Scaffold Engine：面向本地 LLM 的自托管 DAG 多步工作流编排引擎

核心能力与快速开始

★ 0 · Python

能做什么

把一句话想法细化为含问题陈述、成功标准与约束的结构化简报；做可行性评估并在执行前暂停等待人工批准；通过 SearXNG 搜索、抓取页面并把事实蒸馏进知识库；生成包含研究/决策/行动/验证/输出节点的 DAG，为每个节点分配工具（LLM、代码生成、网络搜索、RAG 检索）；按依赖顺序执行节点，上游输出作为下游上下文，验证器检查结果并对失败节点自动重试最多三次；从叶节点编译并存储最终输出。内置原生 Web UI（/ui）与聊天命令体系，并提供 /execute 自主执行与 /assist 引导执行两种模式。

适用场景

在自有硬件上运行不依赖云端的多步 LLM 研究工作流；从单条想法自动生成研究计划并产出编译后的成品（如脚本、runbook）；需要人工在计划阶段确认再放行执行的受控自动化场景；希望以 Ollama + Milvus + Postgres + SearXNG 全本地栈搭建 agent 编排系统的团队。

项目形态

可直接使用的工具

部署方式

自托管，通过 Docker + Docker Compose 部署，orchestrator、Postgres、Milvus、Redis、SearXNG 及三个仿真 sidecar 以容器方式运行；Ollama 需安装在宿主机（非容器内），orchestrator 经 docker bridge 网关访问。可选 compose profile：owui（Open WebUI 聊天前端，:3000）、sandbox（隔离代码执行 sidecar）、observability（Phoenix 追踪查看器 :6006）。快速开始：git clone 仓库后执行 make bootstrap，或手动复制 .env.example 为 .env、拉取模型、docker compose up -d、make doctor 验证；UI 地址为 http://localhost:8000/ui。明确不以云端调用为默认，除非用户主动开启。

主要依赖

Docker 与 Docker Compose；宿主机安装 Ollama（需可执行 ollama list）；约 30 GB 空闲磁盘（模型约 25 GB，向量库与 Postgres 另占若干）；约 16 GB 内存为下限（常驻容器合计约 14.75 GiB 内存上限，16 GB 机器上 CPU 推理内存竞争严重，可能超过默认每步 600 秒超时），32 GB 以上或使用 Ollama Cloud 预设体验更佳；git 与 UTF-8 终端；需在 .env 中设置 SCAFFOLD_API_KEY（可用 openssl rand -hex 32 生成）等必填变量；默认需拉取 qwen3:4b、qwen2.5:7b、qwen2.5-coder:7b、nomic-embed-text、qwen3.5:latest 五个本地模型。

使用限制

官方 README 标注许可为 BUSL-1.1（仓库元数据 license 为 NOASSERTION），使用与商用条件未在材料中说明；非平凡主题在纯 CPU 硬件上单次运行常需 30–60 分钟，研究阶段可达 10–25 分钟，且可能因内存竞争超过默认 600 秒单步超时；嵌入维度锁定为 512，安装时确定后不能按请求切换，变更嵌入模型需重新嵌入语料；搜索依赖公共搜索引擎，可能被限流或 CAPTCHA 导致 searxng 显示 degraded，研究结果可能稀少或缺失（此时计划仍会生成但不带依据）；DAG 节点三次自动重试后进入 blocked 状态需人工处理；材料未说明具体 API 成本与云端调用费用。

许可证

NOASSERTION

最近推送

2026-09-22 05:14

资料检查：2026-09-22 07:00 · 卡片整理：2026-09-22 09:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

程序员可将该自托管 DAG 编排引擎用于多步 LLM 工作流：输入一个想法后，系统细化简报、做可行性评估并等待人工确认，再通过 SearXNG 联网研究、生成由研究/决策/行动/验证/输出节点组成的执行图，按依赖顺序执行并逐步验证、失败自动重试最多三次，最后编译叶节点输出；推理走本地 Ollama 模型，向量检索用 Milvus，状态存 Postgres，搜索用 SearXNG，采用 FastAPI + Docker，除非主动开启否则不调用云端。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证