AI工作流
AI Skill Hub 强烈推荐：AI工作流 是一款优质的Agent工作流。已获得 3.4k 颗 GitHub Star，AI 综合评分 8.2 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
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 8.2 分，是同类 Agent 工作流中的精选推荐。
📋 工具概览
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
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 aidlc-workflows
# 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 aidlc-workflows
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/awslabs/aidlc-workflows
cd aidlc-workflows
pip install -e .
# 验证安装
python -c "import aidlc_workflows; 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
aidlc-workflows --help
# 基本用法
aidlc-workflows input_file -o output_file
# Python 代码中调用
import aidlc_workflows
# 示例
result = aidlc_workflows.process("input")
print(result)
# aidlc-workflows 配置文件示例（config.yml） app: name: "aidlc-workflows" debug: false log_level: "INFO" # 运行时指定配置文件 aidlc-workflows --config config.yml # 或通过环境变量配置 export AIDLC_WORKFLOWS_API_KEY="your-key" export AIDLC_WORKFLOWS_OUTPUT_DIR="./output"
AI-DLC - one core, many harnesses
AI-DLC (AI-Driven Development Life Cycle) turns AI coding assistants into structured, verifiable software-delivery workflows. One harness-neutral core runs natively in Claude Code, Kiro CLI, Kiro IDE, Codex CLI, Cursor, opencode, and GitHub Copilot.
The Quick Start below installs the latest stable AI-DLC release.
1. Install AI-DLC
macOS, Linux, or WSL:
curl -fsSL https://github.com/awslabs/aidlc-workflows/releases/latest/download/install.sh | shWindows PowerShell:
irm https://github.com/awslabs/aidlc-workflows/releases/latest/download/install.ps1 | iexThe installer adds the native aidlc command and every harness runtime. Bun and Node.js are not required. If your shell cannot find aidlc, follow the PATH instruction printed by the installer or start a new shell.
Prefer to manage the project files manually? Install the matching native aidlc command, download aidlc-runtime-X.Y.Z.tar.gz from the release, and copy runtime/<harness>/ into your project.
Quick Start
2. Configure a project
From the project root, select the harness you use:
cd /path/to/your-project
aidlc config --harness claude
aidlc doctorReplace claude with kiro, kiro-ide, codex, cursor, opencode, or copilot. Running aidlc config without --harness starts the interactive setup when a terminal is available.
References
3. Start a workflow
Open your harness in the configured project and describe the work:
/aidlc Build a REST API for inventory managementCodex CLI uses $aidlc instead of /aidlc. AI-DLC selects a workflow from the request, asks for missing decisions, and stops at approval gates before moving forward.
For provider setup, trust prompts, and harness-specific prerequisites, use the guide in the table below. The complete walkthrough is in Getting Started.
Troubleshooting
Run aidlc doctor from the project root first. Common fixes:
| Symptom | Fix |
|---|---|
aidlc is not found | Apply the PATH instruction printed by the installer or start a new shell |
| Project/runtime version skew | Finish the active workflow, then run aidlc config |
| Codex hooks do not run | Trust the project hooks as described in the [Codex guide](docs/guide/harnesses/codex-cli.md) |
| Bedrock access fails | Enable the configured models and verify AWS credentials and region |
| Plugin stages disappear after refresh | Run /aidlc plugin sync |
| Refreshed skills do not take effect | Start a new harness session |
See Troubleshooting for diagnostic and recovery procedures.
AI-DLC (AI-Driven Development Life Cycle) 是一种由 AI 驱动的开发生命周期管理框架。它旨在通过智能化的工作流，将 AI 能力深度集成到软件开发的全过程中，实现从需求理解到代码执行的自动化与智能化转型。
AI-DLC 具备高度的自适应智能（Adaptive Intelligence），能够根据您的具体请求仅执行具有价值的阶段，避免冗余。它具备上下文感知（Context-Aware）能���，可深度分析现有代码库及复杂度需求。此外，它采用基于风险（Risk-Based）的策略，针对复杂变更提供更全面的处理方案，确保开发质量。
在使用 AI-DLC 之前，请确保您的开发环境已安装支持 Assisted AI Coding 的平台或工具。支持的工具包括但不限于 Kiro、Amazon Q Developer、Cursor IDE、Cline、Claude Code 以及 GitHub Copilot 等。请根据您的工具类型参考相应的安装链接进行准备。
您可以根据所使用的平台进行特定配置。支持 Kiro、Amazon Q Developer IDE Plugin、Cursor IDE、Cline、Claude Code、GitHub Copilot 及 OpenAI Codex。此外，我们还提供实验性的 AI-Assisted Setup 模式，允许您通过具备 Shell 访问权限的 AI Agent（如 Kiro、Claude Code、Cline）自动完成安装，无需手动复制文件。
开始使用非常简单：在聊天窗口中以“Using AI-DLC, ...”作为开头描述您的开发意图，即可自动激活 AI-DLC 工作流。随后，请根据 AI 提出的结构化问题进行回答，并仔细审查 AI 生成的每一个计划。在执行前，请务必检查执行计划以确认将运行的阶段，并发挥您的监督与验证作用。
AI-DLC 支持本地化配置，相关的本地设置请��过修改 `.claude/settings.local.json` 文件进行管理。这确保了您的配置仅保留在本地环境中，符合安全与隐私要求。
关于 AI-DLC 工作流在运行过程中生成的完整文档参考资料，请查阅项目目录下的 `docs/GENERATED_DOCS_REFERENCE.md`。该文件包含了所有自动化生成文档的详细索引与说明。
AI-DLC 采用三阶段自适应工作流（Three-Phase Adaptive Workflow），能够根据项目的复杂度自动调整执行策略。例如，在 Amazon Q Developer 环境下，它通过集成 Amazon Q Rules 来实现对项目工作区的智能感知与规则约束，确保开发流程符合预设的规范。
如果您在安装或使用过程中遇到问题，请参考 FAQ 章节进行故障排除。我们将针对常见的环境配置、工具集成及工作流异常提供针对性的解决方案。
高质量的AI工作流管理项目
- 使用 Cursor 编辑器、希望提升 AI 编程效率的开发者
- 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
- Cursor rules 控制在 80 行内，否则模型上下文成本会显著上升
- 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
- CLI：直接 npm install -g / pip install，命令行调用
- 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
- 使用 Cursor 编辑器、希望提升 AI 编程效率的开发者
- 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
- Cursor rules 控制在 80 行内，否则模型上下文成本会显著上升
- 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
- +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
该工具使用 MIT-0 协议，商用场景请仔细阅读协议条款，必要时咨询法律意见。
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-0 — 请查阅原始协议条款了解具体使用限制。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，AI工作流 是一款质量优秀的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 | aidlc-workflows |
| 原始描述 | 开源AI工作流：AI-Driven Life Cycle (AI-DLC) adaptive workflow steering rules for AI coding age。⭐3.4k · Python |
| Topics | AI工作流Python |
| GitHub | https://github.com/awslabs/aidlc-workflows |
| License | MIT-0 |
| 语言 | Python |
收录时间：2026-07-07 · 更新时间：2026-07-11 · License：MIT-0 · AI Skill Hub 不对第三方内容的准确性作法律背书。