Agent 与自动化工作流
autoforge：让 GitHub Actions 定时驱动 LLM 自主实现仓库任务并自动提交的自进化仓库
SwayamKontamwar/autoforge · A repository that builds itself: a scheduled agent implements one backlog task per run, and commits only if lint, import, and tests all pass.
ELI5：它是什么，解决什么问题
autoforge 是一个“自我编写”的仓库实验：定时的 GitHub Action 会从 BACKLOG.md 读取任务，调用语言模型生成补丁，只有在通过 ruff 检查、导入冒烟测试和完整 pytest 测试后才会提交到 main，失败则回滚并在 DEVLOG.md 中记录原因。它同时构建一个基于 FastAPI 的 URL 短链服务与标准库风格的 app/toolkit/ 工具集，并包含自我补充的任务生成器与成本守卫，确保运行在免费环境（公开仓库、ubuntu-latest、免费模型额度）下，否则拒绝运行。
核心能力与快速开始
★ 0 · Python
- 能做什么
- 通过 GitHub Actions 定时（每天数次）运行构建循环：从 BACKLOG.md 选取下一个未完成任务，用语言模型生成补丁，经 ruff、导入检查和完整 pytest 测试三重护栏校验，全部通过才提交，否则回滚并在 DEVLOG.md 记录失败；生成内容限定在 app/ 和 tests/ 内，禁止改动 builder、workflow 和 backlog；测试数量只增不减、禁止删除测试或向 app/ 导入测试工具来伪造通过；失败堆栈会随尝试保留并反馈给模型；连续失败三次后任务跳过；BACKLOG.md 内置 2000 多个任务且能基于已构建的 toolkit 自我补充；成本守卫在仓库转私有、使用计费 runner 或非允许清单内的模型端点时拒绝运行。项目本身同时以 FastAPI URL 短链服务和 app/toolkit/ 工具集作为构建产出。
- 适用场景
- 观察或研究自动化代码生成流水线如何在不人工审查提交的前提下维持主干绿色；在离线 mock 模式下完整运行“选取—生成—护栏—提交或回滚”循环；将构建器指向任意 OpenAI 兼容端点（如 Groq、Gemini 兼容端点、OpenRouter、本地 Ollama）来驱动任务实现；作为持续喂入小型可独立测试任务的仓库实验，长期演化出一个 URL 短链服务与工具库。
- 项目形态
- 开发框架
- 部署方式
- 依赖 GitHub Actions 定时触发，默认运行在 ubuntu-latest；也可本地克隆后手动运行。README 未说明其他部署方式。
- 主要依赖
- Python 3.11+；安装 pip install -e ".[dev]"（测试需 pytest）；配置模型时需提供 LLM_API_KEY 等环境变量；离线运行可用 mock provider，无需网络和 API key。README 未说明具体硬件要求。
- 使用限制
- README 明确说明这是实验性项目；护栏只能证明代码可运行并符合测试预期，不代表设计上达到资深工程师水准；模型仅看到按相关性排序的仓库片段而非完整仓库；GitHub 定时运行是尽力而为，时间槽可能漂移数小时；项目声称的“零成本”依赖公开仓库、免费 runner 和免费模型额度三个条件同时成立，任一改变都会导致构建器拒绝运行，README 未说明其他成本场景。
- 许可证
- MIT
- 最近推送
- 2026-09-30 05:28
资料检查：2026-09-30 07:00 · 卡片整理：2026-09-30 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
职业应用
程序员
作为定时驱动 LLM 实现仓库任务的自动化开发工作流：从 BACKLOG.md 读取任务、生成补丁，并在通过 ruff、导入冒烟测试和完整 pytest 后自动提交，失败则回滚并记录原因，可用于自动化实现小型、可独立测试的编码任务。
查看内容依据
a scheduled agent implements one backlog task per run, and commits only if lint, import, and tests all pass.
由 AI 根据来源材料整理，未进行安装或运行验证
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。