Une application d'agent IA de bureau privilégiant le local (Windows / macOS / Linux, également disponible en Docker et en ligne de commande) : chaque « robot » possède sa propre personnalité, son modèle par défaut, son espace de travail et sa mémoire ; on peut le trouver dans l'application ou sur WeChat, Feishu, Telegram, Slack et Discord ; il peut lire et écrire des fichiers, exécuter des commandes dans un bac à sable, interagir avec le bureau, lancer des tâches en arrière-plan et des règles programmées, et les opérations sortant de l'espace de travail déclenchent d'abord une carte d'approbation. Le runtime de l'agent est DeepSeek Harness, et la conception des tâches en arrière-plan ainsi que de la boîte de réception « Vous êtes requis » s'inspire du prototype Super Agent de DeepSeek.
Nombre d'étoiles 518 (+107 / 24h)
Raisons
- L'idée du Super Agent officiellement open source lors de la dernière édition a été transformée en une application installable par le grand public : une fois les tâches en arrière-plan terminées, les résultats sont renvoyés dans la conversation d'origine ; les règles peuvent d'abord être utilisées en mode « observation préalable » pour enregistrer sans exécuter ; les messages proactifs ne poussent que les résultats, les décisions en attente et les échecs ; le mode Ne pas déranger est activé par défaut la nuit ; chaque tâche et règle possède un plafond budgétaire, et le système s'arrête pour demander confirmation lorsque ce plafond est proche d'être atteint.
- Les autorisations sont divisées en trois niveaux (lecture seule / espace de travail / accès complet) ; par défaut, l'écriture est limitée à son propre dossier ; les conversations, la mémoire, les fichiers et les clés sont stockés localement ; la console locale écoute uniquement sur 127.0.0.1.
- Base de données créée avec 10-27 ; lors de la collecte, 107 nouvelles étoiles ont été ajoutées en 24 heures (représentant uniquement le niveau d'attention) ; première inclusion dans cette rubrique.
Utilisation
- Téléchargez le package d'installation correspondant à votre plateforme depuis GitHub Releases (les fichiers SHA256SUMS sont fournis pour vérification) ; au premier lancement, connectez-vous ou inscrivez-vous à Modelflare via le navigateur, puis la liste des modèles apparaît automatiquement ; pour les NAS / serveurs, utilisez docker run -d --name amb -p 3600:3600 -v amb-data:/data ghcr.io/modelflare-ai/anymodel-bot, puis récupérez le jeton d'accès avec docker exec amb cat /data/ui-token ; n'exposez pas le port 3600 sur le réseau public.
- L'exécution depuis le code source nécessite Node.js 22.13+ et Go 1.26.8+ : npm install, npm run setup (compile la passerelle intégrée), npm start ; interface locale sur http://127.0.0.1:3600/。
Risques
- Les modèles ne peuvent être appelés que via Modelflare (une passerelle API payante exploitée par Havenbyte LLC, basée aux États-Unis), facturée par jeton ; le README indique que Modelflare conserve les journaux de requêtes ; les prompts, le contenu des fichiers, les résultats des outils et les captures d'écran des opérations sur l'ordinateur quittent la machine locale. Le README ne propose pas d'option de connexion directe à l'API officielle de DeepSeek ; la clé saisie est également celle de Modelflare.
- Le README contient de longs passages sur les promotions de recharge Modelflare et des liens d'inscription avec paramètres de parrainage ; le projet lui-même sert de point d'entrée pour l'acquisition de clients pour la passerelle ; les multiplicateurs de prix, les compensations pour les hits de cache, etc., sont des affirmations commerciales. Les opérations sur l'ordinateur s'exécutent automatiquement par défaut, et sont en version Bêta sur macOS ; le type de licence n'est pas identifié sur GitHub (le README indique MIT).