EndiorBot
经 AI Skill Hub 精选评估，EndiorBot 获评「推荐使用」。这款Agent工作流在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 7.5 分，适合有一定技术背景的用户使用。
📚 深度解析
EndiorBot 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
本项目提供了一个本地化的AI代理协调器，用于软件开发生活周期（SDLC）工作流程，支持14个基于角色的代理和5个类别。
EndiorBot 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
本项目提供了一个本地化的AI代理协调器，用于软件开发生活周期（SDLC）工作流程，支持14个基于角色的代理和5个类别。
EndiorBot 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 endiorbot # 方式二：npx 直接运行（无需安装） npx endiorbot --help # 方式三：项目依赖安装 npm install endiorbot # 方式四：从源码运行 git clone https://github.com/Minh-Tam-Solution/EndiorBot cd EndiorBot 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
endiorbot --help
# 基本用法
endiorbot [options] <input>
# Node.js 代码中使用
const endiorbot = require('endiorbot');
const result = await endiorbot.run(options);
console.log(result);
# endiorbot 配置说明 # 查看配置选项 endiorbot --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 ENDIORBOT_CONFIG="/path/to/config.yml"
EndiorBot
Beta: APIs may change between releases. Not recommended for production use yet.
AI dev team in your terminal — 14 SDLC agents, 5 channels, plugin-compatible, answers in 30 seconds
EndiorBot is a personal AI power tool for solo developers working on enterprise-scale projects. It integrates with Claude Code as an Agent Orchestrator, enabling @agent invocations with SDLC governance across CLI, Web, Telegram, Zalo, and Desktop channels.
Identity: Solo Developer Power Tool — not a platform, not an SDLC enforcer.
Origin: EndiorBot was ported from OpenClaw (Python, internal MTS codebase) to TypeScript in Sprint 54 (ADR-005). The OpenClaw backport (Sprint 131-132) brought exec-policy, Active Memory, and SSRF protection patterns into the current architecture. OpenClaw is owned by Minh Tam Solution; code transferred to EndiorBot is released under MIT for this project.
Sprint 154 Highlights (2026-05-27) — Plugin Architecture
- Tier auto-recommendation:
endiorbot initscans 7 project signals to recommend LITE/STANDARD/PRO/ENT (ADR-054) - Layered CLAUDE.md: root + per-directory context files, scoped by tier (ADR-055)
- Plugin format: Anthropic Base profile
.claude-plugin/plugin.jsonfor STANDARD+ (ADR-056) - Plugin loader:
endiorbot skillsdiscovers and listsskills/directory at runtime - CLAUDE.md audit:
endiorbot audit-claude-md— 5 checks (stale refs, version, size, age) + baseline suppression - Self-improving hooks: PostToolUse tracker + Stop suggest →
.endiorbot/audit-suggestions.md - 42 unified commands across 5 channels
- 8,207+ tests passing
Prerequisites
- Node.js >= 20
- pnpm (via corepack:
corepack enable)
Claude Code is recommended but not required. Planning, methodology, and consultation agents work without it via Kimi (free OAuth), OpenAI, or any configured LLM. Claude Code is primary for coding workflow (@coder, @architect in PATCH mode).
Install
Beta channel during pre-1.0: Use the@betatag explicitly. We don't push prerelease versions to npm'slatesttag, so a barenpx endiorbotresolves to nothing until v1.0 ships.
```bash
Via npx (no install needed) — beta channel
npx endiorbot@beta --help npx endiorbot@beta init npx endiorbot@beta serve
Or install globally
npm install -g endiorbot@beta
Or via Docker
docker run -p 18790:18790 endiorbot/endiorbot serve ```
After v1.0.0 ships, the @beta qualifier will become optional and the bare npx endiorbot form will work for stable installs.
Docker
```bash
Build
docker build -t endiorbot .
Quick Start
```bash
With env file
docker run -p 18790:18790 --env-file .env endiorbot ```
本项目提供了一个开源的AI工作流协调器，支持多种角色和类别，适用于软件开发团队，值得关注。
- 构建多智能体协作系统的 Agent 开发者
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- 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）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Docker：EndiorBot 提供官方镜像，docker compose up 一键启动
- CLI：直接 npm install -g / pip install，命令行调用
- 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
- 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
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- 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）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
👥 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
- +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。
🔗 相关工具推荐
❓ 常见问题 FAQ
AI Skill Hub 点评：EndiorBot 的核心功能完整，质量良好。对于自动化工程师和运维人员来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。
| 原始名称 | EndiorBot |
| 原始描述 | 开源AI工作流：Local-first AI agent orchestrator for SDLC workflows — 14 role-based agents, 5 c。⭐19 · TypeScript |
| Topics | workflowagent-orchestrationai-agentsai-developmentclaude-codeclitypescript |
| GitHub | https://github.com/Minh-Tam-Solution/EndiorBot |
| License | MIT |
| 语言 | TypeScript |
收录时间：2026-06-01 · 更新时间：2026-06-01 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。