第一次从源码跑通 MindsHub Cowork本地部署 AI 智能体工作空间 4 步走【免费下载链接】mindshubThe unified workspace where open-source models get things done for you.项目地址: https://gitcode.com/GitHub_Trending/mi/mindshub第一次从源码搭 MindsHub Cowork最容易卡住的不是代码本身而是这个仓库是超级项目——一个仓库里装着前端、后端 API、智能体引擎、数据引擎 4 个子模块克隆漏了子模块、本地没跳过 SSO 登录都会在启动阶段报错。本文按克隆 → 装依赖 → 起服务 → 验证的主线带你用 4 个递进任务在浏览器里跑通最小闭环全程只需要 Git、Node 和 uv 三样工具。它到底解决什么MindsHub Cowork 是一个统一工作空间你把一个完整任务写报告、做分析、搭内部小工具委托给它它调用可路由的开源/商用模型和开源智能体默认 Anton、备选 Hermes把产出变成文档、仪表盘、可发布的网页应用。数据源Postgres、BigQuery、Notion 等通过内置 vault 接入凭证按连接隔离智能体拿不到原始密钥。这个仓库是平台的 superproject适合两类人想本地自托管这套 AI 工作空间的使用者以及想改前端/后端任一模块的开发者。动手前自查前置条件版本/说明Git支持 submodule--recurse-submodulesNode.js前端frontend/依赖 npm建议 20uvPython 包管理器make setup用它创建虚拟环境Python3.12 左右服务端要求3.12,3.14uv 可自动托管系统Linux/macOS 走源码Windows 可直接下桌面安装包确认命令都可用git --version node -v uv --version主线任务4 步跑通最小闭环子任务 1完整克隆超级项目目标拿到包含全部 4 个子模块的完整代码。步骤git clone --recurse-submodules https://gitcode.com/GitHub_Trending/mi/mindsdb cd mindsdb如果当时忘了加--recurse-submodules补一句git submodule update --init --recursive验证ls frontend backend/core_api backend/core_agent backend/data-vault四个目录里都应有源码文件而不是空目录。容易卡住的点仓库对每个子模块只记录一个 commit 指针tag-pinned不执行--recurse-submodules时子模块目录会是空的后续make setup会在uv sync阶段找不到uv.lock而失败。子任务 2一条命令装齐所有依赖目标让前端和两个 Python 后端各自拿到完整依赖。步骤make setup它做三件事npm ci装 frontend/ 依赖、uv sync分别初始化 backend/core_api/ 和 backend/core_agent/ 的虚拟环境。验证跑make refs能打印出三个模块当前用的 ref默认main就说明 Makefile 与配置读取正常。容易卡住的点首次执行会拉取大量包耗时较长属正常若网络慢先给 npm 和 uv 配好镜像源再重试避免中途失败留下半装状态。子任务 3浏览器模式启动并跳过 SSO目标在http://localhost:5173打开本地网页版而不是被重定向到官方登录页。步骤在frontend/src/renderer/下创建.env文件注意 Vite 的根是src/renderer不是frontend/内容只有一行echo VITE_SKIP_AUTHtrue frontend/src/renderer/.env启动make dev-web它会同时拉起 FastAPI 后端http://127.0.0.1:26866自动启动和 Vite 前端。浏览器打开http://localhost:5173/。验证页面不再跳转 SSO直接进入 onboarding 界面可以在此填入自己的模型 API keyBYOK。容易卡住的点忘了第 1 步就会在首次加载时被重定向走误以为服务挂了.env放错目录放到frontend/根下Vite 也读不到。子任务 4验证后端健康检查目标确认 Python 智能体运行时真正就绪而不只是页面能打开。步骤curl http://127.0.0.1:26866/healthDocker 部署时docker-compose.yml 里的 healthcheck 用的就是同一个端点。验证返回 200 即后端存活再回到浏览器发一条简单指令能收到模型回复说明前端 → API → 模型链路全通。容易卡住的点若报 Anton Python interpreter not found是uv工具安装目录名不一致补一个软链接即可ln -s ~/.local/share/uv/tools/anton-agent ~/.local/share/uv/tools/anton接入真实场景给它接一个数据库跑通最小闭环后让它干点真活。Cowork 的数据入口是 backend/data-vault/ 这个安全密钥库在应用内添加一个数据连接如 Postgres只填连接信息凭证由 vault 按连接范围保存委托任务时指明数据源例如统计上周订单量并生成图表智能体查询结果后产出物Artifacts可以直接渲染成仪表盘或文档发布成一个可分享的在线链接。区别在于你不需要自己写 API 调用或前端页面查数据 → 出报告 → 可分享这条链在同一个工作空间内完成且换模型下拉切换 Anton/Hermes 引擎、不同提供方模型后项目状态保留。避坑清单现象启动报Cant locate revision或数据库迁移报错。原因本仓库与桌面端共用~/.cowork/cowork.db两条运行路径的代码版本不一致时迁移会错位。解法确认make dev和桌面端用的是同一份 refmake refs查看实在对不齐时执行make flush从零重装。现象make flush后数据全部消失。原因它按设计会删除~/.cowork数据库、项目和~/.anton模型密钥无回滚。解法把它只当作恢复损坏环境的最后手段执行前先备份这两个目录CI 里才用FORCE1。现象git status里子模块一片 dirty或拉取后行为怪异。原因子模块配了ignore all父仓库不会提示指针落后。解法不开发模块时拉完代码执行make baseline把子模块对齐到固定 commit。现象端口冲突或想直接容器化运行。原因本地模式占用 5173前端和 26866API两个端口。解法换用 Docker 栈make docker-build make docker-upAPI 端口映射见 docker-compose.yml数据落在cowork-data卷里。延伸一句话想改代码的话从dev.env.example复制出dev.env指定模块分支再用make usemake dev就能对本地源码热重载开发完整多分支工作流写在 CLAUDE.md 里进阶部署VPC、离线参考仓库 README 的 Deploy 一节即可。收尾到这里你已经从源码把 MindsHub Cowork 的本地闭环跑起来了克隆、装依赖、跳过 SSO、健康检查四步之后一个能查数据、能出报告、能发布成网页的 AI 工作空间就在localhost上。卡住了就去翻 README.zh.md 或到社区提问动手本身比读十篇教程都快。【免费下载链接】mindshubThe unified workspace where open-source models get things done for you.项目地址: https://gitcode.com/GitHub_Trending/mi/mindshub创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考