ChatDev 多智能体平台

它是什么

ChatDev 2.0 也叫 DevAll，是 OpenBMB 做的平台，用来搭建和运行多智能体系统，不需要写代码。你在一个 YAML 工作流里写明有哪些智能体、它们之间怎么连、要做什么任务，或者在画布上把同一张图画出来，再用一句提示词启动。它在你自己的电脑上运行，由 FastAPI 后端和 Vue 3 网页控制台组成，同样的工作流也能从 Python 里跑。ChatDev 在 2023 年起步时是一家虚拟软件公司，CEO、CTO、程序员等智能体一起把一个程序从设计、编码、测试一路做到文档。那个版本现在放在单独的分支上。这个条目是 Mindket 为 2.0 写的安装说明。

1. 你选一个工作流，或者在画布上画一个
2. 你输入任务，附上它需要的文件
3. 智能体节点调用你的模型，把上下文往下传
4. 人工节点可以暂停运行，等你审阅
5. 结果存进会话文件夹，可以下载

适合谁

想让一组 LLM 智能体去做一件事的人，比如一份研究报告、一组图表或一个小游戏，又不想自己写编排代码。Python 开发者可以通过 Python SDK 调用同样的工作流，README 说它是给自动化和批量处理用的：仓库克隆里的 runtime.sdk，或者 PyPI 上的 chatdev 包。研究多智能体协作的人能在它背后找到这个团队的论文。MacNet 和 NeurIPS 2025 论文里的 puppeteer 编排器，在仓库里各有一个分支。

Manim、Blender 和 ChatDev_v1.yaml 这几个工作流会运行代码，用到 Manim 脚本、本地的 blender-mcp 服务器和 uv 工具。Python 节点页面把这三样都放在 MAC_ALLOW_UNSAFE_CODE_EXECUTION=1 之后，这个开关默认是关的。

如果你想要一个托管好、什么都不用装的应用，可以不用它：2.0 是你自己启动的后端和控制台。想要原来那个 1.0 软件公司，就用 chatdev1.0 分支，这些说明不涉及它。

用在哪里

在浏览器里，打开你自己电脑在 localhost:5173 提供的网页控制台。README 列出的系统有 macOS、Linux、WSL 和 Windows。

• 网页控制台：Launch 页运行工作流，Workflow Workbench 用来画工作流并导出 YAML，内置的 Tutorial 带你上手
• Python：PyPI 上的 chatdev 包，或者仓库克隆里的 runtime.sdk
• 终端和 HTTP：run.py 运行一个工作流文件，POST /api/workflow/execute 在后端启动一次运行
• OpenClaw：一个 chatdev 技能让它调用现有的 ChatDev 智能体团队，或者新建团队
• Docker Compose：后端和控制台各跑在一个容器里

如何设置

点“获取”会把一个装有 Mindket 安装说明的 zip 压缩包存进你的下载文件夹，里面按 OpenBMB 的 README 和文档列出了每种方式的命令。README 推荐的方式是在仓库克隆里用 make。

1. 克隆仓库并打开它。默认分支 main 就是 2.0。
2. 用 uv 安装后端。
3. 安装网页控制台。它的依赖装在 frontend 文件夹里。
4. 把 .env.example 复制成 .env，在里面为你的模型提供方填好 API_KEY 和 BASE_URL。
5. 用 make dev 启动两个服务。然后打开 http://localhost:5173。

uv sync
cd frontend && npm install

回到项目根目录，复制设置文件，再启动两个服务。

cp .env.example .env
make dev

不用 make 的话，先用 uv run python server_main.py --port 6400 --reload 启动后端。再到 frontend/ 里用 VITE_API_BASE_URL=http://localhost:6400 npm run dev 启动控制台。Makefile 自己的 client 目标是通过 npx cross-env 运行这一行的。如果控制台连不上后端，可能是 6400 端口被占了：用 --port 6401 启动后端，并把控制台的 VITE_API_BASE_URL 设成 http://localhost:6401，控制台本身仍在 localhost:5173。用 Docker 和 Docker Compose 的话，在项目根目录一条命令就能构建并启动两个服务。

docker compose up --build

如何使用

在 Launch 页，从左侧面板选一个工作流，上传它需要的文件，输入任务，点 Launch。每个节点会从 pending 变成 running，再变成 success 或 failed。输出面板显示实时日志、每个节点的输出，以及这次运行生成的文件。运行到人工节点时会停下来，等你输入文字或上传文件。右侧面板的 Download 会把整个会话存下来，包括 context.json、附件和日志。

现成的工作流放在 yaml_instance/ 里。名为 demo_*.yaml 的文件各演示一个功能，比如记忆、MCP 或循环，直接命名的那些是完整工作流。想做自己的，可以在 Workflow Workbench 上画节点和连线再导出 YAML，也可以手写，然后检查每个文件。

make validate-yamls

在 Python 里，PyPI 上的包会运行一个工作流文件，并把结果交回给你。它的页面把安装命令放在“From the repository root”（在仓库根目录）下面，所以请在仓库克隆里运行。

from chatdev import run_workflow

result = run_workflow(
    yaml_file="ChatDev_v1.yaml",
    task_prompt="This is a minimal run example",
)

print(result.success)
print(result.final_message)
print(result.output_dir)

示例

你想让它起草一篇文章，但最后由你拍板。你把编写指南里的示例工作流存成 yaml_instance/ 里的一个文件，并把 vars 下的 BASE_URL 改成你的提供方地址。再把它的 name: gpt-4o 改成你的提供方提供的模型，用 Gemini 的话写 provider: gemini，智能体节点页面就是这样写的。如果 Launch 列表里没有它，就运行 make sync，README 说这条命令会把 yaml_instance/ 里的所有工作流文件上传到数据库。它有一个 Article Writer 智能体和一个 Human Reviewer 节点。你在 Launch 页选中它，按它的说明输入一个短语：

Remote work for small teams

Article Writer 用你的模型写出草稿，然后运行停在 Human Reviewer，页面请你输入。输入修改意见，草稿就回到写作者那里再改一遍。输入 ACCEPT，循环就结束，因为回到写作者的那条边只在没有 ACCEPT 时才触发。会话文件夹里的 context.json 记下了每个节点收到和给出的内容。

新手与专家

新手：多智能体系统把一件事分给几个角色不同的模型调用，比如一个写、一个审，并在它们之间传递文字。ChatDev 2.0 让你用一张图而不是代码来搭这个结构。先看控制台的 Tutorial，再跑一个 demo 工作流，然后跑一个完整的。每个智能体节点至少调用你的提供方一次，工具、反思、重试、循环和动态运行还会增加调用，托管模型每次调用都要计费。用 LM Studio 或 Ollama 的话，调用留在你自己的电脑上。

专家：没有环的图按普通 DAG 运行。遇到循环时，引擎用 Tarjan 算法找出环，把每个环当作一个超级节点运行，再递归处理嵌套的环。loop_counter 和 loop_timer 节点按次数或时间给循环设上限。一条边可以带一个条件，可以是关键词匹配，也可以是 functions/edge/ 里的 Python 函数，还可以带一个处理步骤，比如 regex_extract。动态执行在 map 模式下把一条消息拆开并行处理，在 tree 模式下把结果分组归并，直到只剩一个。默认最多同时跑十个单元。编写指南把 dynamic 块放在节点上，动态执行页面却放在边上，所以照抄之前先看看 demo_dynamic.yaml。

变量先从 YAML 里的 vars 取，再从 shell 环境取，最后才是 .env，缺了某个变量会抛出带路径的 ConfigError。智能体节点遇到 408、409、425、429、500、502、503 和 504 时，一次失败的调用最多尝试五次（含第一次），每次间隔 1 到 6 秒。工具来自 functions/function_calling/ 里的 Python 函数，参数按类型标注生成，或者来自 MCP 服务器，远程走 HTTP，本地走 stdio。记忆存储有 simple、file、blackboard 和 Mem0 四种。在终端里，指南给的是下面这行，任务从 TASK_PROMPT 读取，或者在它给出的提示里输入。文件夹里没有 demo.yaml，所以请把 --path 指向一个 demo_*.yaml 文件，比如 demo_human.yaml。

python run.py --path yaml_instance/demo.yaml --name test_run

注意事项

ChatDev 在你的电脑上运行，下面这些部分会连到更远的地方。

• 代码执行：默认关闭。MAC_ALLOW_UNSAFE_CODE_EXECUTION 管着 Python 节点、execute_code、code_save_and_run、uv 工具、Manim 和本地 MCP 服务器。文档说打开它就等于给了后端用户的权限，而且不是沙箱，所以只给你信得过的工作流打开
• 模型提供方：智能体节点把提示词和上下文发到工作流给它的地址，通常是 .env 里的 BASE_URL。用 LM Studio 或 Ollama 的话，这个地址就是你自己的电脑
• 网页工具：web_search 通过 Serper.dev，要用 SERPER_DEV_API_KEY。read_webpage_content 通过 Jina Reader，没有 JINA_API_KEY 时每分钟限 20 次请求
• 记忆：mem0 存储由 Mem0 云端托管，需要 app.mem0.ai 的 API 密钥，会把用户输入发到那里。simple 和 file 存储会把文字发给你设置的向量模型提供方，记忆页面的示例里是 openai
• 后端 API：附件指南说附件接口需要会话 ID，生产环境要用代理层认证或内部 JWT 检查来保护它们。Docker 方式把后端绑定到 0.0.0.0，并公开 6400 端口
• 文件：每次运行都写进项目文件夹里的 WareHouse/<session>/，附件会一直留着，除非设置 MAC_AUTO_CLEAN_ATTACHMENTS=1。make stop 用 npx kill-port 释放这两个端口，不管占着它们的是什么程序
• 文档对不上：README 提到的 GameDev_v1.yaml、data_visualization_enhanced.yaml、blender_scientific_illustration.yaml 和 yaml_instance/demo.yaml，2026 年 11 月 3 日那个文件夹里都没有。请从控制台的列表里选
• Python：pyproject.toml 只接受 3.12，PyPI 上的 chatdev 包 0.1.0 版接受 3.12 或 3.13
• 没有实际运行：Mindket 读了 README 和文档，没有运行这些命令。这些页面没有给出卸载步骤
• 许可证：Apache-2.0，LICENSE 文件写的是“Copyright 2025 OpenBMB”