xiaohongshu-posting

相比原始 [Open-AutoGLM](https://github.com/zai-org/Open-AutoGLM) 项目，本项目基于 deepagents 框架，通过中间件机制集成 AutoGLM，实现以下核心优势：

• 🔗 能力组合：AutoGLM 与 Web 搜索、Shell、技能系统、记忆系统无缝协同，实现"搜索信息 → 分析决策 → 手机操作"全流程自动化
• 🧠 智能分工：主 Agent 负责任务规划和复杂决策，子Agent phone_task 专注手机操作执行，职责边界清晰
• 🎯 精细化操作：利用 Anthropic 提出的 [Agent SKILL](https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills)，可为特定应用（如小红书、QQ）定制精细化的操作流程，实现复杂场景的自动化任务
• 🔌 模块化扩展：可插拔设计，AutoGLM 作为可选中间件，通过环境变量按需启用

典型场景示例：

```bash

$ deepagents

> 搜索最新的 AI 新闻，总结成小红书风格的文案，然后在小红书上发布

# 执行流程：

# 1. web_search 搜索 AI 新闻

# 2. LLM 分析并生成小红书文案

# 3. 主Agent通过xiaohongshu-post skill 规划发布流程

# 4. 调用子Agent phone_task 执行手机操作（打开应用、输入、发布）

# 5. agent.md 记录发布历史

```

核心特性：

• 内置工具集: 文件操作（读、写、编辑、搜索）、Shell 命令、网络搜索、子代理委托
• 可定制技能: 通过渐进式披露技能系统添加特定领域能力
• 持久化记忆: Agent 会记住您的偏好、编码风格和项目上下文
• 项目感知: 自动检测项目根目录并加载项目特定配置
• Android/iOS 自动化（可选）: 集成 AutoGLM 实现智能手机控制（点击、滑动、输入等）
• 视觉引导控制（可选）: 使用视觉-语言模型理解和操作手机 GUI

查看 DeepAgents-AutoGLM 在真实场景中的实际应用效果：

• 🎨 [小红书自动发布演示](http://xhslink.com/o/FdRsaQQpUz) - 展示如何使用 Agent 自动搜索内容、生成文案并发布到小红书
• 💬 [QQ 未读消息自动回复演示](http://xhslink.com/o/6v5umdBoznW) - 展示如何智能识别并自动回复 QQ 未读消息

基础安装

克隆本项目并安装依赖。

使用 pip 安装：

```bash

# 克隆仓库

git clone git@github.com:Illuminated2020/DeepAgents-AutoGLM.git

cd DeepAgents-AutoGLM

# 安装基础依赖

pip install -e .

```

或使用 uv（推荐）：

```bash

# 克隆仓库

git clone git@github.com:Illuminated2020/DeepAgents-AutoGLM.git

cd DeepAgents-AutoGLM

# 创建虚拟环境并安装

uv venv

source .venv/bin/activate # Linux/macOS

# 或 .venv\Scripts\activate # Windows

uv pip install -e .

```

在终端中运行 Agent：

```bash

deepagents

```

获取帮助：

```bash

deepagents help

```

常用选项：

```bash

# 使用特定的 Agent 配置

deepagents --agent mybot

# 创建新的 Agent

deepagents create mybot

# 列出所有 Agent

deepagents list

# 自动批准工具使用（跳过人工确认提示）

deepagents --auto-approve

# 在远程沙箱中执行代码（需要配置）

deepagents --sandbox modal # 或 runloop, daytona

deepagents --sandbox-id dbx_123 # 重用现有沙箱

# 管理技能

deepagents skills list # 列出所有技能

deepagents skills create my-skill # 创建新技能

```

像在聊天界面中一样自然输入。Agent 将使用其内置工具、技能和记忆来帮助您完成任务。

环境变量配置

在项目根目录创建 .env 文件来配置环境变量。您可以复制 .env.example 作为起点：

```bash

cp .env.example .env

```

然后根据需要编辑 .env 文件。以下是各环境变量的说明：

#### 必需配置

| 环境变量 | 说明 | 示例值 |

|---------|------|--------|

| OPENAI_API_KEY | OpenAI API 密钥（或兼容的 API 密钥，支持 OpenAI、DeepSeek、通义千问等） | sk-xxxx |

| OPENAI_MODEL | 使用的模型名称 | glm-4.7、deepseek-v3.2、gpt-5 |

#### 可选配置

API 配置：

| 环境变量 | 说明 | 示例值 |

|---------|------|--------|

| OPENAI_BASE_URL | API 基础 URL（使用 OpenAI 官方服务时可不设置；使用其他兼容服务时必须设置） | https://api.deepseek.com/v1 |

LangSmith 追踪（可选）：

用于监控和调试 Agent 行为。在 [https://smith.langchain.com/](https://smith.langchain.com/) 获取 API 密钥。

| 环境变量 | 说明 | 示例值 |

|---------|------|--------|

| LANGSMITH_TRACING | 是否启用 LangSmith 追踪 | true / false |

| LANGSMITH_ENDPOINT | LangSmith API 端点 | https://api.smith.langchain.com |

| LANGSMITH_API_KEY | LangSmith API 密钥 | ls_xxxx |

| LANGSMITH_PROJECT | LangSmith 项目名称 | deepagents-project |

Tavily 网络搜索（可选）：

提供网络搜索能力。在 [https://tavily.com/](https://tavily.com/) 获取 API 密钥。

| 环境变量 | 说明 | 示例值 |

|---------|------|--------|

| TAVILY_API_KEY | Tavily API 密钥 | tvly-xxxx |

AutoGLM 配置（可选）：

如果不需要使用 Android/iOS 自动化功能，设置 AUTOGLM_ENABLED=false 即可。详细配置请参考下方的 [AutoGLM 安装](#autoglm-安装可选---androidios-自动化) 章节。

| 环境变量 | 说明 | 默认值 |

|---------|------|--------|

| AUTOGLM_ENABLED | 是否启用 AutoGLM 功能 | false |

| AUTOGLM_PLATFORM | 控制的平台：android 或 ios | android |

| AUTOGLM_LANG | 系统提示词语言：zh 或 en | zh |

| AUTOGLM_MAX_STEPS | 自主任务的最大步骤数 | 100 |

| `AUTOGLM_EXPOSE