/MiroFlow

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agent-framework,agents,browsecomp,claude,deep-research,futurex,gaia,gpt-5,hle,research-agent,xbench

GitHub 星标★ 3115

30天Star增速

HF 下载量

上线时间2025-08-05 00:00:00

最近更新2026-09-23 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

难度：入门约 5 分钟部署方式：命令行工具 4 步

环境要求

Python 环境（README 使用 uv 管理依赖，PyPI 包由 uv sync 安装）
可用的 LLM API Key，并正确写入 .env 文件
可访问 GitHub 与 PyPI 的网络
uv 命令行工具（README 依赖 uv sync / uv run 执行）

安装与启动步骤

1克隆仓库

用 git clone 拉取 MiroFlow 源码并进入项目根目录，后续命令都需在此目录执行。
```
git clone https://github.com/MiroMindAI/MiroFlow && cd MiroFlow
```
2安装依赖

在仓库根目录执行 uv sync，按锁文件安装全部 Python 依赖并创建虚拟环境。
```
uv sync
```
3配置 API 密钥

按 README 提示，确认 .env 文件中的 API Key 已正确填写；密钥缺失会导致调用模型失败。

4运行示例任务

执行 quickstart 配置的 trace 任务，让代理读取 XLSX 文件并回答问题。

uv run main.py trace --config_file_name=agent_quickstart_reading --task="What is the first country listed in the XLSX file that have names starting with Co?" --task_file_name="data/FSI-2023-DOWNLOAD.xlsx"

如何确认成功

运行示例任务后，终端输出中应包含 oxed{Congo Democratic Republic}。

常见问题

Q：运行时提示 API Key 相关错误怎么办？

A：README 提示：先检查 .env 文件里的 API Key 是否正确设置，再确认所有依赖已通过 uv sync 安装完成。

Q：能用 Docker 部署或 Web UI 吗？

A：README 节选只给出命令行 quickstart 流程，未提供 Docker 命令；如需 Web UI 或其它运行方式请查阅仓库完整文档。

Q：示例任务报文件找不到？

A：示例使用相对路径 data/FSI-2023-DOWNLOAD.xlsx，请在克隆后的 MiroFlow 仓库根目录执行该命令。

Q：提示 uv 命令不存在？

A：说明本机缺少 uv 工具，README 的安装与运行都依赖 uv，请先在系统中安装 uv 后重新执行 uv sync。

注意事项

所有命令需在克隆后的 MiroFlow 仓库根目录执行，否则 data/ 下的示例文件路径会失效。
API 密钥保存在 .env 中，不要将 .env 或真实密钥提交到版本库。
README 节选未给出具体环境变量名与各模型配置细节，请以仓库内完整文档和 .env 示例为准。

核心亮点

在 GAIA、BrowseComp 等 5+ 基准上排名第一，性能有硬指标支撑
内置 Web UI，无需写代码即可配置任务和查看结果，上手门槛低
支持 MiroThinker、Claude、Kimi、OpenAI 多模型切换，灵活适配不同场景

不足之处

项目较新，文档和社区生态仍在建设中，部分高级功能需自行摸索
依赖多个外部模型 API，实际使用成本可能较高，且离线部署受限

适用场景

需要高准确率的复杂多跳问答与事实核查
金融、法律等行业的深度研究报告自动生成
作为后端引擎，为上层应用提供智能研究能力

替代项目

OpenManus、AutoGPT、LangChain

项目介绍

MiroFlow 是智能体领域的开源项目，由 MiroMindAI 开发，2025 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（3,115）位列前 30%，在智能体分类的 2,499 个项目里位列前 14%。

近 45 天，它的 GitHub 星标从 3,090 增加到 3,115，净增 25。

项目仍在小幅维护中，最近一次代码更新于 2026-09-23。从国内网络环境看，可直接访问。

它主要面向的使用场景是：需要高准确率的复杂多跳问答与事实核查。同类可对比的替代方案包括 OpenManus、AutoGPT、LangChain。

上一篇：ag2

下一篇：opengap