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 ★ 7967
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
- Python 环境(用于运行 Agent 脚本)
- uv 或 pip 包管理器(README 提供 uv pip install 与 pip install 两种方式)
- 一个可用的模型标识,示例为 anthropic/claude-sonnet-4-5
- 一个用于限制文件与 Shell 操作的本地 workspace 目录,如 /path/to/logs
安装与启动步骤
-
1安装 Upsonic
使用 uv 安装 Upsonic 库;若环境中没有 uv,可改用注释中的 pip 命令安装。
uv pip install upsonic -
2配置 IDE 文档索引
在 Cursor 中打开 Settings → Indexing & Docs,添加下方文档地址;VSCode、Windsurf 等工具同样可用。
https://docs.upsonic.ai/llms-full.txt -
3编写 Agent 脚本
新建 Python 文件,导入 AutonomousAgent 与 Task,指定模型与 workspace,并用 print_do 执行任务。
from upsonic import AutonomousAgent, Task agent = AutonomousAgent( model="anthropic/claude-sonnet-4-5", workspace="/path/to/logs" ) task = Task("Analyze server logs and detect anomaly patterns") agent.print_do(task) -
4运行 Agent
把上面代码保存为 main.py,在终端执行,观察任务执行过程与输出结果。
python main.py
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
model | 是 | 指定 Agent 使用的模型,格式为 provider/model。 | anthropic/claude-sonnet-4-5 |
workspace | 是 | Agent 可操作的文件与 Shell 范围,操作被限制在该目录内。 | /path/to/logs |
如何确认成功
运行脚本后 print_do 会打印任务执行过程与结果,终端无报错即表示 Agent 已正常工作。
常见问题
Q:环境里没有 uv,还能安装吗?
A:可以。README 同时给出 pip 方式:执行 pip install upsonic 即可完成安装,效果与 uv pip install 一致。
Q:Agent 会不会修改我磁盘上的其他文件?
A:不会。所有文件和 Shell 操作都被限制在 workspace 目录内,路径穿越和危险命令会被拦截。
Q:不想自己写 Agent,有现成的吗?
A:有。社区预构建的自主智能体位于仓库 src/upsonic/prebuilt 目录,每个都打包了技能、系统提示和首条消息,安装后即可直接运行。
Q:怎么让 Cursor 等编辑器知道 Upsonic 的用法?
A:把 https://docs.upsonic.ai/llms-full.txt 添加为文档源,Cursor 在 Settings → Indexing & Docs 中操作,VSCode、Windsurf 等类似工具同样适用。
注意事项
- model 需按「提供商/模型名」格式填写,示例为 anthropic/claude-sonnet-4-5。
- workspace 建议使用绝对路径,Agent 的全部文件与命令操作都不会越出该目录。
- README 未说明 API 密钥的配置方式,涉及密钥与更多用法请查阅官方文档 https://docs.upsonic.ai。
- 预构建智能体集合开放社区贡献,可直接复用或按需修改。
核心亮点
- 基于MCP(Model Context Protocol)构建,支持OpenAI、Claude等主流LLM,集成成本低
- 提供自主智能体框架,支持computer-use等高级操作,适合复杂任务自动化
- Python原生实现,API简洁,上手门槛低,适合快速原型开发
不足之处
- 项目处于成长阶段,文档和社区生态尚待完善
- 智能体稳定性依赖底层LLM,复杂场景下可能需额外调优
适用场景
- 企业级自动化流程编排(如数据处理、报表生成)
- 个人助理式AI应用开发(如日程管理、信息检索)
- 研究实验中的多步骤任务模拟(如测试LLM推理能力)
替代项目
AutoGen、LangChain、CrewAI
上一篇:evolver
下一篇:autoresearch
同类项目推荐
pydantic-ai-todo
开源
给 Pydantic AI 智能体装上任务规划大脑,复杂任务不再失控。
Task Planning and Tracking toolset for Pydantic AI agents, enabling hierarchical tas···
pinvou-agent
开源
让 AI 直接操作你的桌面文件和应用,交付真实成果。
Open-source desktop AI agent for tools, files, knowledge, workflows, and real delive···
codex-memories
开源
让 Codex 记住项目上下文,跨会话不再重复解释
Local-first persistent memory for OpenAI Codex: governed recall, progressive disclos···
KiroCrew
开源
让AI开发任务跨会话持续进行,越用越聪明
A persistent workspace for development work that self-improves and continues beyond ···
Claude-Skills
开源
给 AI 助手装上 385 个现成技能,开箱即用
403 AI skills, 76 expert agents, and 973 stdlib Python tools for every team: enginee···
Dex
开源
无需编程,快速拥有一个懂你角色的 AI 参谋长
Your AI Chief of Staff — a personal operating system starter kit that adapts to you···
offer-toolkit-skill
开源
用 Claude 一键解码职位、生成简历、备战面试
Full job-hunt Claude skill bundle — Job Description decoder + Resume builder (11 te···
Arcgentic
开源
给 AI 编码代理装上计划、自审、外审的强制关卡
Mechanical plan/dev/self-audit/external-audit gates for AI coding agents, with a con···
avibe
开源
把 AI 助手装进本地,用聊天软件指挥编码智能体干活
Make your computer a home for your AI partner. Avibe is the local-first Agent OS: Vi···
