本地AI工作流
AI Skill Hub 推荐使用：本地AI工作流 是一款优质的Agent工作流。AI 综合评分 7.5 分，在同类工具中表现稳健。如果你正在寻找可靠的Agent工作流解决方案，这是一个值得深入了解的选择。
📚 深度解析
本地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。
📋 工具概览
本地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。
📖 中文文档
本地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：pip 安装（推荐）
pip install qonqrete
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install qonqrete
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/illdynamics/qonqrete
cd qonqrete
pip install -e .
# 验证安装
python -c "import qonqrete; print('安装成功')"
- 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
qonqrete --help
# 基本用法
qonqrete input_file -o output_file
# Python 代码中调用
import qonqrete
# 示例
result = qonqrete.process("input")
print(result)
# qonqrete 配置文件示例（config.yml） app: name: "qonqrete" debug: false log_level: "INFO" # 运行时指定配置文件 qonqrete --config config.yml # 或通过环境变量配置 export QONQRETE_API_KEY="your-key" export QONQRETE_OUTPUT_DIR="./output"
QonQrete - Fully Autonomous File-Based Local-First AI Coding Harness (v2.0.1)
Current repository version: 2.0.1
2.0.1 — QonQrete v2 engine (current release)
New since v2.0.0: QonQrete now runs on a completely new engine — the qq CLI. It is fully autonomous and designed to finish even huge tasks in one shot: clarify → plan → build → review, looping automatically until the build is genuinely done. No more babysitting.
QonQrete is a local-first, file-based, deterministic AI software construction harness. You give it a Markdown task and a destination directory; it produces a working, reviewed build. The multi-agent pipeline (Qlarifier → instruQtor → construQtor ↔ inspeQtor) plans the work into briqs, generates code, reviews it, and iterates until FULLY_DONE — with a rich TUI cockpit and the briQsQope web dashboard for live progress.
Install (CLI)
From a fresh clone:
git clone https://github.com/illdynamics/qonqrete.git
cd qonqrete
./qq-install.shThen run:
qq run task.md ./my-buildThe installer creates a Python venv, installs the qq package, builds the integrated Rust TUI (when cargo is available), installs CodeSeeq, and creates the qq wrapper in ~/.local/bin.
Build a task into a target directory (TUI cockpit by default)
qq run task.md ./my-build
Configuration
Configuration lives in config/qq.yaml (with provider capabilities in config/providers.yaml). The IDE integrations and qq configure-style flows write here.
The only settings most people need are the provider and the model:
provider: chatgpt
models:
qlarifier:
model: gpt-5.5
instruqtor:
model: gpt-5.5
construqtor:
model: gpt-5.5
inspeqtor:
model: gpt-5.5The default chatgpt provider uses your ChatGPT account (Plus / Pro / Team) through the system codeseeq CLI — no API key needed. When you run QonQrete with this provider and no sign-in exists yet, it starts the login for you on an interactive terminal:
```bash
IDE integrations
VS Code
- Install QonQrete from the VS Code Marketplace.
Ctrl+Shift+P→ QonQrete: Provider & Model to set provider/model.- Open a
.mdtask file, then QonQrete: Run Open File as Task (or press the sidebar button). - Choose the destination directory and TUI/headless mode when prompted.
QonQrete 是首款基于文件系统（File-Based）、遵循 Local-First 原则且高度安全的 AI Agent 工具。它通过独特的目录结构管理任务与构建过程，确保所有 AI 交互与执行逻辑都以文件为中心，为开发者提供了一个既能保持本地化隐私，又能实现高度自动化任务处理的智能环境。
当前 v1.4.x 版本已将 License 从 AGPL-3.0 迁移至更具开放性的 Apache-2.0。该版本针对 IntelliJ Plugin 进行了深度优化，确保在 2023.3 至 2026.2 EAP 版本中实现零弃用、零内部 API 调用的纯净体验。此外，系统引入了确定性的证据升级机制（Deterministic Evidence Upgrades）以确保审查路径的真实性，并优化了 Streaming UX 交互体验，支持更简洁的默认渲染与 TAB 键操作。
在使用 QonQrete 之前，请确保您的系统环境满足相关运行要求。由于项目涉及容器化运行与本地辅助工具链，建议预先配置好 Docker 或 Podman 环境，并根据需要准备好相应的 AI Provider 访问权限。
推荐使用 `curl-bash` 方式进行交互式安装，脚本会自动引导您选择 AI Provider（如 OpenAI、DeepSeek、Gemini、Anthropic 等）、指定模型并配置 API key。对于 CI/CD 或非交互式场景，可以通过设置环境变量（如 `QONQRETE_AUTO=1`）实现自动化部署。此外，您也可以通过 Git clone 源码并运行 `qonqrete-bootstrap.sh` 进行初始化，或者直接从 VS Code 或 JetBrains Marketplace 安装官方 IDE 扩展，实现一键式配置。
QonQrete 支持 CLI 与 IDE 两种使用模式。在 CLI 模式下，您可以使用 `./qonqrete.sh` 配合 `tasq.md` 任务文件进行任务驱动型运行，或使用 `--auto` 开启自主模���。在 IDE 中，通过安装插件并运行 Setup Wizard，您可以直接在编辑器内通过图形化界面控制任务的启动、恢复与清理，实现无缝的 AI 辅助开发体验。
配置遵循严格的优先级原则：首先是真实的 Shell 环境变量（如 `OPENAI_API_KEY`），其次是 IDE 的安全存储，最后才是手动输入。QonQrete 确保 API key 绝不会以明文形式存储在配置文件、终端命令或日志中。对于高级用户，可以通过修改 `config.yaml` 或 `pipeline_config.yaml` 来精细化控制缓存策略与任务流水线。
QonQrete 提供了一套完整的 CLI 命令集用于任务管理。核心命令包括 `./qonqrete.sh init` 用于构建容器镜像，`run` 用于执行任务（支持 `-f` 指定任务文件、`-a` 自主模式、`-b` 调整敏感度、`-c` 控制迭代次数），以及 `resume`、`status`、`audit` 和 `clean` 等运维命令。通过这些命令，开发者可以精确控制 AI Agent 的行为边界与执行深度。
QonQrete 采用严谨的模块化工作流：首先通过 `qrystallizer` 进行任务摄取（Intake）；随后进入 `Clarification Gate`（澄清门禁），若任务准备度不足，`Qrane` 会进入阻塞状态并捕获用户的澄清响应；最后由 `qonstrictor` 评估约束条件与就绪状态，确保整个 AI 执行过程在受控且符合预期的范围内进行。
常见问题解答涵盖了不同 Provider 的配置细节。例如，使用 `codeseeq` 时需要同时配置 `DEEPSEEK_API_KEY`；若使用 `venice` 则需配置 `VENICE_API_KEY`。此外，针对本地运行的 Node 辅助工具链，建议在 `.qonqrete` 目录下使用 `npm ci` 以确保依��版本的精确可复现性。
开源AI工作流项目，支持本地开发
- 构建多智能体协作系统的 Agent 开发者
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- Python 依赖冲突：建议用 venv / uv 隔离环境
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 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
- 构建多智能体协作系统的 Agent 开发者
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- Python 依赖冲突：建议用 venv / uv 隔离环境
👥 适合人群
🎯 使用场景
- 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
⚖️ 优点与不足
- +Apache-2.0 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。
✅ Apache 2.0 — 宽松开源协议，可商用，需保留版权声明和 NOTICE 文件，含专利授权条款。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，本地AI工作流 是一款质量良好的Agent工作流，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | qonqrete |
| 原始描述 | 开源AI工作流：The first 100% file-based Local-First AgenticAI dev "construction yard", with it。⭐10 · Python |
| Topics | agenticagentic-aipython |
| GitHub | https://github.com/illdynamics/qonqrete |
| License | Apache-2.0 |
| 语言 | Python |
收录时间：2026-05-30 · 更新时间：2026-05-31 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。