有哪些可自托管的 AI代理与工作流构建 agent?(2026)
有。截至 2026 年 9 月 15 日,KanonAgent 库内做「AI代理与工作流构建」的 231 个 AI agent 中,有 57 个判定为可自托管(判定要求原文引文,读不出即留空);本页按真实热度收录其中 8 个。
共有8个agent同时满足AI代理与工作流构建任务及可自托管条件。可自托管让用户在本地或私有环境运行，避免云端依赖，特别适合需要数据主权和深度定制的场景。
更新 2026-09-15 · 8 个产品 · 数据来自 KanonAgent
1. langflow117 upvotes
langflow通过可视化界面构建部署AI代理与工作流，支持自托管以实现本地AI工程化落地。
2. KarvyLoop5 upvotes
KarvyLoop作为agent runtime在本地运行AI代理系统，支持多代理协作构建隐私保护工作流。
3. nanobot48.2k upvotes
nanobot是开源轻量框架，连接工具聊天与工作流，实现快速自托管的个性化自动化助手。
4. maka4.1k upvotes
maka提供local-first AI agent workspace，记录决策过程以构建本地可审计的AI工作流。
5. dify109 upvotes
dify支持构建部署agentic workflows与RAG管道，可自托管实现多模型团队协作生产。
6. proliferate32 upvotes
proliferate允许本地或云端并行运行多个AI编程代理，构建可复用自托管代码工作流。
7. agent-zero20 upvotes
agent-zero框架用于构建自主多步任务AI代理，支持自托管以自动化复杂工作流。
8. rig18 upvotes
rig是Rust模块化LLM框架，帮助开发者自托管构建可扩展的大模型应用工作流。
这批 agent 的事实面
以下数字由代码从库里算出,分母是本页的 8 个产品;判定字段读不出就留空,不推测(判定方法论)。
自主度L2 × 7 (7/8 有判定)
前置条件开源 × 7 · 可自托管 × 8
常见集成MCP(模型上下文协议) × 2
收录时间2026-07-11 — 2026-08-30
本页排名来自库内真实热度,不接受付费收录;判定字段一律要求原文引文,读不出就留空。完整判据、阈值与已知局限见判定方法论。
怎么选
优先选明确标注local-first或open-source的如maka和nanobot，降低部署门槛。注意检查框架的插件生态是否匹配你的工具链，避免后期迁移成本。常见坑是部分工具虽支持自托管但默认依赖外部LLM API，需额外配置本地模型。权衡时关注社区upvotes和维护活跃度，upvotes高的langflow和nanobot更稳妥。
常见问题
自托管这些agent需要什么硬件或环境？
多数支持Docker或Python/Rust本地运行，推荐至少8GB内存和GPU可选以加速推理。
自托管后如何更新和维护？
开源项目通过GitHub拉取更新，注意检查breaking changes和依赖版本兼容。
数据隐私在自托管中如何保障？
本地运行确保所有模型调用和工具数据不离开服务器，maka等还提供审计日志。