一个基于插件的 AI 运营控制台,用于管理群聊和多消息平台中的机器人、知识、插件及运维。

Stars

12

7 天增长

暂无数据

Fork 数

5

开放 Issue

0

开源协议

Apache-2.0

最近更新

2026-07-28

AI 仓库情报摘要
FR-AI / ANALYSIS

为什么值得关注

它提供了一个统一、模块化的控制面,涵盖消息平台适配器、LLM 配置、群参与策略、知识库(FAQ/RAG)、成员记忆、插件钩子以及运维可靠性(Redis Streams、Outbox、DLQ),并通过 React 前端和 FastAPI 后端提供 Docker Compose 快速启动体验。

适合谁使用

  • 跨多个消息平台运营群聊机器人的团队
  • 构建具有可定制知识与插件生态的 AI 助手的开发者
  • 需要可观测、可恢复消息基础设施的运维工程师
  • 寻求本地部署多租户 AI 运营仪表板的企业用户

典型使用场景

  • 在微信群中通过已配置的 LLM 和 FAQ 知识库自动回答常见问题
  • 通过单一控制台统一管理机器人在微信、Telegram 等不同适配器中的行为
  • 运行带有积分奖励、内容审核和定时报告的群运营系统
  • 上线前使用内置链路测试工具验证路由和回复结果

项目优势

  • 插件 SPI 可轻松扩展消息平台,内置微信适配器但核心不依赖特定平台
  • 生产级可靠性:Redis Streams、事务 Outbox、重试和死信队列重放
  • 全栈可观测性:集成 OpenTelemetry、指标、日志、追踪和 Grafana 仪表板
  • 完整的 Docker Compose 堆栈,支持离线 fake LLM,方便开发与测试

使用前须知

  • 仅内置微信适配器,其他平台需自行实现适配器 SPI
  • 知识库功能(FAQ/RAG)需要额外部署 Qdrant 并配置 Embedding 提供方
  • 生产环境需要严格管理密钥,并准备独立的 .env.production 配置

README 快速开始

Agent Console

面向群聊与多消息平台的插件化 AI 运营控制台。

统一管理消息平台连接、LLM、群参与策略、知识与成员记忆、插件能力、消息链路和失败恢复。当前内置 WeChat SDK 适配器,但核心平台不依赖微信,可以独立启动,也可以通过适配器 SPI 扩展其他消息平台。

快速体验 · 核心能力 · 系统架构 · 源码开发 · 部署文档

核心能力

领域能力
消息接入适配器目录、平台连接、健康探测、会话与参与者同步、租户与群聊作用域
机器人行为LLM 配置、群参与策略、回复风格、复读策略、行为模拟与链路测试
知识与记忆FAQ、文档知识库、混合 RAG、成员记忆、人物档案、群聊关系图
Agent 与插件多轮工具调用、插件 Hook、命令中心、插件安装/启停/升级与作用域策略
群运营积分、内容审核、主动参与、画图、高德地图和微信管理工具
运维与恢复Redis Streams、事务 Outbox、重试、消息队列、DLQ 重放、指标、日志与追踪

管理台按“上线向导、消息接入、机器人行为、知识、群运营、能力与集成、系统运维”组织功能,常见操作无需直接调用 API。

基本概念

  • 适配器(Adapter):让平台能够连接 WeChat 或其他消息提供商的可安装代码。
  • 连接(Connection):租户实际配置的 SDK、网关或账号实例。安装适配器不等于已经建立连接。
  • 会话(Conversation):连接下的群、频道或私聊范围。
  • 参与者(Participant):会话中的消息平台身份。

连接的非敏感配置在控制台“平台连接”页面维护;凭据只保存在部署侧的 Secret Provider 中,控制面仅保存 secret_ref

系统架构

flowchart LR
    P["消息平台"] --> A["适配器与连接"]
    A --> I["Ingress API验签 · 幂等 · 限流"]
    I --> B["Redis Streams"]
    B --> W["Inbound Worker"]
    W --> O["消息编排器"]
    O --> C["FAQ / RAG / LLM / Agent"]
    O  X["插件 Hooks 与工具"]
    C --> E["Outbox / Effect Intent"]
    E --> D["Outbound Worker"]
    D --> P

    UI["React 管理控制台"] --> API["FastAPI 管理 API"]
    API --> DB[(PostgreSQL)]
    O --> DB
    C -. 可选 .-> Q[(Qdrant)]

核心 API 与 inbound、outbound、scheduler worker 分进程运行。PostgreSQL 保存持久状态,Redis 承担队列、热状态与协调,Qdrant 仅在知识/向量能力启用时需要。

快速体验

推荐使用 Docker Compose。你只需要 Docker Desktop(Windows/macOS)或 Docker Engine + Compose v2(Linux)。默认配置使用离线 fake LLM,未配置 API Key 也能启动控制台并验证链路。

Windows

.\scripts\windows-stack.ps1 start

脚本会在缺少 .env 时从 .env.example 创建一份本地开发配置,并启动完整核心栈。

macOS / Linux

cp .env.example .env
python3 -  |
| API |  |
| API 文档 |  |
| 本地演示管理员令牌 | 上一步生成并写入 `.env` 的随机令牌 |

Windows 启动脚本会完成同样的生成并显示管理员令牌。三个管理侧
secret 均独立生成且只保存在被 Git 忽略的 `.env` 中;不要提交、共享或复用于生产。

默认 `app` profile 会启动 PostgreSQL、Redis、OpenTelemetry Collector、数据库迁移任务、API、三个核心 worker 和前端;不会启动 Qdrant 或微信 bridge,知识向量能力默认关闭。

常用命令:

```bash
docker compose --profile app ps
docker compose --profile app logs -f --tail=100
docker compose --profile app stop
docker compose --profile app down

Windows 也可以使用:

.\scripts\windows-stack.ps1 status
.\scripts\windows-stack.ps1 health
.\scripts\windows-stack.ps1 logs
.\scripts\windows-stack.ps1 stop

down 会保留命名卷中的数据。不要

相关仓库与替代方案

根据分类、Topic 和编程语言匹配的相似项目。

lopopolo
精选
lopopolo GitHub avatar

harness-engineering

Harness Engineering is a methodology for improving coding agent outputs by carefully crafting the environment around them—providing curated context, tools, and executable constraints that encode an organization’s nonfunctional requirements and cumulative lessons.

AI 与机器学习AI 智能体
2,390
MoonshotAI
精选
MoonshotAI GitHub avatar

Kimi-K3

Kimi K3 is an open-weight, 2.8T-parameter native multimodal agentic model with a 1M-token context window, designed for frontier coding, knowledge work, and reasoning tasks.

AI 与机器学习AI 智能体
3,348
mshumer
精选
mshumer GitHub avatar

Claude-of-Duty

A browser-based first-person shooter built entirely with procedural generation and orchestrated AI agents, featuring 55k lines of Three.js/WebGL2 code and no art assets.

AI 与机器学习AI 智能体
1,234