zhayujie/CowAgent · 上手攻略

  • 仓库：zhayujie/CowAgent
  • 链接：https://github.com/zhayujie/CowAgent
  • 分类：ai（主分类：agent）
  • 作者：Jay
  • 更新：2026-07-08

CowAgent 是什么

CowAgent 是一个开源超级 AI 助手框架，原名 chatgpt-on-wechat，定位于「Agent Harness」（AI Agent 编排框架）。它将 AI 助手从简单的对话机器人提升为一个能主动规划任务、操作电脑与外部服务、构建个人知识库与长期记忆、并通过自演化不断成长的智能体。

核心设计哲学：消息通过 Channels 流入，由 Agent Core 在记忆、知识、工具与 Skills 之间进行规划和推理，最终通过原渠道返回响应。每一层（渠道、核心、模型）均解耦独立、可自由扩展。

解决什么问题

  • 多渠道统一管理：微信、飞书、钉钉、QQ、Slack、Discord、Telegram 等一个实例搞定，不需要分别部署多个 bot。
  • 长期记忆与知识积累：三层记忆架构（上下文 → 日记 → 核心记忆）+ Deep Dream 自动蒸馏，不需要每次重新「教」它。
  • 个人知识库：自动将对话中有价值的信息整理为 Markdown wiki，支持知识图谱可视化浏览。
  • 多模型热插拔：Claude、GPT、Gemini、DeepSeek、Qwen、Kimi、MiniMax 等，通过 Web 控制台一键切换模型供应商。
  • Skill 生态：Skill Hub 市场一键安装，或通过自然语言对话创建自定义技能，无需写代码。
  • MCP 协议集成：通过 mcp.json 配置，接入 Model Context Protocol 开放生态中的所有 MCP 服务器。

快速安装

CowAgent 支持 Linux/macOS、Windows（PowerShell）和 Docker 三种方式，推荐先试一键安装。

Linux / macOS 一行安装：

bash <(curl -fsSL https://cdn.link-ai.tech/code/cow/run.sh)

Windows PowerShell：

irm https://cdn.link-ai.tech/code/cow/run.ps1 | iex

Docker 部署：

curl -O https://cdn.link-ai.tech/code/cow/docker-compose.yml
docker compose up -d

源码安装（如需定制）：

git clone https://github.com/zhayujie/CowAgent.git
cd CowAgent
pip install -e .

安装完成后，浏览器打开 http://localhost:9899 即可进入 Web 控制台，首次使用需要配置模型 API Key。

Desktop 客户端（macOS / Windows）：直接下载 https://cowagent.ai/download/ 打包版，后端内置，开箱即用。

⚠️ 服务器部署时，需要在 config.json 中将 web_host 设为 0.0.0.0 并设置 web_password，同时在防火墙开放 9899 端口。

核心用法

Web 控制台基础操作

启动后访问 http://localhost:9899，可完成： - 配置各模型供应商 API Key - 连接飞书、微信、Telegram 等渠道 - 管理记忆与知识库 - 安装和管理 Skills

cow CLI 命令

cow start | stop | restart   # 服务启停
cow status | logs            # 状态与日志
cow update                    # 拉取最新代码并重启
cow skill install <name>      # 安装一个 Skill
cow install-browser           # 安装浏览器自动化能力

配置多模型供应商（Web 控制台操作，无需手动编辑文件）

支持的供应商及代表模型（2026 年 7 月最新）：

供应商 聊天 视觉 图片生成 ASR TTS 向量
OpenAI ✅ GPT-5.5, o系列 ✅ ✅ ✅ ✅ ✅
Claude ✅ claude-sonnet-5 ✅ — — — —
Gemini ✅ gemini-3.5-flash ✅ ✅ — — —
DeepSeek ✅ deepseek-v4-flash/pro — — — — —
Qwen ✅ qwen3.7-plus ✅ ✅ ✅ ✅ ✅
Kimi ✅ kimi-k2.7-code ✅ — — — —
MiniMax ✅ MiniMax-M3 ✅ ✅ — ✅ —
本地/Custom ✅ — — — — ✅

MCP 集成

在项目根目录创建 mcp.json（支持 stdio 和 SSE 两种传输方式，热加载，无需写代码）：

{
  "mcpServers": [
    {
      "name": "filesystem",
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/dir"]
    }
  ]
}

Skill Hub 一键安装

在 Web 控制台或对话中：

/skill search <关键词>   # 搜索市场
/skill install <名称>   # 一键安装
/skill list             # 查看已安装

支持从 Skill Hub、GitHub、ClawHub 或任意 URL 安装。

渠道接入示例：飞书

在 Web 控制台「渠道」页面添加飞书机器人，填入 App ID 和 App Secret，按指引配置事件订阅 URL（CowAgent 自动生成）。支持文字、图片、文件、语音，2026 年 6 月还新增了群聊管理和流式响应。

典型适用场景

  1. 个人超级助手：24/7 运行在服务器或桌面客户端，跨平台（微信/飞书/Telegram）统一响应，记忆你的偏好和历史。
  2. 客服/社群运营：一个实例同时服务微信公众号、微信客服、钉钉群、QQ 群，配置简单。
  3. 企业知识库助手：接入内部知识库，自动整理 wiki，支持向量检索和知识图谱可视化。
  4. 自动化工作流：通过 Skills 编排复杂任务，如定时爬取数据、自动生成报告、监控告警等。
  5. AI 原型快速验证：一行安装 + Web 控制台，无需写代码即可验证不同模型供应商的效果。

坑与注意

  1. API Key 安全：生产环境务必设置 web_password，不要将包含真实 Key 的 config.json 提交到 Git。
  2. Python 版本：v2.1.x 系列支持 Python 3.13，但也兼容 3.9+；建议使用 Python 3.11 或 3.12 以获得最佳稳定性。
  3. 微信渠道限制：微信公众号/客服仅支持被动回复（无法主动推送），且微信官方对图片/语音有格式要求；WeCom（企业微信）Bot 渠道支持更灵活。
  4. 记忆膨胀：长期运行后记忆文件（~/.cow/memory/）会逐渐增大，可通过 Web 控制台手动触发「Deep Dream」蒸馏，或定期清理 /memory/daily/ 下的日记文件。
  5. MCP 服务器兼容性：并非所有 MCP 服务器都稳定，部分 stdio 模式的服务器在长连接下可能断连，建议优先使用官方推荐的 MCP 服务器。
  6. Docker 部署的端口映射：默认 docker-compose.yml 映射 9899 端口，如有冲突需手动修改映射端口。
  7. Skill Hub 依赖：部分 Skills 需要额外依赖（如浏览器自动化需要 Playwright），安装时注意终端输出的报错信息。

与同类对比

特性 CowAgent n8n Dify LangChain Agents
多渠道接入 ✅ 10+ 渠道原生 ❌ ✅ 基础 ❌
长期记忆三层架构 ✅ ❌ 有限 ❌
知识库自动整理 ✅ ❌ ✅ RAG ❌
自演化（Deep Dream） ✅ ❌ ❌ ❌
Skill Hub 市场 ✅ ❌ ❌ ❌
MCP 原生支持 ✅ ❌ ✅ ✅
学习/上手门槛 低（Web UI） 中 低 高
定位 个人超级助手 工作流自动化 应用平台 开发框架

CowAgent 的核心差异化在于：它是面向「个人用户」的超级助手，而不是企业级应用平台。上手门槛极低（Web 控制台 + 一行安装），但功能深度（记忆/知识/自演化）不比专业框架差。

一句话推荐结论

如果你想要一个 24/7 运行、跨平台响应、拥有长期记忆和自演化能力的个人 AI 助手，CowAgent 是目前开源领域上手最简单、功能最完整的解决方案——一行命令装好，Web 控制台配置，无需写一行代码即可拥有多渠道超级助手。