快速开始 开发中
5 分钟启动第一个 Kova Agent。
5 分钟预计耗时
3 种安装方式
零外部依赖
安装
安装 Kova
Docker(推荐)、预编译二进制、或从源码构建,任选其一。
选择一种安装方式
docker run -d \
--name kova \
-p 8080:8080 \
-v kova-data:/data \
-e LURUS_API_KEY=sk-your-key \
ghcr.io/hanmahong5-arch/kova:latest预编译二进制从 GitHub Releases 下载:
| 平台 | 文件 |
|---|---|
| Linux x86_64 | kova-linux-amd64 |
| macOS (Apple Silicon) | kova-darwin-arm64 |
| macOS (Intel) | kova-darwin-amd64 |
| Windows | kova-windows-amd64.exe |
Rust 版本要求
Kova 要求 Rust 1.93+ (Edition 2024)。推荐使用 rustup 管理工具链。
配置
配置
创建配置文件 kova.toml:
toml
[server]
port = 8080
data_dir = "./data"
[llm]
# 通过 Lurus API 接入所有模型
provider = "openai-compatible"
base_url = "https://hub.lurus.cn/v1"
api_key = "sk-your-lurus-key"
default_model = "deepseek-chat"
[wal]
# WAL 持久化配置
enabled = true
sync_mode = "normal" # "normal" | "full" (每次写入 fsync)
[security]
# 可选:启用 WAL 加密
# encrypt = true
# encrypt_algorithm = "aes-256-gcm" 上手
启动你的第一个 Agent
REST / Rust SDK / CLI 任选,创建 Agent、发送任务、流式查看执行。
启动后,选择你习惯的接入方式创建并运行第一个 Agent(完整端点见 API 参考)。
工作流
创建工作流
工作流将多个步骤串联成有序的执行管道(步骤间通过模板变量传值,示例见下):
bash
curl -X POST http://localhost:8080/api/v1/workflows \
-H "Content-Type: application/json" \
-d '{ "name": "content-pipeline", "steps": [
{ "name": "research", "agent": "researcher", "prompt": "研究主题:{{input.topic}}" },
{ "name": "write", "agent": "writer", "prompt": "基于研究报告撰写博客:\n{{steps.research.output}}" },
{ "name": "review", "agent": "editor", "prompt": "审校并优化:\n{{steps.write.output}}" }
] }'
# 触发
curl -X POST http://localhost:8080/api/v1/workflows/content-pipeline/run \
-H "Content-Type: application/json" -d '{"input": {"topic": "边缘计算与 AI 推理"}}' 持久化
验证持久化
杀掉进程,重启后任务自动从 WAL 中断点恢复。
测试 Kova 的崩溃恢复能力:
启动一个长任务
bashkova agent run researcher "写一份 5000 字的深度报告"任务执行中,强制终止进程
bashkill -9 $(pgrep kova)重启 Kova
bash./kova serve查看任务状态 — 自动从中断点恢复
bashkova task status