工作流
zapanss/End-to-End-ELT-Data-Pipeline-with-Databricks-Delta-Lake-DLT-dbt-Ready-Gold-Models · 🚀 Build a production-ready ELT data pipeline on Databricks, leveraging Delta Lake and DLT for efficient data ingestion, transformation, and modeling.
该项目提供了一个基于 Databricks 的生产级 ELT 数据管道实现，涵盖 Auto Loader 数据接入、Delta Live Tables (DLT) 转换、基于 CDC 的 Silver 层建模以及动态 Gold 层维度与事实表构建。支持的 dbt 集成用于数据转换和灵活建模，涉及 Bronze-Silver-Gold、SCD 等数据工程常见模式。仓库以 Jupyter Notebook 为主要载体，附带系统要求说明与相关资料链接。
展开详情收起详情：End-to-End ELT Data Pipeline：基于 Databricks Delta Lake 与 DLT 的端到端数据管道⌄
程序员作为数据工程参考实现，程序员可学习并复用其基于 Databricks 的 ELT 管道代码，包括 Auto Loader 数据接入、Delta Live Tables 转换、CDC 建模以及 dbt 集成，用于构建或排错生产级数据管道。
★ 3 · 研究实现
原文发布：未知收录：2026-10-06
工作流
TurboKach/claude-code-setup · Claude Code setup: opinionated CLAUDE.md, a feature pipeline skill (plan → delegated execute → codex cross-review → ship), pinned role agents, parallel subagent fan-out, and a one-command installer with self-update.
面向 Claude Code 的一套配置与工作流模板，包含带明确规范的 CLAUDE.md、按需加载的规则与技能、固定角色的子智能体定义，以及安装脚本和设置示例。其核心是一条 计划 → 委派执行 → codex 交叉评审 → 合并 的特性流水线，支持通过后台子智能体进行并行 fan-out（仅在并行写入处使用 worktree 隔离），并提供会话开始时的更新检查与 /analyze-arcs 审计技能。适合希望把 Claude Code 用于多智能体并行研究、评审和特性开发的用户参考搭建。
展开详情收起详情：Claude Code Setup：并行多智能体特性开发工作流配置⌄
程序员用于程序员的特性开发流水线：以计划 → 委派执行 → codex 交叉评审 → 合并的流程组织多智能体并行开发，包含只读代码库搜索、计划校验、并行执行（worktree 隔离）、评审、修复与合并等固定角色子智能体，以及 /analyze-arcs 审计技能用于检查会话与子智能体记录中的门禁与等待时间。
★ 11 · 开发框架
原文发布：未知收录：2026-10-05
工作流
frankbria/codeframe · Think → Build → Prove → Ship. The project delivery system that turns ideas into verified, deployed code. AI agents write the code — CodeFrame owns everything before and after.
CodeFRAME 是一个 Python 编写的命令行项目交付系统，围绕“Think → Build → Prove → Ship”流程，覆盖 AI 编码智能体写代码之前的需求规划与任务拆解，以及之后的验证与发布。它通过 cf prd generate 进行苏格拉底式需求发现，用 cf tasks generate 将 PRD 拆解为带依赖的原子任务，再交给 Claude Code、Codex、OpenCode、Kilocode 或内置 ReAct 智能体执行；PROOF9 九道验证门禁把缺陷固化为长期校验要求，cf pr create/merge 在证明通过后才允许合并。项目为公开测试版（0.9.3），采用 AGPL-3.0 许可，主要通过 pip/uv 安装的 cf 命令行使用，需要与所选 LLM 提供方匹配的 API Key（如 ANTHROPIC_API_KEY、OPENAI_API_KEY，本地 Ollama 无需密钥），GitHub 集成需要 GITHUB_TOKEN 与 GITHUB_REPO。
展开详情收起详情：CodeFRAME：面向 AI 编程智能体的项目交付与验证编排系统⌄
程序员使用 CodeFRAME 的 CLI 工作流，在 AI 编码智能体写代码之前进行需求规划与任务拆解，之后进行验证与发布；通过 PROOF9 九道验证门禁将缺陷固化为长期校验要求，并在证明通过后才允许合并 PR。
产品经理使用 cf prd generate 进行苏格拉底式需求发现，用 cf tasks generate 将 PRD 拆解为带依赖的原子任务，辅助产品需求分析与任务规划。
★ 21 · 可直接使用的工具
原文发布：未知收录：2026-10-05
工作流
JdominguezEcommium/agentic-self-regulation-loop · 2026 AI Agent Loop v2.0: Autonomous Coding with Guardrails & Self-Healing
OuroLoop GateKeeper 是一个面向 AI 编程 Agent（如 Claude Code、Cursor、Aider、Codex）的控制框架，通过意图验证、上下文完整性、执行安全、输出验证和集成检查五道验证门，配合三层自反思机制与自主修复引擎，将 AI 编程 Agent 从无约束的代码生成转变为受控的协作流程。README 还描述了多语言响应式监控面板、OpenAI/Claude API 集成与回退机制，以及 MIT 许可。
展开详情收起详情：OuroLoop GateKeeper：为 AI 编程 Agent 提供结构化自主循环与护栏控制框架⌄
程序员在 AI 编程 Agent（如 Claude Code、Cursor、Aider、Codex）生成代码时，通过五道验证门（意图验证、上下文完整性、执行安全、输出验证、集成检查）和三层自反思机制对代码生成过程进行受控审查，并在失败时触发自主修复，用于代码审查、测试与排错。
★ 0 · 开发框架
原文发布：未知收录：2026-10-02
工作流
Alex314618-create/JevRev · An LLM + Jev workflow that changes EVERYTHING. Boost your vertebrate brain with a spine inside.
JevRev 是一个 LLM + Jev 工作流系统，将工作分为三部分：JevSift 在任务开始时评估多条候选路径并筛选值得投入 token 预算的方向，JevLoop 逐轮审核结果并决定下一步动作（fix / verify / continue / replan / human），JevLong 对长时间多轮任务监测停滞、重复失败、偏移、工具调用问题和预算风险。Jev 负责快速、低成本的决策与过滤，LLM 负责提出并执行工作，二者通过 CLI 与 JSON/JSONL 协议通信，可与 Codex、Claude Code、OpenCode、CI 工作流或自定义宿主集成，并提供交互式 TUI 查看会话与证据。
展开详情收起详情：JevRev：为 LLM 工作流提供快速低成本决策的 Sift/Loop/Long 系统⌄
程序员在编码任务中，用 JevSift 在任务开始时评估多条候选实现路径并筛选值得投入 token 预算的方向，用 JevLoop 逐轮审核结果并决定下一步动作（fix / verify / continue / replan / human），用 JevLong 监测长时间多轮任务中的停滞、重复失败、偏移、工具调用问题和预算风险；可通过 CLI 与 JSON/JSONL 协议与 Codex、Claude Code、OpenCode、CI 工作流或自定义宿主集成。
★ 700 · 可直接使用的工具
原文发布：未知收录：2026-10-01
工作流
Exciting-nakedmolerat17/IngestReasonCreate · Ingest documents, generate verifiable summaries, and catch AI hallucinations.
IngestReasonCreate 是一个在 Windows 上完全本地运行的文本处理工具，面向 AI 代理的文档工作流：先将 PDF 通过 OCR 和结构化解析在本地提取文本，再把带来源引用的 Markdown 交给 AI 代理进行推理与起草，随后使用 Pandoc、Quarto、Typst 等真实排版引擎生成 PDF、HTML 或 Markdown 文档，最后自动打开成品供用户与原始文件对照核实，以发现 AI 幻觉。项目强调隐私优先、无需联网、无需安装，支持扫描版 PDF 的 OCR、批量处理以及 Mermaid 图渲染。
展开详情收起详情：IngestReasonCreate：本地运行的可验证文档摘要与 AI 幻觉检测工作流⌄
程序员在本地将 PDF 文档通过 OCR 和结构化解析提取为带来源引用的 Markdown，供 AI 代理推理与起草，再用 Pandoc、Quarto、Typst 生成 PDF/HTML/Markdown 成品，并自动打开与原始文件对照核实，用于发现 AI 幻觉。
产品经理将 PDF 文档在本地提取为带来源引用的 Markdown，交给 AI 代理进行推理与起草，再用真实排版引擎生成 PDF/HTML/Markdown 文档，并自动打开成品与原始文件对照核实，用于文档摘要与 AI 幻觉检测。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-01
工作流
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.
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。
展开详情收起详情：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⌄
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。
★ 0 · 开发框架
原文发布：未知收录：2026-09-30
工作流
wenboxia/airadar · AIRadar · 每日定时运行的 AI 行业情报工作流
AIRadar 是一个定时运行的 AI 行业情报工作流，将 20 个分层信源经抓取、去重、打分后按综合分三路分流：高分自动发布、中等分数每周交人审批、低分丢弃留档，并沉淀为可检索的 AI 行业知识库。项目采用三维价值分（相关度/新颖度/长期价值）打分，提供每周 12 条的人工审批单、三条降级链（内容、模型、业务）和分层记忆机制，并配套数据完整性、打分路由、分类稳定性、摘要忠实度与模型选型等评测脚本。
展开详情收起详情：AIRadar：每日定时运行的 AI 行业情报聚合与三路分流工作流⌄
程序员作为可复用的 LLM 工作流参考，用于构建定时运行的行业情报聚合流水线：分层信源抓取、去重、三维价值分打分与三路分流，并配套数据完整性、打分路由、分类稳定性、摘要忠实度与模型选型等评测脚本，可供程序员在开发类似 LLM 应用时借鉴其架构与评测方法。
产品经理用于产品经理跟踪 AI 行业动态：每日定时聚合 20 个分层信源，按相关度/新颖度/长期价值打分并三路分流，高分自动发布、中等分数每周交人审批，沉淀为可检索的 AI 行业知识库，帮助产品经理持续获取行业情报。
★ 22 · 可直接使用的工具
原文发布：未知收录：2026-09-28
工作流
beyondessential/review-hero · AI-powered multi-agent code review
Review Hero 是一个可复用的 GitHub Actions 工作流，基于 Claude（Haiku 负责分流筛选、Sonnet 并行执行审查与自动升级 Opus）对 Pull Request 进行 AI 代码审查。它并行运行多个专职审查代理（缺陷、性能、设计、安全以及自定义代理），通过投票共识、抑制规则和开发者反馈学习去重降噪，再由编排器把结果以行内评论和汇总评论的形式发布到 PR 上，并可选启用自动修复未解决评论与 CI 失败。
展开详情收起详情：Review Hero：AI 驱动的多智能体代码审查 GitHub Actions 工作流⌄
程序员在 Pull Request 中自动运行多智能体 AI 代码审查，覆盖缺陷、性能、设计、安全等维度，并通过投票共识、抑制规则和开发者反馈学习来降噪，最终以行内评论和汇总评论形式发布审查结果，帮助程序员进行代码审查。
★ 3 · 可直接使用的工具
原文发布：未知收录：2026-09-26
工作流
GitHubSecurityLab/seclab-taskflow-agent · GitHub Security Lab Taskflow Agent
GitHub Security Lab 推出的 MCP 多智能体框架，通过 GitHub Workflow 风格的 YAML 语法声明式定义智能体工作流，无需编写代码即可用 CLI 编排多个 Agent 与工具协作完成任务。基于 OpenAI Agents SDK 构建，使用 Pydantic 做语法校验、Jinja2 做模板渲染；智能体由 personalities 定义、接收 taskflow 任务、调用 toolbox 中的工具。支持 Chat Completions 与 Responses 两种 OpenAI API，可切换 openai_agents、copilot_sdk、anthropic_sdk 三种后端，支持 stdio/SSE/streamable HTTP 的 MCP 连接、任务级检查点与断点续跑、运行清单输出、离线 lint 与 JSON Schema 导出。主要面向智能体安全研究、漏洞排查、代码审计、CodeQL 辅助代码审查与代码扫描告警分诊，也可跨多个模型跑同一提示词并让裁判任务择优，用于模型对比评测。
展开详情收起详情：SecLab Taskflow Agent：声明式 YAML 驱动的多智能体安全工作流框架⌄
程序员使用声明式 YAML 定义多智能体安全工作流，用于代码审计、漏洞排查、CodeQL 辅助代码审查与代码扫描告警分诊；也可跨多个模型跑同一提示词并由裁判任务择优，用于模型对比评测。
★ 238 · 开发框架
原文发布：未知收录：2026-09-26
工作流
GitHubSecurityLab/seclab-taskflows-fuzzing · An LLM-driven fuzzing pipeline powered by the GitHub Security Lab Taskflow Agent
该项目是 GitHub Security Lab Taskflow Agent 的模糊测试任务流，面向原生 C/C++ 项目提供 LLM 驱动的自主模糊测试流水线。它结合 AFL++ 执行、clang+lcov 覆盖率采集以及 LLM Agent，自动完成目标识别、构建系统分析、harness 编写与构建、覆盖率反馈迭代、崩溃去重与分类，并生成含可利用性判断和修复建议的可读漏洞报告，同时提供实时 HTML 仪表盘。
展开详情收起详情：seclab-taskflows-fuzzing：面向 C/C++ 项目的 LLM 驱动自动化模糊测试流水线⌄
程序员对原生 C/C++ 项目进行自动化模糊测试：给定 GitHub 仓库后，自动识别模糊测试目标、分析构建系统、编写并构建 harness、执行 AFL++ 模糊测试与覆盖率反馈迭代、对崩溃进行去重分类，并生成含可利用性判断和修复建议的漏洞报告，帮助程序员发现和修复安全漏洞。
★ 8 · 可直接使用的工具
原文发布：未知收录：2026-09-26
工作流
AdolphoIgor/actf-core · Enterprise Distributed Continuous Training (CT) and Model Governance Platform
ACTF Core 是一个面向受监管行业（RegTech、FinTech、医疗等）的企业级参考架构，用于基础模型的自动化持续预训练、领域适配与监督微调（SFT）。平台将关系型数据湖仓、分布式计算集群、内存自动微分引擎与自动化统计评估防火墙串联为一个不可变、确定性的训练闭环，并提供五级质量防火墙，在存储契约、数据泄漏边界、张量图稳定性与统计非劣性等环节进行把关，最后通过 MLflow 模型注册表别名（@champion）完成候选模型晋升。
展开详情收起详情：ACTF Core：企业级分布式持续训练与模型治理平台⌄
程序员作为企业级分布式持续训练与模型治理的参考架构，供程序员在受监管行业（RegTech、FinTech、医疗等）中搭建基础模型的自动化持续预训练、领域适配与监督微调（SFT）流水线，并实现五级质量防火墙与 MLflow 模型注册表别名晋升。
★ 0 · 开发框架
原文发布：未知收录：2026-09-25
工作流
cameronhopkin/isc2-2026-ai-code-review-workshop · Workshop materials for AI-augmented code review pipelines. ISC2 Security Congress 2026.
这是 ISC2 Security Congress 2026 为期两天动手工作坊的配套材料，面向希望在流水线中引入 LLM 辅助代码评审、又不希望把代码送给第三方厂商的安全工程师。项目提供参考实现与实验指南：AI 评审机器人接收 Bandit、detect-secrets 等扫描器输出的 SARIF 结果，经本地 Ollama 开源权重的 Qwen2.5-Coder 模型（默认 7B，另有 3B 小模型）分诊，输出带真实文件与行号引用的评审意见。内容涵盖模型本地部署、三种在代码层强制执行的防幻觉模式（强制引用、链式验证、宁可拒答）、CI/CD 集成、对机器人自身的攻击实验（提示注入、假阴性操纵、数据外泄、资源耗尽）以及企业级加固清单和自托管与商业方案的总体拥有成本模型。仓库同时包含刻意存在漏洞的 Flask 目标应用、提示词模板、评测工具和防御模式实现。
展开详情收起详情：ISC2 2026 AI 代码评审工作坊：构建并加固本地 AI 代码评审流水线⌄
程序员在本地或 CI 流水线中引入 LLM 辅助代码评审：接收 Bandit、detect-secrets 等扫描器输出的 SARIF 结果，经本地 Ollama 的 Qwen2.5-Coder 模型分诊，输出带真实文件与行号引用的评审意见；并可通过三种防幻觉模式（强制引用、链式验证、宁可拒答）加固评审机器人。
★ 0 · 资料合集
原文发布：未知收录：2026-09-25
工作流
justMridul/multi-agent-content-pipeline · An autonomous multi-agent content generation pipeline built with LangGraph, Groq (Llama-3.3-70b), FastAPI, Next.js, SerpAPI, and Supabase. Converts PRDs into research-backed, fact-checked, and polished blog posts.
该项目是一个端到端的多智能体内容生成系统，使用 LangGraph 编排研究、写作、事实核查与风格润色四个专职智能体。它接收产品需求文档（PRD）、主题、目标字数和写作风格作为输入：研究智能体通过 SerpAPI 进行实时网页检索，写作智能体结合 PRD 与研究上下文生成 Markdown 初稿，事实核查智能体对照研究结果验证文中论断，若发现问题则通过条件路由退回写作智能体重写并再次核查，通过后由润色智能体完成风格与格式优化，最终文章存入 Supabase PostgreSQL。前端基于 Next.js 与 React 提供 PRD 输入、智能体执行时间线与文章库浏览，后端使用 FastAPI，并通过自定义日志记录智能体名称、执行状态、耗时、Token 用量与事实核查结果。
展开详情收起详情：Autonomous Multi-Agent Content Pipeline：基于多智能体工作流将 PRD 自动生成经研究、事实核查与润色的博客文章⌄
程序员程序员可将该多智能体工作流作为参考，用于构建自动生成技术博客或技术文档的流水线：输入 PRD 后由研究、写作、事实核查、润色四个智能体协作产出 Markdown 文章，并可通过日志追踪各智能体执行状态与耗时。
产品经理产品经理可将 PRD 作为输入，利用该工作流自动生成经研究、事实核查与润色的博客文章，用于产品内容营销或需求文档的对外表达。
★ 0 · 开发框架
原文发布：未知收录：2026-09-24
工作流
mujammed-04/test-ci-cd · Next.js gallery that refreshes itself hourly — an LLM invents the search prompts, a stock photo API finds the shots, CI republishes the image
一个基于 Next.js 的照片画廊项目，通过 GitHub Actions 每小时自动运行：先随机选择主题，再由 Groq 上的 LLM 生成搜索提示词，调用 Pexels 图片 API 获取照片并写入 gallery.json 提交到 main 分支，随后触发 CI 校验并重新构建镜像发布到 GHCR。项目使用 Next.js 16 App Router、React 19、TypeScript、StyleX 与 Feature-Sliced Design 组织代码，支持多语言路由，图片与提示词来源需标注 Pexels 与 Groq。
展开详情收起详情：test-ci-cd：用 LLM 与图库 API 每小时自动刷新照片画廊⌄
程序员作为 CI/CD 与自动化工作流参考：用 GitHub Actions 定时任务调用 LLM 生成搜索提示词、调用图库 API 获取数据并提交到仓库，再触发 CI 校验与镜像发布，可用于搭建类似的自动化数据刷新与持续交付流程。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-09-23
工作流
urankwong/agentsgo · Protocol-agnostic local-file workbench for asynchronous multi-agent collaboration — any read/write-capable AI agent (any IDE/model/framework) joins to co-discuss AND co-develop, with no MCP/A2A/protocol gate. Zero-dependency Python CLI; human holds the final say. 协议无关的本地文件多 Agent 异步协同底座：会读写文件即可加入，讨论+开发双协同，人类最终拍板。
agentsgo 是一个协议无关的本地文件多 Agent 异步协同底座：任何具备读写文件能力的 AI Agent（不限 IDE、模型、框架）都能加入，实现协同讨论与协同开发，无需支持 MCP/A2A 或运行在同一框架内。它提供零依赖的 Python CLI 协调器 room.py 与本地 Web 工作台 views.py，包含任务看板、议题圆桌、Agent 广场、踩坑库、约定库、代码图谱等视图，采用单写多读加 roster 状态机、异步轮次（发散-盲评-碰撞-定稿）、稳定观点 ID 与匿名盲评等机制，人类全程可介入并最终拍板。
展开详情收起详情：agentsgo：协议无关的本地文件多 Agent 异步协同工作台⌄
程序员用于多 Agent 协同开发与代码相关讨论：通过本地文件房间让不同 IDE/模型/框架的 AI Agent 异步参与协同讨论和协同开发，并借助代码图谱视图查看项目结构、任务看板跟踪待办/进行中/待复审/已完成。
产品经理用于结构化议题讨论与需求收敛：通过议题圆桌、异步轮次（发散-盲评-碰撞-定稿）、稳定观点 ID 和匿名盲评机制，让多 Agent 围绕议题产出结论，人类可介入并最终拍板。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-09-22
工作流
GRhama/ProductRail · Domain-agnostic AI-assisted Product Management workflow from ambiguous problems to implementation-ready specifications.
ProductRail 是一个领域无关的 AI 辅助产品管理工作流，围绕显式决策、契约、门禁（gate）、交接和持久化状态构建。它通过 Product Grill、人工确认、Feature Spec、Story 拆分与验收标准、Engineering Grill 等阶段，把含糊的产品请求逐步转化为确定的产品行为与实现规格，强调 AI 负责结构化工作、人类保留决策权。项目与具体 AI 模型或厂商无关，可作为结构化提示词配合 ChatGPT、Claude、GitHub Copilot、Codex 等 LLM 工具使用。v0.1 为实验性公开工作流，不宣称生产可用。
展开详情收起详情：ProductRail：将模糊产品需求转化为明确决策与工程就绪规格的 AI 辅助产品管理工作流⌄
程序员在收到产品交接后，使用 Engineering Grill 阶段验证交接内容，并推进到 ENGINEERING_READY、实现规格、SPEC-TO-TASKS 与 TASKS_READY，再进入实现、测试与验证。
产品经理将模糊的产品需求通过 Product Grill 阶段转化为显式决策，再生成 Feature Spec、用户故事与验收标准，并在 PRODUCT_READY 和 STORIES_READY 门禁确认后向工程团队交接。
★ 0 · 资料合集
原文发布：未知收录：2026-09-22
工作流
LovaHuguel/Khala-Orchestrator-Core · 🤖 AI Agent Teams 2026: Build & Deploy Autonomous AI Systems 🚀
Aether Nexus（仓库 Khala-Orchestrator-Core）是一个面向多智能体编排的框架，通过“神经治理协议”管理智能体间的通信、冲突解决与资源分配，按任务动态匹配智能体能力并组成临时协作体，支持共识形成、问题分解、多模型混合推理以及 OpenAI、Anthropic 与本地模型（如 llama-3-70b、mixtral-8x22b）的接入。README 还列出研究论文综述、商业战略规划等工作流示例，以及性能、安全合规与实验性特性等描述。
展开详情收起详情：Aether Nexus：多智能体编排与自治协作框架⌄
程序员使用多智能体编排框架进行代码生成、API 设计等开发任务，通过动态匹配智能体能力组成临时协作体完成复杂编程目标。
产品经理利用多智能体协作进行商业战略规划，包括市场分析、方案生成和可行性评估，辅助产品战略决策。
★ 2 · 开发框架
原文发布：未知收录：2026-09-22
工作流
LocketKeyLLC/scaffold-engine · Self-hosted AI agent engine for local LLMs. Give it an idea — it researches the web, plans a DAG of steps, executes each with verification and auto-retry, and compiles the result. 100% on your hardware: Ollama inference, RAG with Milvus vector search, Postgres state, SearXNG search. FastAPI + Docker. No cloud calls unless you opt in.
Scaffold Engine 是一个自托管的 DAG 编排引擎，用于多步 LLM 工作流：输入一个想法后，系统会将其细化为结构化简报、做可行性评估并等待人工确认，随后通过 SearXNG 联网研究并把事实蒸馏进知识库，生成由研究/决策/行动/验证/输出等节点组成的执行图，按依赖顺序执行并逐步验证、失败自动重试最多三次，最后编译叶节点的最终输出。推理走 Ollama 本地模型，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。
展开详情收起详情：Scaffold Engine：面向本地 LLM 的自托管 DAG 多步工作流编排引擎⌄
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。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-09-22
工作流
McFuzzySquirrel/mcfuzzy-agent-forge · Help you create a PRD or spec from an idea or research anf the forges a team of specialised agents and skills based on that
MyForge 是一个以 PRD 为核心的开发工作流工具，能够将产品想法转化为经过评审的 PRD 文档，并据此生成专用智能体团队，进而执行自动化构建。项目提供引导式交互执行与无人值守的“暗编排”运行模式，配有本地 Web 控制台用于监控和控制构建过程，支持在现有 Git 仓库中引导集成而不替换其应用代码。
展开详情收起详情：MyForge：从想法生成 PRD、专用智能体团队并执行自动化构建⌄
程序员在现有 Git 仓库中引导集成该工作流，执行自动化构建，并通过本地 Web 控制台监控和控制构建过程。
产品经理将产品想法转化为经过评审的 PRD 文档，并据此生成专用智能体团队以推进需求落地。
★ 4 · 可直接使用的工具
原文发布：未知收录：2026-09-20