项目预览
项目数据
项目介绍
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 ★ 2307
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。
环境要求
- 已安装 Python 及其包管理工具 pip(用于 pip install llmstack)
- Windows 用户需先在 WSL2 终端中操作,不能直接用原生命令行
- 可正常访问 localhost:3000 的本地浏览器
- 可选:OpenAI、Cohere、Stability 等模型供应商的 API Key
安装与启动步骤
-
1Windows 先装 WSL2
README 明确要求 Windows 用户使用 WSL2 安装 LLMStack,装好后进入 WSL2 终端再执行后续命令;Linux/macOS 可跳过此步。
-
2安装 LLMStack
通过 pip 从 PyPI 安装 llmstack 包,安装完成后会提供 llmstack 命令行入口。建议使用独立的 Python 虚拟环境。
pip install llmstack -
3启动 LLMStack
执行 llmstack 命令启动服务。首次运行会创建 ~/.llmstack 目录,并把数据库和配置文件放在其中。
llmstack -
4浏览器访问控制台
启动成功后程序会自动打开浏览器并指向 localhost:3000;若未自动弹出,可手动访问该地址。
-
5修改默认密码
使用默认管理员账号 admin / promptly 登录,随后立即在管理后台修改密码,避免保留公开的默认凭据。
-
6配置模型密钥
在 Settings 页面添加 OpenAI、Cohere、Stability 等供应商密钥;若要为实例所有用户提供默认密钥,可写入 ~/.llmstack/config 文件。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
~/.llmstack | 是 | 首次运行自动创建,存放数据库与配置文件,务必保留 | /home/youruser/.llmstack |
~/.llmstack/config | 否 | 写入供应商默认密钥,供实例内所有用户共用 | /home/youruser/.llmstack/config |
如何确认成功
执行 llmstack 后浏览器自动打开或手动访问 localhost:3000 能出现登录页,用 admin / promptly 成功登录即启动成功。
常见问题
Q:默认管理员账号是什么?
A:默认账号为 admin,密码为 promptly。登录后请在管理后台及时修改密码,不要长期使用默认凭据。
Q:Windows 上能直接安装吗?
A:不能直接用原生 Windows 命令行,需先安装 WSL2,在 WSL2 终端里执行 pip install llmstack 和 llmstack。
Q:访问哪个地址、哪个端口?
A:README 给出的访问地址是 http://localhost:3000,启动后会自动打开浏览器指向该地址。
Q:服务的数据和配置存在哪里?
A:首次运行会在用户主目录创建 .llmstack 目录(即 ~/.llmstack),数据库和配置文件都放在里面。
Q:怎么给所有用户统一配好模型密钥?
A:除在 Settings 页面逐个添加外,可把 OpenAI、Cohere、Stability 等供应商的默认密钥写入 ~/.llmstack/config 文件。
注意事项
- README 只提供了 pip 安装方式,未给出 Docker 部署命令,容器部署请以官方文档为准。
- 务必在首次登录后修改默认管理员密码(admin / promptly),否则实例存在安全风险。
- Windows 用户必须在 WSL2 环境中执行安装与启动命令。
- 首次运行生成的 ~/.llmstack 目录包含数据库和配置,迁移或备份时不要遗漏。
核心亮点
- 可视化拖拽编排多智能体工作流,降低 AI 应用开发门槛
- 内置多种数据源连接器,轻松接入私有数据(数据库、文件等)
- 一键发布为 API 或嵌入网页,快速集成到现有系统
不足之处
- 项目仍处于成长阶段,文档和社区支持有待完善
- 复杂场景下自定义能力可能受限,高级用户需编写代码扩展
适用场景
- 非技术团队快速搭建内部知识库问答机器人
- 企业自动化业务流程,如客户支持工单分类与回复
- 开发者快速原型验证 LLM 应用,并部署为 API 服务
替代项目
Flowise、Langflow、Dify
下一篇:phantasm
同类项目推荐
HugAgentOS
开源
给智能体装上可验证的推理骨架,让每一步决策都有据可查。
HugAgentOS: the open-source Agent Harness that runs 24/7
papergraph-mcp
开源
把数学论文变成有据可查的阅读地图,智能体不再瞎猜
PaperGraph MCP turns math papers into evidence-grounded reading maps for AI agents: ···
claude-code-changelog
开源
盯住 Claude Code 每次更新,看透提示词和功能变化
Tracking prompts, feature flags and metadata of Claude Code releases. Subscribe to ↓···
mcp
开源
把任意 OpenAPI 接口变成 AI 代理工具,快速接入 Claude、Cursor。
Taskade MCP · Official MCP server and OpenAPI to MCP codegen. Build AI agent tools ···
nanoclaw
开源
轻量容器化智能体,安全连接全平台消息应用
A lightweight alternative to OpenClaw that runs in containers for security. Connects···
gpt-researcher
开源
给个问题,自动搜全网并写出带引用的研究报告
An autonomous agent that conducts deep research on any data using any LLM providers
mcp-shrimp-task-manager
开源
把 AI 变成资深工程师,自动拆解任务并持续反思优化。
Shrimp Task Manager is a task tool built for AI Agents, emphasizing chain-of-thought···
skyagi
开源
用 LLM 模拟人类行为,快速搭建多智能体社会实验。
SkyAGI: Emerging human-behavior simulation capability in LLM
Matryoshka
开源
用 REPL 状态分析长文档,省 token 又高效
MCP server for token-efficient large document analysis via the use of REPL state
