新闻详情

新闻详情

首页 / 资讯中心 / 详情

5分钟跑通 Unreal Agent:unreal-agent-runner 智能体 CLI 快速上手教程

发布时间:2026/11/11 18:21:56来源:尧图网络
5分钟跑通 Unreal Agent:unreal-agent-runner 智能体 CLI 快速上手教程
5分钟跑通 Unreal Agentunreal-agent-runner 智能体 CLI 快速上手教程【免费下载链接】unreal-agentAsync-first agent harness项目地址: https://gitcode.com/gh_mirrors/un/unreal-agentUnreal Agent 是 Unreal Labs 推出的异步优先async-first智能体框架其中的命令行工具unreal-agent-runner让你只需一条命令就能让 AI 智能体读取你本地的项目代码、执行 Bash 命令并输出结果。本教程带你 5 分钟内完成安装、配置与首次运行零门槛跑通自己的第一个 AI 智能体任务。它能为新手做什么unreal-agent-runner是一个开箱即用的智能体 CLI一句话驱动输入一段提示词prompt智能体即可自动阅读项目文件、调用工具、完成任务内置工具自带 Bash 执行、图片查看ViewImage和 skill 调用能力由 工具注册表 统一挂载JSONL 事件流运行过程中所有事件以 JSONL 格式写入标准输出方便脚本化集成与回溯多模型提供商通过环境变量即可切换 OpenAI、Ollama 等无需改代码见 providers.go。环境准备与一键安装方式一Go 一行命令安装推荐要求 Go 1.27一条命令完成go install github.com/unreallabsai/unreal-agent/cmd/unreal-agent-runnerlatest方式二从源码直接运行克隆仓库后在项目根目录执行无需安装git clone https://gitcode.com/gh_mirrors/un/unreal-agent cd unreal-agent go run ./cmd/unreal-agent-runner -p Inspect this project and explain how to run its tests.最快配置方法设置 API Key 并跑通首条提示词以默认的 OpenAI 提供商为例只需两步export OPENAI_API_KEY你的密钥 unreal-agent-runner -p 检查这个项目并说明如何运行它的测试。运行结束后智能体在标准输出打印的 JSONL 事件流就是完整的任务记录。切换其他模型提供商设置两个环境变量即可无需任何代码改动环境变量可选值说明UNREAL_HARNESS_LLM_PROVIDERopenai默认、openai-codex、openrouter、fireworks、ollama选择模型提供商UNREAL_HARNESS_LLM_MODEL任意模型 ID指定模型缺省使用提供商默认模型本地体验可配合 OllamaUNREAL_HARNESS_LLM_PROVIDERollama即可接入本地模型零 API 费用。指定工作区并保存运行结果-workspace参数决定智能体读取哪个目录、Bash 命令在哪个目录下执行定义见 run.go。将输出重定向到文件就得到一份可复查的运行日志unreal-agent-runner -workspace ./my-project -p Summarize this project. run.jsonl进阶用 JSON 请求精细控制除了-p提示词还支持传入完整 JSON 请求参数位置需放在选项之后来源可以是命令行参数或 stdinunreal-agent-runner {prompt:Summarize this project.} unreal-agent-runner request.json常用字段一览完整定义见 usage.goprompt/messages任务描述messages优先级更高session_id创建或恢复一个持久化会话跨次运行保留上下文system_prompt替换默认系统提示词thinking_levellow/medium/high/xhigh/max控制思考深度disallowed_tools禁用指定工具如禁止智能体执行 Bash。Docker 方式免安装开箱即用项目提供了官方镜像构建逻辑见 Dockerfile支持 Linux AMD64/ARM64把当前目录挂载为/workspace即可docker run --rm -i --user $(id -u):$(id -g) \ -e OPENAI_API_KEY -v $PWD:/workspace \ unrea1labs/unreal-agent:latest -p Summarize this project.常见问题速查问题解决方法提示找不到命令检查 Go 1.27 并确认go env GOPATH/bin在 PATH 中认证失败核对OPENAI_API_KEY或对应提供商的密钥环境变量想查看全部参数运行unreal-agent-runner -h会列出所有选项与 JSON 字段说明日志在哪默认写入workspace/logs下的时间戳 JSONL 文件更多细节可参考 runner 使用说明 与 框架整体设计文档。小结1 条命令安装go install .../cmd/unreal-agent-runnerlatest1 个环境变量设置OPENAI_API_KEY1 条提示词-p参数即可驱动智能体分析你的项目。Unreal Agent 的核心价值在于异步优先的会话与操作模型——智能体的每一步工具调用都是可持久化、可恢复的操作设计见 operation 组件。对于想快速落地 AI 智能体能力的新手来说unreal-agent-runner是最短路径的入门之选。【免费下载链接】unreal-agentAsync-first agent harness项目地址: https://gitcode.com/gh_mirrors/un/unreal-agent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 2026/11/11 13:52:51

【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 2026/11/10 19:42:40

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 2026/11/11 9:31:44

【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 ... 2026/11/11 5:36:08

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 2026/11/11 15:37:39

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 2026/11/10 17:14:10

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
📞 ✉