大家还记得Manus这个Agent产品吗？当时这个产品火到全球，一码难求，现在虽然说比较好注册了，不过现在使用需要消耗太多会员积分，随便一个问题，价格贵到离谱 。为了能让大家更好的体验到agent，今天给大家介绍一款国产AI开源项目：AiPy，可以本地化部署，使用起来很简单，无脑下载安装包，然后点击运行就可以使用。下面跟着小猿来看看这个AiPy到底有多牛逼？

1

AiPy简介

AiPy 是一个结合 Python 与大语言模型（LLM）的开源工具。它的特别之处在于，用户不需要熟悉编程，直接用自然语言描述需求，AiPy 就能自动生成并执行 Python 代码完成任务。轻松实现数据分析、清洗和可视化等操作，简直就是程序员的贴心小助手，同时也让零基础用户迈入编程的世界。

一句话总结：你只需要用自然语言描述任务，它就会自动调用大模型生成Python代码并执行，会写代码、还能自动操作浏览器、操作所有的应用程序等，全程不需要自己动手，它就把活儿干了。

开源项目：https://github.com/knownsec/aipyapp

2

AiPy详解

1、AiPy如何安装使用 ？

我们首先打开AiPy的官网：https://www.aipyaipy.com ，如下图所示，根据你自己的电脑系统，选择合适的安装包下载安装 。

下载安装后，我们直接运行AiPy程序，会看到一个让我们选择模型提供商，这里官方比较推荐 Trustoken 网站，这个网站集成了很多AI模型。

https://www.trustoken.cn

大家注册好Trustoken网站的账号，根据我下图演示的创建api，复制key填入AiPy软件中即可 。

如果看到这个页面，恭喜你，代表成功了，可以正常使用了 。

2、AiPy的真实评测

我来给AiPy安排一个比较复杂的问题：从乘联会官网查询2025年新能源汽车品牌销售数据，然后做成一张品牌柱状图图表，然后打开，并以图片格式保存到本地。通过这个问题让我们一起来看看他的表现具体如何 。

首先这个问题抛给AiPy后，这个工具就开始分析用户的问题了。需要从乘联会官网获取2025年新能源汽车品牌销售数据，通过数据可视化生成柱状图并保存为图片文件。这是一个典型的数据获取→处理→可视化流程，需要处理网络请求、数据解析和图表生成等环节。

AiPy还给出了具体执行的4个步骤：

• 获取乘联会官网2025年新能源汽车品牌销售数据

• 解析并清洗销售数据

• 生成品牌销售数据柱状图

• 保存图表为图片文件并显示

AiPy是通过写Python代码去执行的，说实在的，这个代码交给程序员，估计要写个半天，现在Aipy，不到一分钟就写好了，太牛逼了。代码如下：

import requests
from bs4 import BeautifulSoup
import pandas as pd
import sys
from datetime import datetime

def fetch_cpca_new_energy_sales_data():
    """
    从乘联会官网获取2025年新能源汽车品牌销售数据
    """
    try:
        # 乘联会官网地址
        url = "http://www.cpcaauto.com/"
        
        # 发送请求获取页面内容
        headers = {
            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36"
        }
        
        print("正在访问乘联会官网...", file=sys.stderr)
        response = requests.get(url, headers=headers, timeout=10)
        response.raise_for_status() # 检查请求是否成功
        
        # 解析HTML内容
        soup = BeautifulSoup(response.text, 'html.parser')
        
        # 查找包含新能源汽车销售数据的部分
        # 由于不确定具体页面结构，这里使用多种可能的选择器尝试查找
        possible_selectors = [
            "div.new_energy_sales", # 新能源销售数据div
            "table#sales_table", # 销售数据表
            "div.data_list", # 数据列表
            "div.statistics"         # 统计数据区域
        ]
        
        data_section = None
        for selector in possible_selectors:
            data_section = soup.select_one(selector)
            if data_section:
                print(f"找到数据区域: {selector}", file=sys.stderr)
                break
        
        ifnot data_section:
            print("未找到新能源汽车销售数据区域", file=sys.stderr)
            # 保存页面内容用于调试
            with open("cpca_page.html", "w", encoding="utf-8") as f:
                f.write(response.text)
            print("页面内容已保存至cpca_page.html", file=sys.stderr)
            set_result(status="error", message="未找到新能源汽车销售数据区域")
            returnNone
        
        # 尝试提取表格数据
        table = data_section.find('table')
        if table:
            # 使用pandas读取表格数据
            df = pd.read_html(str(table))[0]
            print(f"成功提取表格数据，共{len(df)}行", file=sys.stderr)
            
            # 保存原始数据
            df.to_csv("raw_sales_data.csv", index=False, encoding="utf-8")
            set_persistent_state(raw_data=df.to_dict('records'))
            set_result(status="success", message="成功获取原始销售数据", data_length=len(df))
            return df
        else:
            # 如果没有表格，尝试提取列表数据
            print("页面中未找到表格，尝试提取列表数据", file=sys.stderr)
            data_items = data_section.find_all('div', class_='data_item')
            
            if data_items:
                brands = []
                sales = []
                
                for item in data_items:
                    brand_name = item.find('span', class_='brand').text.strip() if item.find('span', class_='brand') elseNone
                    sales_num = item.find('span', class_='sales').text.strip() if item.find('span', class_='sales') elseNone
                    
                    if brand_name and sales_num:
                        brands.append(brand_name)
                        sales.append(sales_num)
                
                if brands and sales:
                    df = pd.DataFrame({"品牌": brands, "销量": sales})
                    df.to_csv("raw_sales_data.csv", index=False, encoding="utf-8")
                    set_persistent_state(raw_data=df.to_dict('records'))
                    set_result(status="success", message="成功获取列表形式销售数据", data_length=len(df))
                    return df
                else:
                    print("无法从列表中提取有效数据", file=sys.stderr)
                    set_result(status="error", message="无法从列表中提取有效数据")
                    returnNone
            else:
                print("数据区域中未找到表格或列表", file=sys.stderr)
                set_result(status="error", message="数据区域中未找到表格或列表")
                returnNone
                
    except requests.exceptions.RequestException as e:
        print(f"网络请求错误: {str(e)}", file=sys.stderr)
        set_result(status="error", message=f"网络请求错误: {str(e)}")
        returnNone
    except Exception as e:
        print(f"数据获取过程中发生错误: {str(e)}", file=sys.stderr)
        set_result(status="error", message=f"数据获取过程中发生错误: {str(e)}")
        returnNone

# 执行数据获取
df = fetch_cpca_new_energy_sales_data()

AiPy执行完成后，会告诉你任务圆满完成了，并且给出了用户想要的答案并且还分析总结了数据 ，不错，很牛逼 ！

2025年新能源汽车品牌销售数据，并且用柱状图显示给用户，数据一目了然，是我想要的效果，非常满意 ！

通过上面这个简单的任务需求，我们大致了解了Aipy这个开源工具有多么的牛逼，还有很多的应用场景就不详细介绍了，强烈建议大家去试试，你一定会很快爱上这个AI工具的 ！

感兴趣的朋友还可以从它的官网：https://www.aipyaipy.com/ 

或者去github开源项目：https://github.com/knownsec/aipyapp 

AiPy官方微信群已经建好了，方便大家交流提问。 免费扫码加入，还有最后50个位置，扫码先到先得 ！群位置少量供应，能加进去的是幸运 ！

↓↓↓ 戳 “阅读原文” 跳转AiPy官网