逻辑MD
经 AI Skill Hub 精选评估，逻辑MD 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
逻辑MD 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
逻辑MD 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
逻辑MD 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 logic-md # 方式二：npx 直接运行（无需安装） npx logic-md --help # 方式三：项目依赖安装 npm install logic-md # 方式四：从源码运行 git clone https://github.com/SingularityAI-Dev/logic-md cd logic-md 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
logic-md --help
# 基本用法
logic-md [options] <input>
# Node.js 代码中使用
const logic_md = require('logic-md');
const result = await logic_md.run(options);
console.log(result);
# logic-md 配置说明 # 查看配置选项 logic-md --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 LOGIC_MD_CONFIG="/path/to/config.yml"
LOGIC.md
The audit and governance layer for AI agent reasoning.
A portable, framework-agnostic file format for declaring agent reasoning as structured contracts: step DAGs, output schemas, tool permissions, and quality gates. Contracts are validated at compile time, executed deterministically, and produce auditable event traces by default. Where prose prompts give you behaviour, LOGIC.md gives you accountability.
Developed alongside and validated in production through Modular9, a visual node-based agent builder by the same author, where the contract-enforcement architecture was first proven at scale. Independently evaluated against Archon in a 60-trial controlled experiment (logic-md-archon-eval).
<p align="center"> <img src="docs/assets/hero-layers.svg" alt="LOGIC.md sits between agent identity (CLAUDE.md), capability (SKILL.md), and protocols (MCP, A2A) as the missing declarative reasoning layer." width="100%"/> </p>
---
Format overview
A LOGIC.md file is a markdown document with a YAML frontmatter block. The YAML contains the machine-parseable spec. The markdown body contains human-readable design rationale. Two fields are required (spec_version and name). Everything else is optional.
Twelve sections: imports, reasoning, steps, contracts, quality_gates, decision_trees, fallback, global, nodes, edges, visual, and metadata fields.
Imports: compose external LOGIC.md files with namespace merging and circular detection. Build libraries of reusable reasoning patterns.
Expression engine: {{ ... }} expressions with dot notation, comparisons, logical ops, array methods (.length, .avg, .min, .max, .every, .some, .contains), and ternary expressions. Zero eval, zero Function constructor.
DAG resolver: Kahn's algorithm for topological sort, cycle detection, and parallel execution level computation. Steps with no dependency relationship execute in parallel automatically.
See docs/SPEC.md for the full v1.0 specification.
---
Getting Started
Compile a single step to see its runtime prompt segment
logic-md compile my-agent.logic.md --step gather_sources
As a CLI tool
Install globally:
npm install -g @logic-md/cliUse the 9-command interface:
```bash
SDKs
- TypeScript (reference implementation):
@logic-md/coreon npm - Python (alpha): Parser + validator, conformance tested:
sdks/python/
Packages
| Package | Description | Install |
|---|---|---|
@logic-md/core | Parser, validator, expression engine, DAG resolver, reasoning compiler | npm i @logic-md/core |
@logic-md/cli | 9 commands, 16 templates, shell completion for bash/zsh/fish | npm i -g @logic-md/cli |
@logic-md/mcp | 7 MCP tools over stdio and HTTP, works with any MCP host | npm i @logic-md/mcp |
---
Claude Code plugin
Five slash commands via the built-in integration:
/logic:status : detect and show LOGIC.md files in your project
/logic:apply : load a spec and apply its reasoning scaffold to the current task
/logic:validate : validate all LOGIC.md files in the project
/logic:init : scaffold a new LOGIC.md interactively
/logic:compile : show the compiled prompt segment for a specific stepFour reasoning workflow templates ship with the plugin: code-review, debug-workflow, refactor, architecture.
---
Packages (all on npm)
- @logic-md/core: Parser, validator, compiler, DAG resolver, expression engine, dry-run executor
- @logic-md/cli: 9-command CLI:
validate,lint,compile,init,test,watch,fmt,diff,completion - @logic-md/mcp: MCP server with 7 tools for AI agent integration
What exists today vs LOGIC.md
| Handles | Portable | |
|---|---|---|
| CLAUDE.md / AGENTS.md | Identity, project context, code style | Markdown |
| OpenClaw SOUL.md | Personality, behavioural rules | Markdown |
Cursor .mdc rules | Coding conventions with activation modes | Markdown |
| MCP | Agent ↔ tool connectivity | Protocol |
| A2A Protocol | Agent ↔ agent communication | Protocol |
| BAML | Typed output schemas, cross-language codegen | Custom DSL |
| Instructor | Pydantic validation for individual LLM calls | Library |
| LangGraph | Reasoning as imperative StateGraph code | Python |
| CrewAI | YAML for roles/tasks, reasoning as a bool | Partial |
| AutoGen | Conversation patterns, reasoning in messages | Python |
| DSPy | Composable signatures + prompt optimization | Python |
| **LOGIC.md** | **Step DAGs, contracts, quality gates, multi-agent** | **Markdown / YAML** |
---
逻辑MD是一个有前景的AI工作流项目，值得关注
- 需要 logic-md 解决具体问题的开发者与运营人员
- 先在测试环境跑通最小用例，再接入生产数据
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 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
- 需要 logic-md 解决具体问题的开发者与运营人员
- 先在测试环境跑通最小用例，再接入生产数据
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
👥 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：逻辑MD 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 | logic-md |
| 原始描述 | 开源AI工作流：The declarative reasoning layer for AI agents. A portable, framework-agnostic f。⭐22 · TypeScript |
| Topics | AI工作流TypeScript |
| GitHub | https://github.com/SingularityAI-Dev/logic-md |
| License | MIT |
| 语言 | TypeScript |
收录时间：2026-06-09 · 更新时间：2026-06-09 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。