AgenticSeek：擁有 25K 星星的 Manus AI 開源本地替代方案

過去一年出現了大量的「AI 代理」產品，承諾能自主瀏覽網路、撰寫程式碼並完成複雜任務。其中大多數——Manus AI、Operator 以及其他基於雲端的代理——會將您的資料發送到遠端伺服器進行處理。Fosowl 的 AgenticSeek 採取了一種截然不同的方法：它完全在您的本地機器上執行，在不犧牲隱私的情況下提供自主 AI 代理能力，並在此過程中獲得了超過 25,000 個 GitHub 星星。

AgenticSeek 是一款開源自主代理，將網頁瀏覽、程式碼執行、檔案管理與任務規劃結合成一個獨立的系統。它直接與 Manus AI 等基於雲端的代理競爭，但具有決定性的隱私優勢——每次操作都在您的硬體上進行。您的瀏覽歷史、文件與生成的程式碼永遠不會離開您的機器，除非您明確選擇分享它們。

該代理的架構專為自主性而設計。給定一個複雜的請求，如「研究 AI 文件解析領域的前 5 名競爭對手，分析他們的定價，並建立一個比較電子表格」，AgenticSeek 會分解任務、瀏覽相關網站、提取資料、撰寫分析程式碼並產出成果，無需逐步指導。

graph TD
    A[使用者請求] --> B[任務分解]
    B --> C[計劃生成]
    C --> D{執行循環}
    D --> E[瀏覽網路]
    D --> F[撰寫程式碼]
    D --> G[讀取檔案]
    D --> H[處理資料]
    E --> I[結果驗證]
    F --> I
    G --> I
    H --> I
    I --> J{成功？}
    J -->|否| K[重試 / 調整]
    K --> D
    J -->|是| L[彙總結果]
    L --> M[最終輸出]

AgenticSeek 的自主執行如何運作？

AgenticSeek 的核心能力是自主任務執行。代理不僅回應提示——它會規劃、執行、驗證與調整。

代理會先顯示其計劃再執行，讓使用者可以審查、批准、修改或拒絕個別步驟。這種人機協作檢查點在防止不必要的操作的同時，保持了複雜多步驟任務所需的自主性。

AgenticSeek 提供哪些隱私與安全功能？

隱私是 AgenticSeek 與 Manus AI 等雲端代理的主要區別。代價是本地執行需要更強大的硬體，但對於注重隱私的使用者與擁有敏感資料的組織來說，這是一個不容妥協的要求。

對於處理敏感資料的組織——法律文件、財務記錄、專有程式碼——AgenticSeek 的純本地架構消除了雲端代理服務固有的資料外洩風險。代理可以處理機密文件，而無需將它們暴露給外部 API。

有哪些模型與配置選項可用？

AgenticSeek 支援靈活的模型配置系統，可適應可用硬體。

flowchart LR
    A[AgenticSeek] --> B{選擇推理模式}
    B --> C[僅本地]
    B --> D[基於 API]
    B --> E[混合]
    C --> F[Ollama：Llama 4、Qwen 2.5、DeepSeek]
    D --> G[OpenAI / Anthropic / DeepSeek API]
    E --> H[規劃：大型 API 模型\n執行：小型本地模型]

混合配置是最受歡迎的。代理對複雜規劃與推理使用雲端 API 呼叫，而例行執行操作則透過本地模型進行。這在成本、速度與隱私之間取得了平衡——敏感的檔案處理保持本地，而計算密集的推理任務則利用強大的雲端模型。

AgenticSeek 與 Manus AI 及其他代理相比如何？

自主代理領域有幾個競爭者，各有不同的定位。

AgenticSeek 佔據了獨特的利基市場，是唯一完全開源、完全本地的自主代理。雖然 Manus AI 提供了精緻的雲端體驗，Claude Code 提供了深入的 IDE 整合，但 AgenticSeek 是優先考慮隱私並希望擁有真正屬於自己代理的使用者的首選。

FAQ

什麼是 AgenticSeek？ AgenticSeek 是由 Fosowl 建構的開源自主 AI 代理，完全在您的本地機器上執行。它可以瀏覽網路、撰寫與執行程式碼、規劃複雜任務以及與檔案互動——全部無需將資料發送給第三方服務。作為以隱私為優先的雲端代理（如 Manus AI）本地替代方案，它已累積超過 25,000 個 GitHub 星星。

AgenticSeek 如何保護我的隱私？ AgenticSeek 100% 在您的機器上本地執行。不會將資料發送到外部伺服器。所有網路瀏覽、程式碼執行與檔案操作都在您的本地環境中進行。代理可以選擇性地透過 Ollama 使用本地開源模型，即使 LLM 推理也保持在本地。

AgenticSeek 支援哪些模型？ AgenticSeek 支援 DeepSeek 模型（V3、R1）、OpenAI（GPT-4o、o3）、Anthropic（Claude 3.7 Sonnet、Claude 4），以及透過 Ollama 支援的本地模型（Llama 4、Qwen 2.5、DeepSeek Coder）。代理會根據任務複雜度動態選擇模型。

AgenticSeek 如何處理任務規劃？ AgenticSeek 使用結構化規劃循環：(1) 將使用者的請求分解為子任務，(2) 對子任務進行優先級排序與排序，(3) 使用適當工具執行每個子任務，(4) 驗證結果並在必要時迭代，(5) 將輸出彙總為最終回應。

AgenticSeek 的安裝要求是什麼？ 透過 npm 安裝：’npx agenticseek’。需要 Node.js 18+ 與至少 8GB RAM。對於本地模型推理，需要 Ollama 與至少 16GB RAM（70B+ 參數模型建議 32GB）。也提供 Docker 安裝。支援 macOS、Linux 與 Windows（透過 WSL2）。

延伸閱讀

• AgenticSeek GitHub 倉庫 – 原始碼、問題與社群貢獻
• Manus AI 官方網站 – AgenticSeek 作為替代方案的雲端代理
• Ollama 本地模型 – 執行本地 LLM，實現完全私密的 AgenticSeek 部署
• DeepSeek R1 論文 – 與 AgenticSeek 廣泛用於規劃的推理模型