intellagent

用合成交互数据自动诊断智能体短板，快速优化性能

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署基础设施 🍴 复刻 156 🐛 待处理 7 👀 关注 27

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1262

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源框架，Apache-2.0 许可证，完全免费，可自行部署使用。

项目预览

intellagent 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类基础设施

开发团队plurai-ai

官网地址https://intellagent-doc.plurai.ai

GitHubhttps://github.com/plurai-ai/intellagent

定价模式🏷️完全免费

价格说明开源框架，Apache-2.0 许可证，完全免费，可自行部署使用。

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Apache-2.0

主要语言Python

技术栈/模型agent,evaluation,llmops,simulator,synthetic-data

GitHub 星标★ 1262

上线时间2024-10-28 00:00:00

代码更新2026-09-14

仓库体积14.6 MB

本站数据更新2026-11-10

维护状态维护中

收录时间2026-08-09

浏览次数4

项目介绍

IntellAgent 是一个面向智能体（Agent）的全面诊断与优化框架。它通过模拟真实场景下的合成交互数据，帮助开发者系统性地评估和调优基于大语言模型的智能体系统。该框架解决了智能体开发中缺乏标准化测试和诊断手段的问题，能够自动生成多样化的用户交互情景，覆盖正常、边缘和异常情况，从而暴露智能体在意图理解、工具调用、多轮对话等方面的潜在缺陷。核心能力包括：可定制的交互模拟器、细粒度的行为分析、自动化的问题定位与修复建议。它支持与主流智能体框架（如 LangChain、AutoGen）集成，并提供可视化报告，让开发者能直观地看到智能体的性能瓶颈和错误模式，从而进行针对性优化。

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 ★ 1262

技术标签

agent evaluation llmops simulator synthetic-data

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：命令行工具 5 步

环境要求

Python >= 3.9
已安装 git，且配置好 GitHub SSH key（README 使用 SSH 地址克隆）
使用 pip 或 Conda 安装依赖
运行模拟器需可用的 LLM 服务（如 Azure OpenAI）

安装与启动步骤

1克隆仓库

用 README 提供的 SSH 地址克隆 intellagent 仓库到本地。若未配置 SSH key，需先在 GitHub 添加公钥。
```
git clone git@github.com:plurai-ai/intellagent.git
```
2进入目录

切换到克隆下来的 intellagent 项目根目录，后续命令都在此目录执行。
```
cd intellagent
```
3安装依赖

README 提供 pip 方式安装 requirements.txt 中的全部依赖，Conda 方式可参考官方文档。
```
pip install -r requirements.txt
```
4运行简单模拟

不带数据库的快速环境，输出到 results/education，使用 education 配置文件。
```
python run.py --output_path results/education --config_path ./config/config_education.yml
```
5运行复杂模拟

带数据库的复杂环境，速度较慢，输出到 results/airline，使用 airline 配置。
```
python run.py --output_path results/airline --config_path ./config/config_airline.yml
```

关键配置

配置项	必填	说明	示例
`output_path`	是	模拟与评估结果的输出目录	`results/education`
`config_path`	是	指定本次模拟使用的 YAML 配置文件路径	`./config/config_education.yml`
`num_workers`	否	并发工作数，出现限流报错时调小	`2`
`timeout`	否	请求超时时间，频繁超时错误时调大	`120`

如何确认成功

命令执行后在 output_path 指定的目录（如 results/education）下生成模拟与评估结果文件，且终端无报错退出。

常见问题

Q：出现 Rate limit 限流提示怎么办？

A：在 config_default 文件中调小 num_workers 变量的值，降低并发后重试。

Q：频繁出现 timeout 超时错误怎么办？

A：在 config_default 文件中增大 timeout 的值，给模型调用留出更多时间后重试。

Q：使用 Azure OpenAI 需要额外设置吗？

A：需要，运行模拟器前要先关闭 Azure OpenAI 服务默认的 jailbreak 内容过滤器，否则模拟会被拦截。

Q：对 Python 版本有要求吗？

A：有，README 明确要求 python >= 3.9，版本过低会安装或运行失败。

注意事项

README 节选缺少 Step 2（LLM 密钥/环境配置）内容，运行前请先查阅官方安装文档 https://intellagent-doc.plurai.ai/quick_start/installation/ 完成配置。
克隆使用的是 SSH 地址，若未配置 GitHub SSH key，请改用官方文档给出的 HTTPS 方式或先配置密钥。
示例命令使用仓库自带的 config_education.yml 与 config_airline.yml，路径为相对路径，必须在项目根目录执行。
README 建议通过官方 Customization 文档为自己的业务环境定制模拟配置。