AgentOS 开发文档
这里是 AgentOS 面向外部 App 开发者的统一文档入口。
现在这套文档除了传统说明、指南和示例，也开始提供可直接复制给 Claude、Codex、Cursor、ChatGPT 等 AI 编程工具的接入提示词与事实清单。
让开发者把时间留给场景创新
AgentOS 的价值不是再给你一个 SDK，而是直接把模型网关、Agent 组装能力、多模态能力和 RAG 服务准备好。开发者可以更快验证自己的细分场景，而不是先解决模型从哪里来、Agent 怎么组、RAG 怎么搭。
先整理上下文，再把接入任务直接交给 AI 完成
如果你已经习惯用 Claude、Codex、Cursor 或 ChatGPT 写接入代码，先看 AI 辅助接入页，再复制推荐提示词和最小事实清单，通常会比手读完整教程更快。
ModelKit模型网关现成可用，不必再为模型来源操心
AgentOS 自带 ModelKit，开发者不需要自己处理大模型供应、用户侧模型配置或多家模型接口差异。对于已经有复杂 Agent 的 App，可以直接把 AgentOS 当作 OpenAI 兼容网关来使用。
AgentKit熟悉自己的 Tool 和场景，但不想自己组 Agent
如果你对 Agent 实现不熟，或者不想花时间维护会话、工具调用链和消息状态，而是只想尽快验证场景，直接用 AgentKit 会是最快路径。
多模型能力LLM、图片、多模态、TTS、ASR、Embeddings 一起提供
开发者不用自己找模型，也不用要求最终用户自己准备模型来源。ModelKit 已经把文本、图片理解、TTS、ASR 和 embeddings 统一在同一个网关体系里。
RagKit需要 RAG，但不想从零开始自己搭
对于确实需要知识库、文档管理和查询能力的 App，RagKit 提供现成的 query、docs 管理和入库同步能力，省掉从 embeddings 到向量库编排的底层工程。
在投入时间做 Agent App 之前，先判断你的业务场景是否真的需要 Agent
AgentOS 很适合帮助开发者更快做出 Agent App，但不是每个 AI 场景都应该被做成 Agent。
根据 OpenAI 的两篇官方指南，只有当你的业务流程同时具备“多步骤决策”“需要调用工具或外部系统”“路径并不完全确定”这些特征时，Agent 才通常值得投入。
你可以先看这两篇原文：
什么情况下更适合做成 Agent App
什么情况下先不要急着做成 Agent App
如果暂时不适合做 Agent，还可以先做什么
OpenAI 在《Identifying and scaling AI use cases》中总结了 6 类更基础、也更容易落地的 AI use case：
- 内容生成
- 研究与检索
- 编码辅助
- 数据分析
- 创意与策略
- 自动化
如果你的场景更接近这些基础能力，而不是“让 AI 独立执行工作流”，那就不一定要往 Agent App 方向继续投入。
这种情况下，你可以直接做：
- 一个调用
modelkit的文本或多模态功能 - 一个调用
tts/asr/embeddings的能力页 - 一个基于
ragkit的知识库问答 - 一个普通的工作流自动化或规则引擎
开发者通常为什么会选择 AgentOS
- 不想再为“大模型从哪里来”单独做一层平台适配，希望专注在自己的细分场景和产品体验上
- 已经非常清楚自己的 Tool 能力和业务流程，但不想自己从零实现 Agent 会话和工具编排
- 需要的不只是文本模型，还包括图片理解、TTS、ASR、Embeddings 等能力，并希望它们由同一套网关统一提供
- 需要 RAG，但不想自己从底层封装 embeddings、向量库、文档生命周期和查询接口
从哪里开始最合适
- 如果你打算直接把任务交给 AI 编程工具：先看 AI 辅助接入
- 如果你已经有自己的复杂 Agent，只想接模型能力：先看 TypeScript 快速开始
- 如果你想根据场景判断该用 ModelKit、AgentKit 还是 RagKit：先看 技术选型
- 如果你要做 Dart / Flutter 集成：先看 Dart 快速开始
- 如果你想先看能不能跑起来：直接进
examples/
常用入口
文档结构
getting-started/：新开发者入口与快速开始concepts/：正式保留的核心概念页guides/：当前已整理好的任务型指南examples/：最小示例与集成示例draft/：仍在整理中的草稿、提纲和参考页
文档来源
本仓库只维护文档原文与信息组织。具体实现与接口事实来自以下源码仓库：