开源AI工作流
开源AI工作流 是 AI Skill Hub 本期精选Agent工作流之一。综合评分 7.5 分，整体质量较高。我们推荐使用将其纳入你的 AI 工具库，帮助提升工作效率。
开源AI工作流 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。
在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 7.5 分，是同类 Agent 工作流中的精选推荐。
本项目提供了一个本地化、CLI驱动的多智能体AI软件工程工作流orchestra，旨在提高AI开发效率和可维护性。
开源AI工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
本项目提供了一个本地化、CLI驱动的多智能体AI软件工程工作流orchestra，旨在提高AI开发效率和可维护性。
开源AI工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
# 方式一：npm 全局安装 npm install -g aiagentflow # 方式二：npx 直接运行（无需安装） npx aiagentflow --help # 方式三：项目依赖安装 npm install aiagentflow # 方式四：从源码运行 git clone https://github.com/aiagentflow/aiagentflow cd aiagentflow npm install npm start
- 访问 GitHub 仓库获取工作流文件
- 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
- 上传工作流文件
- 按照提示配置必要的环境变量和 API Key
- 运行测试确认流程正常后投入使用
# 命令行使用
aiagentflow --help
# 基本用法
aiagentflow [options] <input>
# Node.js 代码中使用
const aiagentflow = require('aiagentflow');
const result = await aiagentflow.run(options);
console.log(result);
# aiagentflow 配置说明 # 查看配置选项 aiagentflow --config-example > config.yml # 常见配置项 # output_dir: ./output # log_level: info # workers: 4 # 环境变量（覆盖配置文件） export AIAGENTFLOW_CONFIG="/path/to/config.yml"
aiagentflow
A local-first CLI that orchestrates multi-agent AI workflows for software development. Give it a task — or feed it your specs, PRDs, and guidelines — and it coordinates specialized agents to architect, code, review, test, and ship automatically.
No cloud dependency. Bring your own API keys. Your code stays on your machine.
---
Features
- Multi-agent pipeline — 6 specialized agents, each with a distinct role
- Context-aware — feed specs, PRDs, architecture docs, and guidelines to every agent
- Plan from docs — generate batch-ready task lists from your existing documentation
- Local-first — runs entirely on your machine, no code leaves your system
- Provider-agnostic — Anthropic, OpenAI, Groq, Google Gemini, OpenRouter (100+ models), Ollama (local/free)
- Workflow modes — fast, balanced, or strict presets for iterations, approval, and temperatures
- Smart detection — auto-detects language, framework, test runner, and package manager
- Configurable — tune models, temperature, and iteration limits per agent
- Git-native — auto-creates branches, auto-commits on QA pass
- Human-in-the-loop — approve or override at any stage, or go full auto
- QA policies — configurable quality gates (max critical issues, test requirements)
- Batch mode — process multiple tasks from a file
- Session persistence — crash recovery with automatic session saving
- Token tracking — monitor LLM usage per agent and per run
- Customizable prompts — edit agent prompts in
.aiagentflow/prompts/
---
Install
npm install -g @aiagentflow/cliOr with pnpm:
pnpm add -g @aiagentflow/cli---
Install and start Ollama
ollama serve
Clone and install
git clone https://github.com/aiagentflow/aiagentflow.git cd aiagentflow pnpm install
Quick Start
```bash
Configuration
After aiagentflow init, your project has:
.aiagentflow/
├── config.json # Main configuration
├── prompts/ # Customizable agent prompts
│ ├── architect.md
│ ├── coder.md
│ ├── reviewer.md
│ ├── tester.md
│ ├── fixer.md
│ └── judge.md
├── policies/ # Quality standards
│ └── coding-standards.md
├── context/ # Reference docs (auto-loaded into every run)
│ ├── api-spec.md # Example: your API specification
│ └── requirements.md # Example: your PRD or requirements
└── sessions/ # Saved workflow sessionsEdit the prompt files to customize how each agent behaves. Edit coding-standards.md to set project-specific rules that all agents follow. Drop .md or .txt files into context/ and they'll be automatically included as reference material for all agents.
---
CLI Commands
| Command | Description |
|---|---|
aiagentflow init | Interactive setup wizard |
aiagentflow config | View current configuration |
aiagentflow doctor | Health check — verify providers and setup |
aiagentflow run <task> | Run a workflow for a task |
aiagentflow run <task> --auto | Autonomous mode (no approval prompts) |
aiagentflow run <task> --dry-run | Preview the plan without executing |
aiagentflow run <task> --context <files...> | Run with reference documents |
aiagentflow run --batch tasks.txt | Process multiple tasks from a file |
aiagentflow plan <docs...> | Generate a task list from documentation |
aiagentflow plan <docs...> -o tasks.txt | Write task list to file (batch-ready) |
aiagentflow resume | Resume the last interrupted session |
aiagentflow sessions | List all saved sessions |
---
本项目提供了一个开源的AI工作流解决方案，具有本地化和CLI驱动的特性，适用于多智能体AI和软件工程工作流的开发者。然而，项目的文档和社区支持需要进一步改进。
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
- +MIT 协议，可免费商用
- +大幅减少重复性人工操作
- +可视化流程，清晰直观
- +可扩展性强，支持复杂场景
- −初始配置和调试需投入一定时间
- −强依赖外部服务的稳定性
- −复杂场景需具备一定技术基础
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
经综合评估，开源AI工作流 在Agent工作流赛道中表现稳健，质量良好。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。
| 原始名称 | aiagentflow |
| 原始描述 | 开源AI工作流：A local-first, CLI-driven multi-agent AI software engineering workflow orchestra。⭐41 · TypeScript |
| Topics | workflowaiai-agentsanthropicautomationclitypescript |
| GitHub | https://github.com/aiagentflow/aiagentflow |
| License | MIT |
| 语言 | TypeScript |
收录时间：2026-05-23 · 更新时间：2026-05-23 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。