← 返回列表

swarmflow:用本地编码 Agent 集群从 PRD 确定性交付经过验证的 MVP

reddevil22/swarmflow · Deterministic control plane for orchestrating swarms of local coding agents: PRD in, verified MVP out

GitHub原文发布 未知首次收录 2026-09-23上架 2026-09-23 07:01

☆ 收藏查看项目 ↗

ELI5:它是什么,解决什么问题

swarmflow 是一个面向绿地项目的确定性控制平面,用于编排多个本地编码 Agent 会话并行开发。它接收 PRD,由前沿模型负责规划、验证与验收,通过多波次(wave)并行执行与门禁流水线(进程清理、回归指纹、区分度检查、范围审计)产出模块与测试,并以 SQLite 账本为唯一事实来源,所有声称作凭据验证而非退出码。前沿后端不限厂商,兼容任意 OpenAI 兼容接口、Command Code CLI、通用终端 Agent CLI 或 Pi;模型选择通过配置完成。当前为 Alpha 状态,已在 5 任务 NestJS 项目上完成端到端验证,PR 自动化和打包制品交付暂不在范围内。

核心能力与快速开始

★ 0 · Python

能做什么
以确定性流水线编排本地编码 Agent 集群:前沿模型将 PRD 转为机器可读计划(work packages、冻结契约、验收标准),脚手架与冻结生成 sha256 基线,多波次并行执行(文件所有权不相交)产出模块、测试与报告,门禁流水线自动执行进程清理、回归指纹、区分度检查与范围审计,随后集成共享文件并联调探测,最终由前沿角色基于证据包对照验收标准进行验证与验收。前沿角色的规划/验证/验收共用退出码语义(0 正向判定、1 结果不可用或负面、2 基础设施错误),原始输出写入证据目录;工作配置支持按角色切换模型与后端(OpenAI 兼容 /chat/completions、Command Code CLI、任意 Agent CLI、Pi),密钥从环境变量展开;含 turn 上限、禁止动作扫描、冻结文件完整性审计、针对模型服务器的准入控制与推理螺旋重试等护栏。支持绿地项目与棕地(既有仓库 recon、回归门禁、基线快照)。
适用场景
适用于希望在本地或混合模型环境下,把一份 PRD 自动转化为经过验证 MVP 的团队;需要多个编码 Agent 并行开发但要求文件所有权隔离和自动化质量门禁的场景;既有仓库中引入 Agent 批量改动并需要回归对比与证据审计的棕地场景;需要在不同模型/后端(本地 OpenAI 兼容服务器或托管 API)之间按角色灵活切换的编排实验。
项目形态
可直接使用的工具
部署方式
本地 CLI 工具,通过 pip 安装(pip install -e ".[dev]"),使用 swarmflow init 生成按用户配置。运行时依赖 pyyaml + psutil;前沿后端可为 OpenAI 兼容 HTTP 接口、Command Code CLI、通用 Agent CLI 或 Pi。具体硬件与资源要求未说明。
主要依赖
Python 环境;运行时依赖 pyyaml 与 psutil(开发需 pytest);需配置 worker 模型 id 与 CLI 路径;前沿需可访问的模型后端。具体模型规模、硬件与 API 费用未说明。
使用限制
状态为 Alpha;PR 自动化与打包制品交付明确不在当前范围内;材料未说明生产可用性、并发上限之外的具体容量限制、API 成本或商用条件;仅在单个 5 任务 NestJS 项目上完成端到端验证。
许可证
MIT
最近推送
2026-09-23 03:53

资料检查:2026-09-23 07:00 · 卡片整理:2026-09-23 07:00
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

这是基于来源内容整理的摘要。原文链接失效后,本页摘要和讨论仍会保留。

讨论 0

登录后参与讨论,阅读资讯无需注册。

还没有评论,来分享第一个看法。