本地跑 6 个 AI 角色 — 选 anet 的理由与边界

预计阅读 18 分钟

本地跑 6 个 AI 角色 — 选 anet 的理由与边界#

一行 npm install 装完，30 秒内 6 个 AI 角色在你电脑上开辩论——无需注册账号，无需上云，数据全在本地 SQLite。

0. 一句话先讲明白#

anet（@sleep2agi/agent-network）是一个 npm 包，零 Python 依赖，本地优先，让多个 AI Agent 在你自己的机器上组网协作。

它做一件事：提供一个本地通信中枢（CommHub），让 Claude / GPT / DeepSeek / Kimi / GLM 等 Agent 互相派任务、报进度、协调分工——就像一个装在你电脑上的 AI 小团队。

跟市面上三大多 Agent 框架（LangGraph / AutoGen / CrewAI）最大的区别：那三个都是 Python 库，往云跑；anet 是 Node.js 包，往本地跑。

你将学到#

多 Agent 框架的 3 类系统性痛点，以及 anet 怎么逐条应对
anet vs LangGraph / AutoGen / CrewAI 的关键维度对照
anet 三进程架构 30 秒理解（CommHub + Dashboard + Agent）
八家 LLM Provider 一键切换原理，以及 tool_use 跨 Provider 兼容矩阵
三种 Runtime 怎么选（claude-code-cli / claude-agent-sdk / codex-sdk）
四个内置 Demo 是什么，装完一行命令能看到什么
anet 不适合哪些场景（诚实清单，避免你买完课后遗憾）

适合谁#

适合已经用 Claude Code 跑过一些自动化任务、想把工作量分摊给多个 Agent 的工程师或内容创作者。如果你只有单任务需求，或者不会基本的命令行操作，先把单 Agent 工作流跑稳再来。

1. 多 Agent 框架的 3 类痛点#

在选工具之前，先看清楚你在逃离什么。当前主流的多 Agent 框架，有三类系统性问题。

1.1 SaaS 锁定#

CrewAI 近年推出托管云平台。流程跑起来方便，但：

数据上云：你的 Agent 对话、任务历史、API key 存在对方服务器
计量计费：并发多一点，账单马上涨
断网即停：本地网络不稳或对方平台抖动，你的任务直接挂掉

anet 反例：CommHub 是一个跑在 localhost:9200 的本地服务，SQLite 数据库存在 ~/.commhub/commhub.db，没有官方托管 Hub，也不打算做。Apache 2.0 开源，自部署。

1.2 Python 重依赖#

LangGraph、AutoGen、CrewAI 全是 Python 生态。这意味着：

非 Python 团队（前端 / Node.js 团队）要先搭 venv、装 CUDA、处理版本冲突
M1/M2 Mac 上部分依赖坑多（grpcio、tokenizers 等 native 编译库偶发失败）
公司 IT 管控环境装 Python 包要走审批流

anet 反例：

bash

# Node.js >= 22.13.0，装一个包搞定
npm install -g @sleep2agi/agent-network

# 验证，实测输出：
anet --version
# anet v2.2.6
# （v2.2.6 = agent-network CLI 包版本，非 anet 产品发布版本 v0.10.8；
#   agent-network 包迭代快，版本号以你实际装到的为准）

没有 Python。没有 venv。没有 pip。

前置要求：Node.js >= 22.13.0。低版本会触发 EBADENGINE（EBADENGINE = Node.js 引擎版本不满足包要求时抛出的错误）警告，@inquirer/prompts 等依赖要求此版本下限。

1.3 默认 OpenAI / 单厂商#

AutoGen 早期主力绑 OpenAI，v0.4 后引入 multi-model 支持（2026 状态：跟 anet 一样支持 Anthropic 系，但 deployment story 仍偏 SaaS）。LangGraph 走 LangChain 生态，接多厂商需要写自定义 LLM wrapper。CrewAI 同理。结果：

想用 Claude 要打补丁
想用国产模型要二次开发
模型成本优化（主力 Sonnet + 重活 DeepSeek + 长上下文 Kimi）在架构层面很难做到

anet 反例：8 家 Provider，经 Docker E2E 验证，ANTHROPIC_BASE_URL 一行切换——第 4 节展开。

2. anet vs 其他多 Agent 框架#

下表按维度对照，不是 benchmark，只说明定位差异。数据按 2026-05 各项目公开文档整理。

维度	anet	LangGraph	AutoGen	CrewAI
部署形态	一个 npm 包	pip 库，自写 server	pip 库，自写 server	pip 库，可选云
语言依赖	Node.js >= 22	Python	Python	Python
多 LLM 厂商	8 家开箱（见第 4 节）	走 LangChain	主要 OpenAI / Azure	走 LangChain
编排风格	Mesh（自由互派）	DAG（有向无环图）工作流	会话轮转	角色层级
人 + Agent 同台	Dashboard Chat 同一界面	无（纯程序）	无	无

几句直接的话：

部署：LangGraph / AutoGen / CrewAI 你装完还要自己写一套 server 层才能"跑起来"；anet 装完三行命令就有 Hub、Dashboard 和 Agent，直接派活。

编排风格：LangGraph 的 DAG（有向无环图）工作流适合流程固定、步骤明确的流水线（比如：解析文档 → 提取字段 → 入库），工程严密。anet 的 Mesh 风格适合团队协作类任务（辩论、分工、评审），Agent 自主决定找谁派活。这是两种不同的哲学，不是谁替代谁。

3. anet 架构 30 秒理解#

anet 跑起来是三个进程，一个数据库：

两条传输：

MCP Streamable HTTP（/mcp 端点，MCP = Model Context Protocol，AI 工具调用标准）：Agent 主动调 Hub 的 17 个 MCP 工具，包括 send_task（派活）、get_all_status（看有谁在线）、send_reply（回复任务）等
SSE 推送（/events/:alias，SSE = Server-Sent Events，服务端实时推送协议）：Hub 主动把任务推给 Agent，Agent 连上就实时收推送

一个数据库：

SQLite 在 ~/.commhub/commhub.db，所有任务记录、消息、Agent 状态全在这里，不出你的机器

节点上线流程（从 0 到就绪，实际 30 秒内完成）：

text

anet node create my-bot
  → 选 runtime（claude-code-cli / claude-agent-sdk / codex-sdk）
  → 选 provider（Anthropic / MiniMax / DeepSeek / ...）
  → 填 API key
  → 配置写入本地
anet node start my-bot
  → 启动进程，连接 CommHub
  → "SSE connected" 出现，Agent 上线

第一次启动 Hub 时，commhub-server 会通过 bunx（推荐）/ npx 自动拉取——你只需要全局装过 @sleep2agi/agent-network，其余组件按需下载，不用手动管理。

安全提示：每个 Agent 节点默认以 dangerouslySkipPermissions: true（跳过工具调用权限确认弹窗的标志）运行，调工具不会跳确认弹窗。不要在 $HOME 直接跑；用一次性工作目录隔离。详见 SECURITY.md。

4. 八家 LLM Provider 一键切换#

anet 内置 8 家 LLM Provider，通过 ANTHROPIC_BASE_URL 一行切换（Anthropic / OpenAI / MiniMax / DeepSeek / GLM / Kimi / 书生 / OpenRouter）— 8 家在 anet Docker E2E 中验证。

详细配置 + 价格对照 + tool_use 兼容矩阵：见 sister 课 agentic-engineer · 多模型后端切换第 5 / 10 节。

4.1 tool_use 跨 Provider 兼容矩阵#

多 Agent 场景特有的坑：tool_use / MCP 调用在不同 Provider 兼容性不均。anet Docker E2E 覆盖到 tool_use 行为的 Provider：

Provider	tool_use 稳定性	备注
Anthropic	原生，满分	基准
GLM / Kimi	高，接近 Anthropic 兼容	多 Agent 场景首选第三方备选
DeepSeek	中，偶发不调 tool 直接给文字答案	详见 agentic-engineer · 多模型后端切换第 10 节
OpenAI（via CCR 协议翻译）	中，需协议翻译层	parallel_tool_calls 比 Anthropic 稳
其他	偏低，跑得通但行为不稳定	multi-agent 场景建议主力 stick Anthropic 兼容档

工程师 60% 的 multi-agent debug 都在 tool_use 兼容性上——主力 Agent 用 Anthropic 兼容 Provider，重活转 DeepSeek/Kimi 等纯生成任务。

5. 三种 Runtime 怎么选#

anet 支持 3 种 Runtime 自由混搭（claude-code-cli / claude-agent-sdk / codex-sdk），同 Hub 上不同 Agent 可选不同 Runtime。

Runtime 详细对比 + 选型原则 + 各自踩坑历史：见本课 CH 3 Runtime 与 Provider 切换。

选择速查：

已有 Claude Pro 订阅 → 用 claude-code-cli，边际成本接近零，工具链最完整
需要国产模型 / 按量付费精确控成本 → 用 claude-agent-sdk + 对应 Provider
团队里有人用 OpenAI 生态 → 用 codex-sdk，跟 OpenAI 账号直连

实测状态（来自 README）：claude-agent-sdk + 六家 Provider 有 Docker E2E 覆盖，最稳。claude-code-cli 能跑但未自动化回归（v0.8.2 修了 session resume 默认丢失 bug）。codex-sdk 单元测试通过，真实 OAuth 流程未上 CI。选主力 Agent 推荐先用 claude-agent-sdk。

6. 四个内置 Demo，装完就能跑#

anet 内置四个 Demo，每个都在独立 network 里跑完自动清场，不会污染 default network：

Demo	角色数	耗时	场景
`debate`	6（主持人 / 正反 4 辩 / 评委）	~10 min	结构化辩论，多视角碰撞
`socialmedia`	4（选题 / 文案 / 配图 / 审核）	~3 min	小红书 / 微博内容流水线
`pr-review`	4（安全 / 性能 / 风格 reviewer + judge）	~2 min	代码 PR 三 reviewer 并行审查
`sci-team`	1 leader + N-1 worker（默认 10）	Phase 1	科研分工，可调 5-50 人规模

pr-review 是技术团队最快感受价值的——三个 reviewer Agent 并行出报告，judge Agent 汇总，两分钟全自动。

实测 caveat（Fix 13 PTY）：anet demo socialmedia 在本机 PTY 已验证可调用，CLI 解析正常，退出信息清晰（❌ 需要 MiniMax key. 用 --key 或 export MINIMAX_KEY=...），进程退出干净无残留。完整 4 Agent 协作输出需要有效的 Provider API key（MINIMAX_KEY 或等价 key）。示例输出见 anet.sh/guide/demos。

7. 不适合 anet 的场景#

这门课 ¥199。退款比续费麻烦，所以提前把不适合的说清楚。

你只有单 Agent 任务。一个 Claude Code session 处理你的所有工作，从不需要并行或协作——anet 是杀鸡用牛刀，直接用 Claude Code 就好。

需要严格的 DAG 工作流。你的流程有明确的条件分支、多步依赖、失败重试逻辑——LangGraph 的工作流引擎比 anet 的自由 Mesh 更适合，工程上更可控。

大规模生产编排（百节点以上）。anet 目前是本地工具定位，单 Hub 承载大量高频并发任务时，建议先跑压测再决定。官方没有生产规模的 benchmark 数据（实测信息以官方文档为准）。

需要 GPU 调度 / 容器编排。训练、推理、资源调度不在 anet scope 里，去找 Kubernetes / Ray。

严格的企业合规（SOC 2 / ISO 27001）。anet 是开源本地工具，没有企业级审计报告。如果你的团队有 compliance 要求，需要自己评估。

需要深度集成 Slack / Notion / Jira。anet 有 Telegram channel 支持（README 标注已跑通），其他平台未做。

Mesh 的代价：可观测性盲区#

LangGraph 的 DAG 有明确 step trace，每步可回溯。anet 的 Mesh + 17 MCP 工具自由派活，当 6 个 Agent 互相 send_task 时，任务链路调试主要靠 Dashboard Tasks panel + SQLite ~/.commhub/commhub.db 直接 SQL。

CH 2 CommHub 通信中枢 会展开这部分：SQLite schema 全字段 + 完整调用链追踪 SQL + 常见 "task ID 漂移" / "agent alias 冲突" / "reply 路由失败" 三类问题的诊断 playbook。

8. 后续 6 章干什么#

花 ¥199 买这门课，你拿到的不是一个 Hello World 教程——是 anet 整个架构从原理到生产的完整拆解。

CH 1 — 快速上手（下一章，紧接着这节）：从零到第一个 Agent 上线——Hub 启动、Dashboard 接入、anet node create 交互选型全过程，外加 PR Review Demo 完整跑通。每一步卡在哪会卡、为什么卡、怎么解，不跳坑。

CH 2 — CommHub 通信中枢深度：17 个 MCP 工具 — send_task / report_status / get_all_status 的源码级追踪，外加 Mesh 派活的常见错误："task ID 漂移" / "回复路由失败" / "agent alias 冲突" 三类问题诊断 playbook + SQLite schema 读法。

CH 3 — Runtime 与 Provider 切换实战：三种 Runtime 真实差异（claude-code-cli vs claude-agent-sdk vs codex-sdk），不只是一张表——是哪个 runtime 在什么边界条件下掉链子。Provider 混搭的成本计算方式，ANTHROPIC_BASE_URL 背后的协议细节，以及 tool_use 不兼容时怎么降级。

CH 4 — 多机部署 + 公网安全：把 Hub 开放到 LAN / 公网的完整步骤（--host 0.0.0.0），Caddy 反代 + TLS 配置，默认账号 admin/anethub 必须改密的时机和方法，让不同城市的 Agent 加入同一 Hub 的网络配置——以及如果你跳过安全配置直接暴露 9200 端口会发生什么。

CH 5 — Web Dashboard 7 个面板实战：Overview 节点拓扑、Nodes 管理、Tasks 查询、Messages 历史、Chat 人机协作、Admin 用户管理、Settings 配置——每个面板能做什么、什么时候会骗你（数据没刷新 / 状态滞后 / 历史截断）。

CH 6 — 完整 Case Study（end-to-end）：一个真实项目从 0 到多 Agent 协作跑通：任务拆解设计、Agent 角色定义、跑通 → 卡住 → 排查 → 上线的完整过程，含架构决策的取舍记录。

9. 立即开始#

查看课程详情 / 加入学习

课程一次买断 / 终身访问，跟随 anet 版本持续更新——当前已更新 3 次（v0.6 → v0.8 → v0.10）。

anet 当前稳定版是 v0.10.8（产品发布版；npm 包 @sleep2agi/agent-network 另有独立的包版本号），Apache 2.0 开源。次要版本之间 API 仍可能变动，课程会同步更新重要 breaking change。

附录：anet CLI 命令速查（anet v0.10.8 实测）#

bash

# Hub 管理
anet hub start                   # 启动 CommHub Server（:9200）
anet hub dashboard               # 启动 Web Dashboard（:3000）

# 节点管理
anet node create <name>          # 创建节点（交互式选 runtime + provider）
anet node start <name>           # 启动节点（前台运行）
anet node start <name> --tmux    # 在 tmux session 里启动
anet node stop <name>            # 停止节点
anet node ls                     # 列出所有节点
anet logs <name>                 # 查看节点日志

# 多节点项目
anet project up                  # 启动当前目录下所有节点
anet project down                # 停止所有节点

# Demo
anet demo debate --topic "..."           # 6 角色辩论，~10 min
anet demo socialmedia --topic "..."      # 4 角色内容工厂，~3 min
anet demo pr-review --ref origin/main   # 4 角色 PR 审查，~2 min
anet demo sci-team                       # 科研军团，Phase 1 scaffold

# 账号
anet login --username admin --password anethub   # 首次登录（记得改密）
anet passwd                                        # 改密
anet whoami                                        # 当前用户 + 所在 network

# 诊断
anet doctor                      # 系统诊断
anet -v                          # 版本 + 依赖报告

前置要求：Node.js >= 22.13.0。低版本会触发 EBADENGINE 警告（@inquirer/prompts 等依赖要求）。

本地跑 6 个 AI 角色 — 选 anet 的理由与边界

预计阅读 18 分钟

本地跑 6 个 AI 角色 — 选 anet 的理由与边界#

一行 npm install 装完，30 秒内 6 个 AI 角色在你电脑上开辩论——无需注册账号，无需上云，数据全在本地 SQLite。

0. 一句话先讲明白#

anet（@sleep2agi/agent-network）是一个 npm 包，零 Python 依赖，本地优先，让多个 AI Agent 在你自己的机器上组网协作。

跟市面上三大多 Agent 框架（LangGraph / AutoGen / CrewAI）最大的区别：那三个都是 Python 库，往云跑；anet 是 Node.js 包，往本地跑。

你将学到#

多 Agent 框架的 3 类系统性痛点，以及 anet 怎么逐条应对
anet vs LangGraph / AutoGen / CrewAI 的关键维度对照
anet 三进程架构 30 秒理解（CommHub + Dashboard + Agent）
八家 LLM Provider 一键切换原理，以及 tool_use 跨 Provider 兼容矩阵
三种 Runtime 怎么选（claude-code-cli / claude-agent-sdk / codex-sdk）
四个内置 Demo 是什么，装完一行命令能看到什么
anet 不适合哪些场景（诚实清单，避免你买完课后遗憾）

适合谁#

1. 多 Agent 框架的 3 类痛点#

在选工具之前，先看清楚你在逃离什么。当前主流的多 Agent 框架，有三类系统性问题。

1.1 SaaS 锁定#

CrewAI 近年推出托管云平台。流程跑起来方便，但：

数据上云：你的 Agent 对话、任务历史、API key 存在对方服务器
计量计费：并发多一点，账单马上涨
断网即停：本地网络不稳或对方平台抖动，你的任务直接挂掉

anet 反例：CommHub 是一个跑在 localhost:9200 的本地服务，SQLite 数据库存在 ~/.commhub/commhub.db，没有官方托管 Hub，也不打算做。Apache 2.0 开源，自部署。

1.2 Python 重依赖#

LangGraph、AutoGen、CrewAI 全是 Python 生态。这意味着：

非 Python 团队（前端 / Node.js 团队）要先搭 venv、装 CUDA、处理版本冲突
M1/M2 Mac 上部分依赖坑多（grpcio、tokenizers 等 native 编译库偶发失败）
公司 IT 管控环境装 Python 包要走审批流

anet 反例：

bash

# Node.js >= 22.13.0，装一个包搞定
npm install -g @sleep2agi/agent-network

# 验证，实测输出：
anet --version
# anet v2.2.6
# （v2.2.6 = agent-network CLI 包版本，非 anet 产品发布版本 v0.10.8；
#   agent-network 包迭代快，版本号以你实际装到的为准）

没有 Python。没有 venv。没有 pip。

前置要求：Node.js >= 22.13.0。低版本会触发 EBADENGINE（EBADENGINE = Node.js 引擎版本不满足包要求时抛出的错误）警告，@inquirer/prompts 等依赖要求此版本下限。

1.3 默认 OpenAI / 单厂商#

想用 Claude 要打补丁
想用国产模型要二次开发
模型成本优化（主力 Sonnet + 重活 DeepSeek + 长上下文 Kimi）在架构层面很难做到

anet 反例：8 家 Provider，经 Docker E2E 验证，ANTHROPIC_BASE_URL 一行切换——第 4 节展开。

2. anet vs 其他多 Agent 框架#

下表按维度对照，不是 benchmark，只说明定位差异。数据按 2026-05 各项目公开文档整理。

维度	anet	LangGraph	AutoGen	CrewAI
部署形态	一个 npm 包	pip 库，自写 server	pip 库，自写 server	pip 库，可选云
语言依赖	Node.js >= 22	Python	Python	Python
多 LLM 厂商	8 家开箱（见第 4 节）	走 LangChain	主要 OpenAI / Azure	走 LangChain
编排风格	Mesh（自由互派）	DAG（有向无环图）工作流	会话轮转	角色层级
人 + Agent 同台	Dashboard Chat 同一界面	无（纯程序）	无	无

几句直接的话：

部署：LangGraph / AutoGen / CrewAI 你装完还要自己写一套 server 层才能"跑起来"；anet 装完三行命令就有 Hub、Dashboard 和 Agent，直接派活。

3. anet 架构 30 秒理解#

anet 跑起来是三个进程，一个数据库：

两条传输：

MCP Streamable HTTP（/mcp 端点，MCP = Model Context Protocol，AI 工具调用标准）：Agent 主动调 Hub 的 17 个 MCP 工具，包括 send_task（派活）、get_all_status（看有谁在线）、send_reply（回复任务）等
SSE 推送（/events/:alias，SSE = Server-Sent Events，服务端实时推送协议）：Hub 主动把任务推给 Agent，Agent 连上就实时收推送

一个数据库：

SQLite 在 ~/.commhub/commhub.db，所有任务记录、消息、Agent 状态全在这里，不出你的机器

节点上线流程（从 0 到就绪，实际 30 秒内完成）：

text

anet node create my-bot
  → 选 runtime（claude-code-cli / claude-agent-sdk / codex-sdk）
  → 选 provider（Anthropic / MiniMax / DeepSeek / ...）
  → 填 API key
  → 配置写入本地
anet node start my-bot
  → 启动进程，连接 CommHub
  → "SSE connected" 出现，Agent 上线

第一次启动 Hub 时，commhub-server 会通过 bunx（推荐）/ npx 自动拉取——你只需要全局装过 @sleep2agi/agent-network，其余组件按需下载，不用手动管理。

安全提示：每个 Agent 节点默认以 dangerouslySkipPermissions: true（跳过工具调用权限确认弹窗的标志）运行，调工具不会跳确认弹窗。不要在 $HOME 直接跑；用一次性工作目录隔离。详见 SECURITY.md。

4. 八家 LLM Provider 一键切换#

anet 内置 8 家 LLM Provider，通过 ANTHROPIC_BASE_URL 一行切换（Anthropic / OpenAI / MiniMax / DeepSeek / GLM / Kimi / 书生 / OpenRouter）— 8 家在 anet Docker E2E 中验证。

详细配置 + 价格对照 + tool_use 兼容矩阵：见 sister 课 agentic-engineer · 多模型后端切换第 5 / 10 节。

4.1 tool_use 跨 Provider 兼容矩阵#

多 Agent 场景特有的坑：tool_use / MCP 调用在不同 Provider 兼容性不均。anet Docker E2E 覆盖到 tool_use 行为的 Provider：

Provider	tool_use 稳定性	备注
Anthropic	原生，满分	基准
GLM / Kimi	高，接近 Anthropic 兼容	多 Agent 场景首选第三方备选
DeepSeek	中，偶发不调 tool 直接给文字答案	详见 agentic-engineer · 多模型后端切换第 10 节
OpenAI（via CCR 协议翻译）	中，需协议翻译层	parallel_tool_calls 比 Anthropic 稳
其他	偏低，跑得通但行为不稳定	multi-agent 场景建议主力 stick Anthropic 兼容档

工程师 60% 的 multi-agent debug 都在 tool_use 兼容性上——主力 Agent 用 Anthropic 兼容 Provider，重活转 DeepSeek/Kimi 等纯生成任务。

5. 三种 Runtime 怎么选#

anet 支持 3 种 Runtime 自由混搭（claude-code-cli / claude-agent-sdk / codex-sdk），同 Hub 上不同 Agent 可选不同 Runtime。

Runtime 详细对比 + 选型原则 + 各自踩坑历史：见本课 CH 3 Runtime 与 Provider 切换。

选择速查：

已有 Claude Pro 订阅 → 用 claude-code-cli，边际成本接近零，工具链最完整
需要国产模型 / 按量付费精确控成本 → 用 claude-agent-sdk + 对应 Provider
团队里有人用 OpenAI 生态 → 用 codex-sdk，跟 OpenAI 账号直连

实测状态（来自 README）：claude-agent-sdk + 六家 Provider 有 Docker E2E 覆盖，最稳。claude-code-cli 能跑但未自动化回归（v0.8.2 修了 session resume 默认丢失 bug）。codex-sdk 单元测试通过，真实 OAuth 流程未上 CI。选主力 Agent 推荐先用 claude-agent-sdk。

6. 四个内置 Demo，装完就能跑#

anet 内置四个 Demo，每个都在独立 network 里跑完自动清场，不会污染 default network：

Demo	角色数	耗时	场景
`debate`	6（主持人 / 正反 4 辩 / 评委）	~10 min	结构化辩论，多视角碰撞
`socialmedia`	4（选题 / 文案 / 配图 / 审核）	~3 min	小红书 / 微博内容流水线
`pr-review`	4（安全 / 性能 / 风格 reviewer + judge）	~2 min	代码 PR 三 reviewer 并行审查
`sci-team`	1 leader + N-1 worker（默认 10）	Phase 1	科研分工，可调 5-50 人规模

pr-review 是技术团队最快感受价值的——三个 reviewer Agent 并行出报告，judge Agent 汇总，两分钟全自动。

实测 caveat（Fix 13 PTY）：anet demo socialmedia 在本机 PTY 已验证可调用，CLI 解析正常，退出信息清晰（❌ 需要 MiniMax key. 用 --key 或 export MINIMAX_KEY=...），进程退出干净无残留。完整 4 Agent 协作输出需要有效的 Provider API key（MINIMAX_KEY 或等价 key）。示例输出见 anet.sh/guide/demos。

7. 不适合 anet 的场景#

这门课 ¥199。退款比续费麻烦，所以提前把不适合的说清楚。

你只有单 Agent 任务。一个 Claude Code session 处理你的所有工作，从不需要并行或协作——anet 是杀鸡用牛刀，直接用 Claude Code 就好。

需要严格的 DAG 工作流。你的流程有明确的条件分支、多步依赖、失败重试逻辑——LangGraph 的工作流引擎比 anet 的自由 Mesh 更适合，工程上更可控。

需要 GPU 调度 / 容器编排。训练、推理、资源调度不在 anet scope 里，去找 Kubernetes / Ray。

严格的企业合规（SOC 2 / ISO 27001）。anet 是开源本地工具，没有企业级审计报告。如果你的团队有 compliance 要求，需要自己评估。

需要深度集成 Slack / Notion / Jira。anet 有 Telegram channel 支持（README 标注已跑通），其他平台未做。

Mesh 的代价：可观测性盲区#

8. 后续 6 章干什么#

花 ¥199 买这门课，你拿到的不是一个 Hello World 教程——是 anet 整个架构从原理到生产的完整拆解。

9. 立即开始#

查看课程详情 / 加入学习

课程一次买断 / 终身访问，跟随 anet 版本持续更新——当前已更新 3 次（v0.6 → v0.8 → v0.10）。

anet 当前稳定版是 v0.10.8（产品发布版；npm 包 @sleep2agi/agent-network 另有独立的包版本号），Apache 2.0 开源。次要版本之间 API 仍可能变动，课程会同步更新重要 breaking change。

附录：anet CLI 命令速查（anet v0.10.8 实测）#

bash

# Hub 管理
anet hub start                   # 启动 CommHub Server（:9200）
anet hub dashboard               # 启动 Web Dashboard（:3000）

# 节点管理
anet node create <name>          # 创建节点（交互式选 runtime + provider）
anet node start <name>           # 启动节点（前台运行）
anet node start <name> --tmux    # 在 tmux session 里启动
anet node stop <name>            # 停止节点
anet node ls                     # 列出所有节点
anet logs <name>                 # 查看节点日志

# 多节点项目
anet project up                  # 启动当前目录下所有节点
anet project down                # 停止所有节点

# Demo
anet demo debate --topic "..."           # 6 角色辩论，~10 min
anet demo socialmedia --topic "..."      # 4 角色内容工厂，~3 min
anet demo pr-review --ref origin/main   # 4 角色 PR 审查，~2 min
anet demo sci-team                       # 科研军团，Phase 1 scaffold

# 账号
anet login --username admin --password anethub   # 首次登录（记得改密）
anet passwd                                        # 改密
anet whoami                                        # 当前用户 + 所在 network

# 诊断
anet doctor                      # 系统诊断
anet -v                          # 版本 + 依赖报告

前置要求：Node.js >= 22.13.0。低版本会触发 EBADENGINE 警告（@inquirer/prompts 等依赖要求）。

本地跑 6 个 AI 角色 — 选 anet 的理由与边界#

0. 一句话先讲明白#

你将学到#

适合谁#

1. 多 Agent 框架的 3 类痛点#

1.1 SaaS 锁定#

1.2 Python 重依赖#

1.3 默认 OpenAI / 单厂商#

2. anet vs 其他多 Agent 框架#

3. anet 架构 30 秒理解#

4. 八家 LLM Provider 一键切换#

4.1 tool_use 跨 Provider 兼容矩阵#

5. 三种 Runtime 怎么选#

6. 四个内置 Demo，装完就能跑#

7. 不适合 anet 的场景#

Mesh 的代价：可观测性盲区#

8. 后续 6 章干什么#

9. 立即开始#

附录：anet CLI 命令速查（anet v0.10.8 实测）#

本节体验如何？

本地跑 6 个 AI 角色 — 选 anet 的理由与边界#

0. 一句话先讲明白#

你将学到#

适合谁#

1. 多 Agent 框架的 3 类痛点#

1.1 SaaS 锁定#

1.2 Python 重依赖#

1.3 默认 OpenAI / 单厂商#

2. anet vs 其他多 Agent 框架#

3. anet 架构 30 秒理解#

4. 八家 LLM Provider 一键切换#

4.1 tool_use 跨 Provider 兼容矩阵#

5. 三种 Runtime 怎么选#

6. 四个内置 Demo，装完就能跑#

7. 不适合 anet 的场景#

Mesh 的代价：可观测性盲区#

8. 后续 6 章干什么#

9. 立即开始#

附录：anet CLI 命令速查（anet v0.10.8 实测）#

本节体验如何？