fkteams 非空团队

fkteams（FeiKong Teams，非空团队）是一个开源的多智能体协作 AI 助手，旨在通过多个专业智能体的协同工作来完成复杂的任务。它支持两种交互界面：现代化的 Web 界面和传统的命令行界面，满足不同用户的使用习惯和场景需求。

演示图

Web 界面模式

命令行模式

快速开始

💡 快速体验：如果你已经有预编译的可执行文件，只需要配置环境变量并运行 ./fkteams --web 即可立即体验 Web 界面！

1. 克隆项目

git clone https://github.com/wsshow/feikong-teams.git
cd feikong-teams

2. 配置环境变量

复制 .env.example 为 .env 并配置：

cp .env.example .env

编辑 .env 文件，填写必要的配置：

# 模型配置
FEIKONG_OPENAI_API_KEY=your_api_key_here
FEIKONG_OPENAI_BASE_URL=https://api.openai.com/v1
FEIKONG_OPENAI_MODEL=gpt-5

# 网络搜索工具配置（可选）
FEIKONG_PROXY_URL=http://127.0.0.1:7890

# 工作目录配置, 默认为: ./workspace
FEIKONG_WORKSPACE_DIR = ./workspace

# 代码助手
FEIKONG_CODER_ENABLED = true

# 本地命令行助手
FEIKONG_CMDER_ENABLED = true

# 数据分析师
FEIKONG_ANALYST_ENABLED = false

# SSH 访问者智能体配置（可选）
FEIKONG_SSH_VISITOR_ENABLED=true # 设置为 true 启用小访智能体
FEIKONG_SSH_HOST=ip:port
FEIKONG_SSH_USERNAME=your_ssh_user
FEIKONG_SSH_PASSWORD=your_ssh_password

# Web 页面登录认证（可选，设置 ENABLED=true 后启用）
FEIKONG_LOGIN_ENABLED=true
FEIKONG_LOGIN_SECRET=your_random_secret_key
FEIKONG_LOGIN_USERNAME=admin
FEIKONG_LOGIN_PASSWORD=your_password

3. 配置圆桌会议成员（可选）

生成示例配置文件：

./fkteams -c
# 或
./fkteams --generate-config

编辑 config/config.toml 配置圆桌会议成员、MCP 服务和自定义智能体：

[server]
port = 23456        # Web服务器端口
log_level = "info"  # 日志级别

# 圆桌会议配置
[roundtable]
max_iterations = 2  # 讨论轮数

[[roundtable.members]]
index = 0
name = '深度求索'
desc = '深度求索聊天模型，擅长逻辑分析'
base_url = 'https://api.deepseek.com/v1'
api_key = 'your_deepseek_api_key'
model_name = 'deepseek-chat'

[[roundtable.members]]
index = 1
name = '克劳德'
desc = '克劳德聊天模型，擅长创意思维'
base_url = 'https://api.anthropic.com/v1'
api_key = 'your_claude_api_key'
model_name = 'claude-3-sonnet'

# 自定义智能体配置
[custom]

# 配置自定义智能体
[[custom.agents]]
name = "数据分析师"
desc = "专业的数据分析智能体"
system_prompt = """你是一个专业的数据分析师，擅长数据处理和可视化。
你需要：
1. 分析用户提供的数据
2. 使用合适的工具进行数据处理
3. 生成可视化图表
4. 给出专业的分析建议
"""
base_url = "https://api.openai.com/v1"
api_key = "your_api_key"
model_name = "gpt-4"
tools = ["file", "command", "mcp-filesystem"]  # 可使用内置工具和MCP工具

# 配置 MCP 服务
[[custom.mcp_servers]]
name = "filesystem"  # MCP服务名称，使用时需加前缀：mcp-filesystem
desc = "文件系统操作工具"
enabled = true
timeout = 30
url = "http://127.0.0.1:3000/mcp"
transport_type = "http"  # 支持 http, sse, stdio

[[custom.mcp_servers]]
name = "database"
desc = "数据库操作工具"
enabled = true
timeout = 30
command = "npx"  # 或 "uvx" for Python
env_vars = ["DATABASE_URL=postgresql://localhost/mydb"]
args = ["-y", "@modelcontextprotocol/server-postgres"]
transport_type = "stdio"  # stdio 方式启动本地 MCP 服务

配置说明：

内置工具列表

• file - 文件读写操作（限制在 workspace 目录），支持 unified diff 批量修改
• git - Git 仓库操作
• excel - Excel 文件处理
• command - 命令行执行
• ssh - SSH 远程连接
• search - 网络搜索（DuckDuckGo）
• todo - 待办事项管理
• uv - Python uv 脚本工具
• bun - JavaScript bun 脚本工具

MCP 工具使用

• MCP 工具在配置时需要添加 mcp- 前缀
• 例如：名为 filesystem 的 MCP 服务，在工具列表中写作 mcp-filesystem
• 支持三种连接方式：
  • HTTP：连接远程 HTTP MCP 服务
  • SSE：通过 Server-Sent Events 连接
  • Stdio：启动本地 MCP 进程并通过标准输入输出通信

自定义智能体配置要点

• name：智能体名称，用于标识
• desc：智能体描述，帮助用户了解其能力
• system_prompt：系统提示词，定义智能体的行为和能力
• tools：工具列表，可包含内置工具和 MCP 工具
• base_url、api_key、model_name：AI 模型配置

4. 运行

Web 界面模式（推荐）

启动 Web 服务器，通过浏览器访问：

# 使用预编译版本
./release/fkteams_darwin_arm64 --web

# 或直接编译运行
go run main.go --web

启动后访问 http://localhost:23456 即可使用 Web 界面。

Web 界面特性：

• 实时聊天界面，支持流式输出显示
• 智能滚动控制和历史消息浏览
• 完整的 Markdown 渲染支持
• 一键导出对话历史为 HTML 文件
• 响应式设计，支持移动端访问
• 可折叠侧边栏和模式切换
• 可选的登录认证（通过环境变量配置）

命令行模式

适合开发者和高级用户：

# 默认启动团队模式
go run main.go

# 启动深度分析模式
go run main.go -m deep

# 启动自定义会议模式
go run main.go -m custom

# 启动多智能体讨论模式
go run main.go -m group

编译后运行

make build

# Web界面模式
./release/fkteams_darwin_arm64 --web

# 默认启动团队模式
./release/fkteams_darwin_arm64

# 启动深度分析模式
./release/fkteams_darwin_arm64 -m deep

# 启动自定义会议模式
./release/fkteams_darwin_arm64 -m custom

# 启动多智能体讨论模式
./release/fkteams_darwin_arm64 -m group

5. 使用

Web 界面使用

1. 启动 Web 服务：./fkteams --web
2. 打开浏览器访问：http://localhost:23456
3. 在聊天界面输入你的问题或任务
4. 实时查看 AI 助手的回复和工具调用过程
5. 使用侧边栏切换工作模式（团队/深度/自定义/讨论）
6. 点击“新建会话”按钮创建新的对话会话
7. 通过侧边栏历史会话列表快速切换历史对话
8. 点击“管理历史”按钮打开历史记录管理面板（支持搜索、导出、重命名、删除）

命令行使用

启动后，在命令行输入你的问题或任务：

请输入您的问题: 帮我写几篇相互关联的小小说，然后创建一个网站来展示这些小说。

常用命令（命令行模式）

命令	说明
quit / q	退出程序
list_agents	列出所有可用的智能体
@智能体名 [查询内容]	切换到指定智能体并可选执行查询
switch_work_mode	切换工作模式（团队模式/深度模式/自定义模式/讨论模式）
save_chat_history	保存聊天历史
load_chat_history	加载聊天历史
clear_chat_history	清空聊天历史
save_chat_history_to_markdown	导出聊天历史为 Markdown 文件
clear_todo	清空待办事项
help	显示帮助信息

智能体切换功能

从交互模式下，你可以直接与单个智能体对话，无需启动整个团队：

# 列出所有可用的智能体
list_agents

# 切换到小析（数据分析专家）
@小析

# 切换并直接提问
@小码 帮我创建一个 Python 脚本

# 切换到小搜并搜索信息
@小搜 查找最新的 Go 语言教程

可用智能体列表：

• @小析 - 数据分析专家，擅长使用 Excel 和 Python 脚本从复杂数据中提取有价值的信息
• @小码 - 代码专家，擅长读写和处理代码文件，能够帮助用户完成各种编程任务
• @小令 - 命令行专家，擅长通过命令行操作完成任务，能够根据操作系统环境执行合适的命令
• @小搜 - 情报搜索专家，擅长中英文双语检索并优先使用官方/权威来源输出可靠结论
• @小访 - 远程访问专家，擅长通过 SSH 连接远程服务器，执行命令、传输文件和管理远程系统
• @小天 - 讲故事专家，擅长编写引人入胜的故事
• @小简 - 总结专家，擅长将冗长的信息提炼为简洁的摘要

提示：输入 @ 符号后会自动显示可用的智能体列表供选择。

命令行参数

参数	简写	说明
--web	-w	启动 Web 服务器模式（推荐）
--work-mode	-m	工作模式: team（团队）、deep（深度）、group（讨论）或 custom（自定义）
--query	-q	直接查询模式，执行完查询后退出
--version	-v	显示版本信息
--update	-u	检查并更新到最新版本
--generate-env	-g	生成示例 .env 文件
--generate-config	-c	生成示例配置文件
--init	-i	初始化运行环境（交互式选择安装/升级 uv、bun 等依赖）

使用场景示例

Web 界面模式 - 推荐用法

适合场景：

• 日常对话和任务处理
• 需要查看历史消息的场景
• 展示给他人或协作使用
• 移动设备访问

使用流程：

1. 启动 Web 服务：./fkteams --web
2. 浏览器访问：http://localhost:23456
3. 在界面中选择工作模式（团队模式/深度模式/自定义模式/讨论模式）
4. 开始对话，实时查看 AI 回复和工具执行过程
5. 使用“管理历史”功能搜索、导出、管理历史对话

命令行模式

适合场景：

• 服务器环境下使用
• 自动化脚本集成
• 开发和调试
• 终端重度用户

使用流程：

1. 启动：./fkteams -m team
2. 输入任务描述
3. 查看实时输出和工具调用
4. 使用内置命令管理历史和模式切换

圆桌会议模式详解

工作原理

圆桌会议模式模拟了一场专家研讨会：

1. 问题提出：用户提出问题或任务
2. 轮流发言：每个配置的模型依次针对问题发表观点
3. 观点参考：后发言的模型可以看到前面模型的观点，并在此基础上补充或提出不同见解
4. 多轮迭代：根据 max_iterations 配置进行多轮讨论，逐步深化分析
5. 形成共识：最终综合各方观点，给出更全面准确的答案

适用场景

• 复杂决策：需要从多角度分析的重要决策
• 创意头脑风暴：激发不同模型的创意火花
• 观点验证：让多个模型相互验证，减少单一模型的偏见
• 深度分析：需要多轮思考才能得出结论的复杂问题

配置建议

• 选择不同特点的模型作为讨论成员，以获得更多元的观点
• max_iterations 建议设置为 1-3，过多轮次可能导致观点趋同
• 可以给每个成员设置描述性的 desc，帮助理解其专长

Skills 指南

什么是 Skills？

Skills 是一组指令、脚本和资源的集合，fkteams(统御) 可以动态加载这些 Skills 来提升在特定任务上的表现。Skills 教会 fkteams(统御) 如何以可重复的方式完成特定任务，无论是按照公司的品牌指南创建文档，还是使用组织特定的工作流程分析数据，或者自动化个人任务。

Skills 配置

skills目录：{FEIKONG_WORKSPACE_DIR}/skills/{用户技能目录}

「用户技能目录」是一个独立的子目录，必须包含: SKILL.md

SKILL.md 文件示例：

---
name: "数据分析"
description: "一套用于数据分析的技能，包含数据清洗、统计分析和数据可视化的指令和脚本。"
---

## 具体的数据分析技能描述...

MCP 工具集成指南

什么是 MCP？

Model Context Protocol (MCP) 是一个开放的协议标准，用于 AI 应用与外部工具和数据源的集成。fkteams 完整支持 MCP 协议，可以轻松接入丰富的 MCP 工具生态。

MCP 服务配置

在 config/config.toml 中配置 MCP 服务：

[[custom.mcp_servers]]
name = "filesystem"
desc = "文件系统操作工具"
enabled = true          # 是否启用
timeout = 30           # 超时时间（秒）
url = "http://127.0.0.1:3000/mcp"
transport_type = "http"

[[custom.mcp_servers]]
name = "postgres"
desc = "PostgreSQL 数据库工具"
enabled = true
timeout = 30
command = "npx"        # 启动命令
env_vars = ["DATABASE_URL=postgresql://localhost/mydb"]  # 环境变量
args = ["-y", "@modelcontextprotocol/server-postgres"]   # 命令参数
transport_type = "stdio"

支持的连接方式

1. HTTP 方式

   • 适合：远程 MCP 服务
   • 配置：设置 url 和 transport_type = "http"

2. SSE 方式

   • 适合：需要服务器推送的场景
   • 配置：设置 url 和 transport_type = "sse"

3. Stdio 方式

   • 适合：本地 MCP 工具
   • 配置：设置 command、args 和 transport_type = "stdio"
   • 支持通过 env_vars 配置环境变量

在自定义智能体中使用 MCP 工具

[[custom.agents]]
name = "数据处理专家"
desc = "专门处理数据相关任务"
system_prompt = "你是一个数据处理专家..."
tools = [
  "file",              # 内置文件工具
  "mcp-filesystem",    # MCP 文件系统工具（需加 mcp- 前缀）
  "mcp-postgres"       # MCP 数据库工具
]
base_url = "https://api.openai.com/v1"
api_key = "your_api_key"
model_name = "gpt-4"

MCP 工具命名规则

• MCP 服务在配置文件中使用 name 字段定义
• 在智能体的 tools 列表中引用时，需要添加 mcp- 前缀
• 例如：name = "filesystem" → 使用时写作 mcp-filesystem

常用 MCP 服务示例

# 文件系统操作
[[custom.mcp_servers]]
name = "filesystem"
desc = "文件系统读写工具"
enabled = true
command = "npx"
args = ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/allowed/directory"]
transport_type = "stdio"

# GitHub 集成
[[custom.mcp_servers]]
name = "github"
desc = "GitHub API 工具"
enabled = true
command = "npx"
env_vars = ["GITHUB_TOKEN=your_github_token"]
args = ["-y", "@modelcontextprotocol/server-github"]
transport_type = "stdio"

# Google Drive
[[custom.mcp_servers]]
name = "gdrive"
desc = "Google Drive 工具"
enabled = true
command = "npx"
args = ["-y", "@modelcontextprotocol/server-gdrive"]
transport_type = "stdio"

# Brave Search
[[custom.mcp_servers]]
name = "brave-search"
desc = "Brave 搜索引擎"
enabled = true
command = "npx"
env_vars = ["BRAVE_API_KEY=your_api_key"]
args = ["-y", "@modelcontextprotocol/server-brave-search"]
transport_type = "stdio"

更多 MCP 服务请访问：https://github.com/modelcontextprotocol/servers

自定义智能体使用指南

⚠️ 重要提示：自定义智能体只在自定义会议模式 (custom) 下启用。需要使用 -m custom 参数启动或在 Web 界面中选择自定义模式。

工作模式说明

自定义智能体与其他工作模式的关系：

• 团队模式 (team)：使用内置智能体（小搜、小天、小简始终可用；小码、小令、小析、小访需环境变量启用）
• 深度模式 (deep)：使用深度探索者智能体，能深入分析问题并协调多个智能体解决复杂任务
• 讨论模式 (group)：使用 [roundtable.members] 配置的圆桌会议成员
• 自定义模式 (custom)：使用 [[custom.agents]] 配置的自定义智能体

启动自定义模式

# 命令行模式
./fkteams -m custom

# Web 模式（在侧边栏选择自定义模式）
./fkteams --web

# 直接查询模式
./fkteams -m custom -q "你的问题"

创建自定义智能体

1. 编辑配置文件 config/config.toml：

[[custom.agents]]
name = "前端开发专家"
desc = "专注于前端开发的智能体"
system_prompt = """你是一个专业的前端开发工程师。
你擅长：
- React、Vue、Angular 等现代前端框架
- HTML、CSS、JavaScript/TypeScript
- 响应式设计和移动端适配
- 性能优化和最佳实践

你需要：
1. 理解用户的前端开发需求
2. 使用合适的工具创建和修改代码
3. 确保代码质量和最佳实践
4. 提供清晰的技术建议
"""
base_url = "https://api.openai.com/v1"
api_key = "your_api_key"
model_name = "gpt-4"
tools = ["command", "search"]

2. 启动自定义模式：

   # 命令行启动
   ./fkteams -m custom
   
   # 或 Web 模式中选择自定义模式
   ./fkteams --web

3. 使用说明：

   • 自定义模式下会自动加载配置文件中的所有自定义智能体
   • 主持人智能体会根据任务需求调度合适的自定义智能体
   • 可以与内置智能体（如小搜、小天）混合使用

配置参数说明

参数	说明	必填
name	智能体名称	✓
desc	智能体描述	✓
system_prompt	系统提示词，定义智能体的行为	✓
base_url	AI 模型 API 地址	✓
api_key	API 密钥	✓
model_name	使用的模型名称	✓
tools	工具列表（内置工具和 MCP 工具）	✗

系统提示词编写技巧

1. 明确角色定位：清楚说明智能体的专业领域
2. 定义能力范围：列出智能体擅长的具体技能
3. 设定工作流程：指导智能体如何处理任务
4. 强调约束条件：说明需要遵守的规则和限制

工具配置最佳实践

1. 按需选择：只配置智能体真正需要的工具
2. 组合使用：合理搭配内置工具和 MCP 工具
3. 权限控制：注意工具的安全性和访问权限

使用场景示例

场景 1：代码审查助手

[[custom.agents]]
name = "代码审查专家"
desc = "专业的代码审查和质量分析"
system_prompt = """你是一个严格的代码审查专家...
重点关注：代码质量、安全漏洞、性能问题、最佳实践"""
tools = ["command", "mcp-github"]

场景 2：DevOps 助手

[[custom.agents]]
name = "DevOps 工程师"
desc = "自动化运维和部署专家"
system_prompt = """你是一个经验丰富的 DevOps 工程师...
擅长：CI/CD、容器化、监控告警、自动化脚本"""
tools = ["command", "mcp-github"]

场景 3：数据分析师

[[custom.agents]]
name = "数据分析师"
desc = "数据处理和可视化专家"
system_prompt = """你是一个数据分析专家...
能力：数据清洗、统计分析、数据可视化、报告生成"""
tools = ["command", "mcp-postgres", "mcp-filesystem"]

安全说明

• 文件操作限制：文件操作被限制在工作目录 workspace/ 下（可通过 FEIKONG_WORKSPACE_DIR 配置），防止误操作系统文件
• 命令执行权限：小令智能体会根据当前操作系统类型（Windows/Linux/macOS）执行相应的命令
• SSH 连接管理：小访智能体通过 SSH 连接远程服务器，确保连接信息安全存储和使用
• MCP 工具隔离：每个 MCP 服务运行在独立的进程中，可以单独控制启用/禁用
• 工具权限管理：自定义智能体只能使用配置中明确指定的工具，避免权限滥用
• 日志记录：所有智能体的操作和输出都会被记录，可以主动输出成 markdown 文件，便于审计和调试
• 工具调用可视化：所有工具调用都会在终端显示，提供透明度
• 环境变量保护：请确保 .env 文件和 config.toml 不被泄露，避免敏感信息外泄

构建

# 清理构建产物
make clean

# 构建当前平台
make build

# 修改 Makefile 中的 os-archs 变量以支持其他平台
# 例如：os-archs=darwin:arm64 linux:amd64 windows:amd64

许可证

本项目采用 MIT 许可证。详见 LICENSE 文件。

致谢

• go-prompt - 交互式命令行提示库
• Pterm - 美观的终端 UI 库
• Cloudwego Eino - 强大的 AI 编程框架
• MCP Go - Go 语言的 MCP 协议实现
• Model Context Protocol - AI 工具集成标准协议

相关链接

• MCP 官方文档
• MCP 服务器列表
• Cloudwego Eino 文档
• 项目 GitHub