AIlice开源自主人工智能代理，用于复杂本地任务自动化

4.5 (4)

审阅者 Daniel Nikulshyn·更新 2026年7月

Open Source AI Agent Self-Hosted Automation Developer Tools Local LLM Multi-Agent

概览

AIlice 是一个开源的自主人工智能代理，旨在通过自然语言指令处理复杂的多步骤任务。它可以分解问题、浏览网页、执行代码、管理文件并协调子代理，以在无需持续人工指导的情况下完成通用目标。与许多依赖云服务的助手不同，AIlice 设计为在本地运行，使用户能够完全控制其数据和模型选择。它支持开源 LLM 和商业 API，使其适用于希望拥有灵活代理框架的开发者、研究人员和高级用户，他们可以扩展该框架。

主要功能

自主任务分解和执行
递归子代理生成
网页浏览和信息检索
代码生成和执行
本地文件和系统交互
兼容多种 LLM 后端

价格

模型: Freemium
分类: AI Agents
评分: 4.5 / 5 (4)

使用场景

自动化多步骤研究任务

使用 AIlice 自动浏览网页、收集信息并综合某一主题的研究成果，通过将研究分解为由生成的子代理处理的子任务。

本地代码生成和执行

利用 AIlice 的代码执行能力在本地生成、运行和迭代脚本，将敏感代码和数据保留在自己的机器上。

注重隐私的个人 AI 助手

使用 AIlice 和本地开源 LLM 执行文件管理、系统交互和任务自动化，无需将数据发送到第三方云服务。

开发者的自定义代理框架

扩展 AIlice 的模块化多代理架构，以构建专门的自主工作流程，集成首选的 LLM 后端用于研究或实验。

优点 & 缺点

优点

完全开源且可自我托管
支持本地和云 LLM
模块化多代理架构
能够进行编码、浏览和文件操作
隐私友好的本地执行

缺点

需要技术设置和配置
性能在很大程度上取决于所选择的 LLM
与商业代理相比，完善度有限
对于本地模型来说，资源密集

评测

4.5

4 个评分的平均值。

登录以留下评测。

Fatima Zahra

May 5, 2026

Solid for our team

We rolled this out across the team last quarter and supports both local and cloud LLMs. Web browsing and information retrieval fits neatly into how we already work, and recursive sub-agent spawning removed a step we used to do by hand. Requires technical setup and configuration, which is the main caveat, but it has held up under daily use.

Liam O’Connor

Mar 18, 2026

Years in this space

I've evaluated a lot of these over the years. What stands out here is local file and system interaction — handled better than most — and privacy-friendly local execution. Worth the time if this is your use case.

Hannah Goldberg

Oct 29, 2025

Solid for our team

We rolled this out across the team last quarter and modular multi-agent architecture. Recursive sub-agent spawning fits neatly into how we already work, and recursive sub-agent spawning removed a step we used to do by hand. Requires technical setup and configuration, which is the main caveat, but it has held up under daily use.

Gunnar Eriksson

Oct 9, 2025

Years in this space

I've evaluated a lot of these over the years. What stands out here is recursive sub-agent spawning — handled better than most — and supports both local and cloud LLMs. Worth the time if this is your use case.