Eigent 多智能体工作流安装配置指南

Eigent 多智能体工作流安装配置指南

【免费下载链接】eigentEigent: The Open Source Cowork Desktop - Local and Free Alternative to Claude Cowork and Codex项目地址: https://gitcode.com/GitHub_Trending/ei/eigent

这篇文章带你把 Eigent——一个开源的多智能体协作桌面应用——从克隆仓库到跑通第一个任务的流程走一遍。适合第一次本地部署 Eigent 的开发者和技术爱好者，读完你能独立配置云端、本地两种模式，接好第一个模型，并编排出第一个多智能体任务。全程不用写代码，所有命令复制即用。

先对配置：你的机器够不够用

开始之前先对一下数字。Eigent 是 Electron 桌面端 + FastAPI 本地后端，资源门槛不高，但多智能体并行跑任务时会实际吃掉内存。

[!WARNING] 内存低于 8GB 时智能体响应会明显变慢；4 个以上智能体并行跑任务可能直接内存不足、任务失败。

仓库自带的应用素材如下，安装包的窗口背景就取自它：

图1：Eigent 桌面端默认背景素材（src/assets 目录，6000×4000）

3 分钟跑通：两条启动路径

快速体验路径

克隆仓库，地址用官方镜像：

# 克隆仓库 git clone https://gitcode.com/GitHub_Trending/ei/eigent cd eigent

装依赖，启动。这条路径连云端服务，需要你注册一个账号：

# 安装前端依赖 npm install

# 启动应用（云端连接模式，首次初始化约 2~3 分钟） npm run dev

到这一步还没报错的话，基本就稳了，等浏览器自动打开应用界面即可。

[!TIP] 💡 云端模式会把注册信息、聊天记录存在云上；要求数据完全不出本机，就走下面这条本地路径。

如果你只是想先看看效果，走上面就够了；要数据留在本地的定制部署，往下看。

开发者本地路径（Docker + 本地后端）

本地后端是 FastAPI + PostgreSQL，用 Docker 起，迁移脚本（Alembic）在容器启动时自动执行：

# 启动本地后端 cd server cp .env.example .env docker-compose up --build -d

API 监听 3001 端口，数据库 5432。然后在项目根目录告诉前端"后端在本机"：

# 前端指向本地后端（写入 .env.development） echo "VITE_BASE_URL=/api" > .env.development echo "VITE_USE_LOCAL_PROXY=true" >> .env.development echo "VITE_PROXY_URL=http://localhost:3001" >> .env.development

# 安装依赖并启动前端 npm install && npm run dev

最后打开http://localhost:3001/docs，能看到 Swagger 接口文档页面就说明后端活着。

[!TIP] 💡 每次git pull之后，记得在根目录跑npm install、在backend/目录跑uv sync，两边依赖都要更新。

把模型接上：从决策树到 Gemini 三步配置

先按这棵树定位自己的分支，别一上来就抄别人的参数：

需要接入模型 ├── 本地推理 │ ├── 有 NVIDIA GPU → 用 vLLM / LM Studio 起服务 │ └── 无 GPU → Ollama + 轻量模型 └── 云端 API ├── 已有 API Key → Settings → Models 直接填 └── 无 Key → Eigent Cloud（含免费额度）

以 Gemini 做端到端演示：启动 Eigent 后点顶部导航的 Settings，左侧选 Models 进入模型配置中心，界面如下：

Eigent 模型配置中心

图2：模型配置中心（待补充）

在 Gemini 模块里填三个参数：

• API Key：Google AI Studio 申请，必填
• API Host：默认https://generativelanguage.googleapis.com/v1beta，选填，走代理才改
• Model：模型标识，必填，例如gemini-2.5-pro

点 Save 后系统会在线验证连通性，通过后点卡片右上角 Set as Default，卡片上出现 Default 标记即生效，所有智能体优先用它。OpenAI、Anthropic、OpenRouter、DeepSeek 等其余服务商是同一套填法，换 Host 和 Key 就行，本地推理模型（Ollama、vLLM、LM Studio）则填本机地址。

让智能体各就各位：分工、场景与配额

Eigent 的智能体分工很明确，每个都有对应工厂文件，放在 backend/app/agent/factory/ 目录下：

• Browser Agent：网页浏览、页面操作与数据采集
• Developer Agent：代码生成、调试与工程文件修改
• Document Agent：文件读取、文档撰写与格式整理
• Social Media Agent：社媒内容生成与发布
• Multi-modal Agent：图片与多模态素材处理
• Task Summary Agent：汇总各智能体产出、生成最终报告

资源配额调整有两个入口：MCP 服务器白名单在 Settings 的 "MCP & Tools" 菜单里配；执行资源范围的高级配置参考 backend/config/hands_clusters.example.toml，复制到~/.eigent/hands_clusters.toml并设EIGENT_HANDS_MODE=remote生效。

启动后进入工作区，主界面长这样（仓库自带的 e2e 截图）：

图3：Eigent 工作区主界面，含任务会话列表与智能体协同面板

场景一：整理一个混乱的桌面

1. New Project 新建一个项目
2. 指派 Developer Agent，工作区指向桌面目录
3. 输入整理指令：按类型把文件归到 项目/个人/归档 三类文件夹
4. 检查生成的目录结构，确认接受

场景二：多步周报自动化

1. 把原始素材（PR 列表、会议记录）放入工作区
2. Document Agent 读取素材、生成周报初稿
3. Browser Agent 抓取仪表盘数据补充进报告
4. 保存产物，用 Triggers 功能设定每周定时执行

效率方面不拍脑袋：项目内置基准测试套件，跑完它的输出才是真实数字。

# 运行内置基准测试 cd backend python3 -m benchmark.main

卡住时按顺序走：日志、网络、资源

别上来就重启，按这个顺序查，能省不少事。

1. 先看日志：Docker 模式下用下面命令看后端实时输出（容器内日志文件在/app/runtime/log/app.log）：

# 查看本地后端实时日志 docker logs -f eigent_api | cat

2. 再查网络和 Key：确认 API Key 没过期、服务商服务可用；本机访问 API Host 是否被代理或防火墙拦截。
3. 最后调资源：减少并行智能体数量、换小一号的模型；uv run卡住时删掉backend/下的uv_installing.lock、uv_installed.lock再试。

[!TIP] 💡 本地部署的完整说明、端口与数据持久化细节，都在 server/README_EN.md 里。

别光看——把上面三条命令跑一遍，跑不通就把完整报错按 CONTRIBUTING.md 的指引贴到仓库 issue，或对着 server/README_EN.md 逐项核对，剩下的交给智能体。

【免费下载链接】eigentEigent: The Open Source Cowork Desktop - Local and Free Alternative to Claude Cowork and Codex项目地址: https://gitcode.com/GitHub_Trending/ei/eigent