新闻详情

新闻详情

首页 / 资讯中心 / 详情

OpenMausBot团队导入教程:如何用一份Markdown文件装上一整套AI Bot团队

发布时间:2026/11/14 1:27:31来源:尧图网络
OpenMausBot团队导入教程:如何用一份Markdown文件装上一整套AI Bot团队
OpenMausBot团队导入教程如何用一份Markdown文件装上一整套AI Bot团队【免费下载链接】OpenMausBotOpen Source Alternative to Grok Bot with a virtual machine that bots can use项目地址: https://gitcode.com/gh_mirrors/op/OpenMausBotOpenMausBot 是一款开源的 AI Bot 聊天应用Grok Bot 的开源替代方案侧边栏里的每一个 Bot 都是真实运行的本地智能体。它的「团队导入」功能允许你用一份 Markdown 文件装上一整套 AI Bot 团队Bot 的人设、技能Skills、剧本Playbooks、群聊、定时任务Routines全部随文件一起安装。本教程带你从文件结构到一键导入走通完整流程。为什么一份 Markdown 文件就能装下整个团队OpenMausBot 的团队包采用BotMRR Markdown格式一份普通.md文件头部是 YAML 元数据frontmatter正文是人人都能读懂的团队说明。这份文件同时满足两个用途机器安装OpenMausBot 通过Templates → Import直接读取它一键创建整支团队人类/其他智能体阅读正文写明「把这个文件交给你的 Chief of Staff幕僚长」任何具备多智能体能力的系统都能照着执行。这种设计让团队导入文件天然适合在团队间传播、评审、版本管理——它就是一个可读的团队蓝图。仓库里带有一份完整的示例文件强烈建议打开看看真实结构示例团队蓝图legacy-botmrr.v1.md格式定义应用、导入预览、Admin 共用的唯一校验模块package-format.tsMarkdown 渲染器把团队包渲染成这份文件bot-package.ts团队蓝图里都有什么以示例中的 Signal Desk 团队为例frontmatter 长这样botmrr: 1 id: signal-desk release: 1.0.0 name: Signal Desk tagline: Find and explain the signal. agents: - key: scout name: Package Scout title: Researcher description: Find evidence. - key: editor name: Package Editor title: Editor完整文件会随附这些内容完整清单见 team-sharing.md内容说明Bot 成员名称、头衔、描述、常驻指令soul、配色与吉祥物、头像技能 Skills每个 Bot 最多 30 个、全团队最多 60 个只携带SKILL.md文本绝不带脚本剧本 Playbooks触发条件 执行说明如「signal brief 触发时核对来源」群聊 Rooms成员构成与默认应答人定时任务 Routines日程、超时、忙碌策略一律以暂停状态到达幕僚长 Chief of Staff负责委派、汇总与最终答复的角色连接 Connections远程 MCP 服务器的地址与所需参数名值永远不随文件传播起步笔记每个 Bot 的MEMORY.md与主题笔记一键导入步骤3 步装上一支 Bot 团队拿到团队文件。向团队同事索取导出的.openmaus.jsonv2 格式或 BotMRR Markdownv1 格式文件单个文件上限 4 MB打开导入入口。在应用内进入Templates → Import选择文件确认内容后保存。导入预览会逐项列出文件将带来的 Bot、技能、任务与连接确认无误后保存团队即创建完成。导入是纯增量操作所有内容都成为新团队下的新记录重名时自动编号文件里的任何内容都无法修改你已有的 Bot、群聊或团队。导入 UI 的预览逻辑在 team-import.ts端到端验证记录见 team-sharing.md。安全设计文件里永远没有你的隐私这是新手最关心的部分。团队包的文件格式根本没有字段存放以下内容聊天记录密钥、密码模型选择、云电脑配置、Bot 可见性设置即使有人不小心把密钥写进了描述文本OpenMausBot 也会在写盘前用与应用日志相同的检测器扫描全文把疑似密钥/密码替换成占位标记并在对话框中列出被修改的位置。导入后的默认状态同样偏保守所有 Bot 以Ask先询问审批模式启动无已连接应用权限技能默认关闭定时任务默认暂停每条连接生成一个关闭状态、值为空的 MCP 服务器需你在 Plugins → MCP servers 中手动补齐——组织级 MCP 策略依然生效。如果导入过程中任何一步失败本次导入创建的所有内容会被整体回滚不留半成品。分享与版本管理让团队像软件一样发布团队首次共享时会获得一个包 ID由团队名派生每个 Bot、群聊、定时任务都会分配唯一 key。之后每次共享复用这些 ID并自动建议下一版本1.0.0→1.0.1→ … 文件名形如sales-desk-1.0.0.openmaus.json。由此形成一个自然的协作闭环导入公开版本 → 本地修改 → 再次分享产出的就是同一个包号的下一版发布。团队记录保存在数据目录的published-teams.json中。如果你属于一个组织还有更省事的路径组织的 Admin 在 Admin → Packages 上传团队包后其他桌面端只需在Templates → From {Organization}里点一下Add即可安装无需传输文件。机制细节见 org-library.md。常见问题速查问题答案支持哪些文件格式v2 的openmaus.json与 v1 的 BotMRR Markdown含旧版 JSON文件太大/技能太多文件上限 4 MB每 Bot 最多 30 个技能、全团队 60 个装不下的会列在Left out供你挑选导入会覆盖已有同名团队吗不会重名自动编号纯增量创建导入后 Bot 能直接干活吗需要你在设置里开启技能、选择模型并为连接补上凭据想更深入地理解导入机制可以直接读这几处源码导入核心 package-import.ts、团队库目录解析 team-library.ts以及预设文件玩法 presets.md。现在拿起那份 Markdown 团队蓝图去装你的第一支 AI Bot 团队吧 【免费下载链接】OpenMausBotOpen Source Alternative to Grok Bot with a virtual machine that bots can use项目地址: https://gitcode.com/gh_mirrors/op/OpenMausBot创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/13 10:09:00

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/13 13:31:48

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/13 16:11:45

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉