Agent 与自动化01
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。
Agent 与自动化02
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。
Agent 与自动化03
jmhjasso/ai-agent-prd-case-study-invoice-automation
这是一个公开的案例研究仓库，记录了一位产品负责人如何把一个AI Agent想法（小企业发票自动化）从手绘流程推进到受治理、有证据支撑的产品计划，包括失败部分。仓库内容涵盖流程图与缺口分析、完整PRD、路线图、假设登记、决策简报、治理日志、测试与证据、阶段门与变更决策、运营模型（十个子代理）与复盘。项目目前完成到 Phase 0 的规划与去风险，MVP 尚未构建、未上线，也未声称实测节省时间。
应用工具04
ridhimaguptaa01/pm-reviewer · AI-assisted managerial review copilot for product management work
PM Reviewer 是一个面向产品经理的 AI 辅助评审副驾，用于减少管理者首轮评审投入。它会审阅产品团队提交的 PRD、需求、调研、可行性说明、上线计划、发布后分析等工作，推断其目的与成熟度，并给出分级的评审结论（需修改、待决策、可延后）。项目还会保存评审历史、支持可复用的管理者偏好，并在第二版及之后对比历史反馈，标注已解决、部分解决、仍未解决、不再相关以及新引入的问题。项目内含 12 个评测用例，覆盖强弱 PRD、模糊提案、混合客户证据、早期调研、外部内容、可行性工作和发布后分析，最新评测通过全部 12 项结构性检查。
Agent 与自动化05
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。
Agent 与工作流06
这是 OpenAI 的 Vinoth Govindarajan 做的一场技术分享，主题是生产环境里的 AI Agent 为什么会出错。他指出问题不只是在模型“胡说”，更多出在系统怎么管状态、怎么分配权限上。他拿 OpenClaw 等真实案例说明，可靠的做法包括：明确谁拥有状态、并发改动要排队、限制 Agent 能执行的范围，并在用户实际看到的边界处校验动作。文章只给出演示标题和摘要，具体工具与发布时间原文未说明。
文中可用工具
- OpenClaw文中作为生产 AI Agent 的真实案例提及，原文未说明具体用途
Agent 与自动化07
appcheckdemo/swarm-github-demo · PRD 146 swarm, GitHub operating mode: commits and pull requests from ten agents
该仓库为 PRD 146 swarm 演示项目，展示 GitHub 的运维模式：由十个智能体产生提交（commits）和拉取请求（pull requests），用于演示多智能体在代码协作流程中的运作方式。仓库使用 Python 编写，README 仅提供一句话描述，未说明部署方式、依赖条件与使用限制。
Agent 与自动化08
fworks-tech/agenthood · A society of AI agents with impeccable standards and zero tolerance for 'fix stuff' commits.
Agenthood 提供 20 个专业化 AI 智能体（架构师、评审、安全、DevOps、策略、运维等），每个都是可移植的 Markdown 技能文件，可加载进 Claude Code、Copilot、Gemini CLI、Cursor、OpenCode 等支持技能文件的运行时，另附一个 TypeScript 运行时让它们跨软件生命周期自主执行。项目强调工程规范（如拒绝含糊的提交信息）、每次运行留下防篡改的决策与来源追溯记录，并附带 41 个工具技能、工作流引擎、RAG 与记忆等组件。
Agent 与自动化09
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。
Agent 与自动化10
kirodotdev/KiroCrew · A persistent workspace for development work that self-improves and continues beyond one session.
Kiro Crew 是一个开源开发工作区，可运行在本地或用户自己的硬件上，也支持远程 Gateway。它强调持久化、自我学习与自我演化：会话、记忆、日程和任务检查点可跨 Gateway 重启保留，纠错与任务失败会转化为可复用的经验教训和技能。用户可通过桌面应用、Web 仪表盘和 CLI 使用，也能通过 Slack、Discord 等消息通道延续同一份工作；多步骤任务可无人值守运行，支持周期性作业、心跳监控和子代理并行委派。默认代理运行在 kiro-cli 上，使用前需单独安装并登录。