能力标签

⚙️

Agent工作流

Larkway

基于 TypeScript · 无代码搭建完整 AI 自动化流程

英文名：larkway

⭐ 11 Stars 🍴 2 Forks 💻 TypeScript 📄 MIT 🏷 AI 8.0分

8.0AI 综合评分

ai-agentchatbotclaudecodextypescript

⬇ 下载源码 ZIP ⚙️ 配置说明 📺 TG 频道

✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估，Larkway 获评「强烈推荐」。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 8.0 分，适合有一定技术背景的用户使用。

📚 深度解析

Larkway 是一套完整的 AI Agent 自动化工作流方案。随着 AI 能力的不断提升，基于 Agent 的自动化工作流正在成为提升个人和团队效率的核心方式。区别于传统的 RPA 自动化（模拟鼠标键盘操作），AI Agent 工作流通过理解任务意图、动态规划执行路径，能够处理更复杂的非结构化任务。

Larkway 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 8.0 分，是同类 Agent 工作流中的精选推荐。

📋 工具概览

Larkway 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。

GitHub Stars

⭐ 11

开发语言

TypeScript

支持平台

Windows / macOS / Linux

维护状态

轻量级项目，按需更新

开源协议

MIT

AI 综合评分

8.0 分

工具类型

Agent工作流

Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

📌 核心特色

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

🎯 主要使用场景

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

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：npm 全局安装
npm install -g larkway

# 方式二：npx 直接运行（无需安装）
npx larkway --help

# 方式三：项目依赖安装
npm install larkway

# 方式四：从源码运行
git clone https://github.com/chuckwu0/larkway
cd larkway
npm install
npm start

📋 安装步骤说明

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

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 命令行使用
larkway --help

# 基本用法
larkway [options] <input>

# Node.js 代码中使用
const larkway = require('larkway');

const result = await larkway.run(options);
console.log(result);

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

# larkway 配置说明
# 查看配置选项
larkway --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 LARKWAY_CONFIG="/path/to/config.yml"

📑 README 深度解析真实文档完整度 50/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

Larkway

Turn your Claude Code or Codex subscription into a Feishu (Lark) agent your whole team can @-mention.

🌐 larkway.dev · 中文版

---

You @ the bot in a Feishu thread. It runs on your machine — reading your real codebase, executing commands, opening MRs — and posts the result back. You define what the agent knows and what it can do. Larkway just carries the messages.

Current release: v0.3.46

---

the bot is in — it auto-claims within about a minute, no further chat needed.

```

You can also just tell Claude Code / Codex: "set up Agent Team for me" — running larkway tasklist-init with no arguments already does the right thing for every bot configured on this machine.

larkway doctor reports each bot's task-handle status (configured/scope health) as part of its regular checks. Full design, configuration knobs, and platform-fact writeups: docs/task-handle.md.

---

Features

Multiple bots on one bridge — a read-only Q&A bot and a write-capable engineering bot can share the same process, each with its own L1/L2/L3 definition
Web UI — larkway ui opens a local management dashboard (127.0.0.1 + token); create bots, edit memory, watch live logs
Session continuity — every Feishu thread maps to a persistent session_id; the agent remembers what it did in prior turns
Agent Workspace — each bot gets its own workspace where the agent clones the repo itself, with per-thread session dirs; concurrent threads don't trip over each other's git state (expect disk usage and a slower first turn on large repos — clones are per-session, GC'd after 24h idle)
Codex runtime pre-checks — larkway doctor validates Codex state directory writability before start
Topic ↔ Feishu task handle — turn a topic into a Feishu task and the agent claims it, then keeps its lifecycle (done/failed/reopened, stalled, handed off, overdue) in sync automatically — see below

---

Requirements

Node.js 20+ LTS
A Claude Code or Codex subscription with local CLI installed and logged in
lark-cli — Feishu long-connection client and message utilities: npm i -g @larksuite/cli, then lark-cli auth login (the agent uses it to read thread history and attachments; larkway doctor checks it's present)
glab + git — for bots that open MRs (optional for read-only bots)
An always-on host machine — the bridge must stay running to receive Feishu events; a laptop that sleeps will miss messages; a small server or desktop works well

---

Quick start

Install globally with npm:
> npm i -g larkway
> 

```bash

1. Check your environment

larkway doctor # lists missing dependencies; --fix auto-installs some

2. Register a Feishu app and configure your first bot

larkway init # CLI wizard: scan QR code → name the bot → pick a backend

Group settings → Bots → Add bot → pick yours → @-mention it

```

---

Task handle: topic ↔ Feishu task (optional)

Turn a Feishu topic into a task and the agent will claim it, then keep its whole lifecycle in sync on its own — completion, failure/reopen, stall wake-ups, handoff-break detection between collaborating bots, and overdue nudges — no extra prompting needed.

```bash

🎯 aiskill88 AI 点评 A 级 2026-07-08

整合Claude Code/Codex，增强团队协助能力