项目旨在解决数据敏感型办公场景下的自动化刚需：文件批处理、多表汇总、网页信息采集、定时报表和桌面软件操作每天占用大量人力，而市面云端 Agent 产品要求把业务文件上传到厂商服务器，且模型只能用平台指定的，无法接入本地开源模型，也无法自定义成本与行为边界。面向对数据本地化、多模型混用和可控性有要求的个人开发者与小团队，我从零自建了这套部署在本机的 AI Agent 工作台，数据不离开自己的电脑，填入自有 API Key 即可运行，覆盖办公自动化、数据采集、表格处理、定时任务和桌面软件操控等真实业务场景。
系统包含六大功能模块：1.对话与任务中枢：浏览器访问本地端口即用的三栏界面（对话区、工具过程区、产物区），SSE 实时流式推送思考、工具调用与产物，任务可随时中止。2.Agent 执行引擎：自研 function calling 主循环，工具 schema 全量下发、模型自主决策，支持最多 25 轮回环与错误自愈，内置终端、文件、检索、定时任务、计划模式、子代理等二十多个工具。3.多模型管理：经 OpenAI 兼容协议接入聚合网关，运行时动态切换十多家厂商的十几个对话模型，模型目录支持自动发现、启停与自定义接入，未开通模型自动隔离；并通过 Ollama 接入本地 9B 开源模型，本地调用零费用。4.浏览器与桌面操控：集成 Agent TARS 按需拉起便携浏览器执行网页任务；桌面端采用截屏、多模态模型决策、pyautogui 执行的闭环，支持 40 步内可视化操作与 FailSafe 急停。5.预算与安全：每日费用、任务时长、token、浏览器步数、看门狗五项独立开关，配合循环检测强制中止，系统目录硬保护。6.长对话管理：上下文压缩摘要与原文归档双轨，支持历史原文关键词检索。实际落地包括自动翻页采集 73 条商品并导出带图表 Excel（含网络故障 DNS 择优重试自愈）、多表批量合并、定时报表提醒等。
本人独立完成需求设计、架构、编码、自动化测试与部署全流程。后端 Python+FastAPI+uvicorn，前端原生 HTML/CSS/JS，无需安装客户端，浏览器访问本地端口即用。技术亮点：一是统一人格路由，把主循环、压缩、摘要、评审、GUI 决策等所有模型调用收口到同一路由函数，按模型选网关并统一记账，解决了旁路任务偷调云端模型产生隐性费用的问题；二是流式坏参数容错解析器，对模型吐出的非法 JSON 自动修正或判 fatal 拆小任务，杜绝空参数执行；三是本地地址统一 127.0.0.1 并关闭代理信任，根治代理环境下 localhost 请求挂死；四是桌面操控针对 DPI 缩放、弹窗遮挡做动作容错，失败返回末帧截图便于排查。工程上配套 Python 单元测试与浏览器 CDP 端到端回归套件，核心改动全量回归通过，全程 Git 版本管理可回滚，并提供一键启停脚本与环境检测，普通用户双击即可运行。
评论