能力标签
本地AI工作流
⚙️
Agent工作流

本地AI工作流

基于 Python · 无代码搭建完整 AI 自动化流程
英文名:qonqrete
⭐ 10 Stars 🍴 2 Forks 💻 Python 📄 Apache-2.0 🏷 AI 7.5分
7.5AI 综合评分
agenticagentic-aipython
✦ AI Skill Hub 推荐

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 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。

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。

GitHub Stars
⭐ 10
开发语言
Python
支持平台
Windows / macOS / Linux
维护状态
轻量级项目,按需更新
开源协议
Apache-2.0
AI 综合评分
7.5 分
工具类型
Agent工作流
Forks
2

📖 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」。

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。

📌 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: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')"
📋 安装步骤说明
  1. 访问 GitHub 仓库获取工作流文件
  2. 在对应平台(Dify / Flowise / Make 等)中找到「导入工作流」功能
  3. 上传工作流文件
  4. 按照提示配置必要的环境变量和 API Key
  5. 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
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)
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
# 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"
📑 README 深度解析 真实文档 完整度 95/100 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。

QonQrete - The First 100% File-Based Local-First Secure Agentic AI System (v1.4.7)

Release License: Apache 2.0 Repo Views Build VS Code Extension Build IntelliJ Plugin

QonQrete

QonQrete is a local-first, file-based AI software construction system that runs a structured multi-agent build loop inside a hardened container. It plans work into briqs, generates code in a Qage, reviews the result, and iterates with either user-gated cheQpoints or fully autonomous global-iteration loops.

Directory overview

qonqrete/
├── qonqrete.sh
├── qrane/
├── worqer/
├── worqspace/
│   ├── config.yaml
│   ├── pipeline_config.yaml
│   ├── caching_policy.yaml
│   ├── tasq.md
│   ├── qonstructions/
│   └── qage_YYYYMMDD_HHMMSS/
├── doc/
├── vscode-extension/
└── intellij-plugin/

Current release highlights (v1.4.x line)

  • License changed from AGPL-3.0 to Apache-2.0 (v1.4.2) for broader permissive use
  • IntelliJ Plugin Verifier clean across 2023.3–2026.2 EAP — zero scheduled-for-removal, zero override-only, zero deprecated, zero internal API (v1.4.7)
  • Truthful inspection + deterministic evidence upgrades in final review paths (v1.4.0)
  • Streaming UX cleanup with concise-default rendering and TAB/Shift+TAB raw/concise toggles (v1.4.0)
  • Launcher -N/--no-sync run control to keep output in qage/qonstruction paths (v1.4.0)
  • Auto Briq Sensitivity now default-on in both IDE plugins (v1.4.1)
  • Versioned container images (qonqrete-qage:<version>; Linux/WSL builds include a host-UID suffix) (v1.4.0)
  • Aligned IDE behavior in VS Code and IntelliJ around the same runtime and task-file model (v1.4.0)

System requirements

Version-specific install

curl -fsSL https://qonqrete.sh/install.sh | bash -s -- v1.4.7

For CI/non-interactive use:

QONQRETE_AUTO=1 QONQRETE_PROVIDER=deepseek QONQRETE_MODEL=deepseek-v4-flash \
  curl -fsSL https://qonqrete.sh/install.sh | bash

Local Node helper setup

The shipped container installs the default Node-based helper stack for JS/TS and HTML/CSS. For repo-local runs outside that container, install the pinned helper dependencies from .qonqrete/package.json:

cd .qonqrete
npm ci
npm run qonq-native-capabilities

npm ci is the supported reproducible workflow here; package-lock.json is the install authority for exact versions.

Runtime discovery prefers repo-local node_modules first, then global Node modules. Reduced local environments may still run, but Qontextor/Qompressor will honestly report and artifact any fallback path they had to use.

Quick Start (IDE)

Quick Start (CLI)

Quickstart

Option 2: Git clone + bootstrap

git clone https://github.com/illdynamics/qonqrete.git
cd qonqrete
./qonqrete-bootstrap.sh /path/to/your-project

Same interactive setup as the curl-bash install.

Option 3: IDE Extensions

Install QonQrete from the VS Code or JetBrains marketplace. On first launch, a setup wizard guides you through provider selection, model choice, and API key entry — then auto-configures everything. One click and you're ready.

Environment variable precedence

  1. Real shell environment (OPENAI_API_KEY=... in your terminal) — always wins
  2. IDE secure storage — injected only if the env var is not already set
  3. Neither — the IDE prompts you to enter the key

AI Configuration Panel

Both IDEs include a "Set AI Configuration" command that lets you: - Set the provider and model for each primary AI agent (Qrystallizer, InstruQtor, ConstruQtor, InspeQtor) - Set API keys for each provider (stored securely) - See at a glance which keys are set and which are missing

Changes are written directly to .qonqrete/worqspace/config.yaml.

After deploying QonQrete to a workspace, the IDE will prompt you to configure AI providers and API keys.

CLI Reference

./qonqrete.sh init                           # Build container image
./qonqrete.sh tasq.md              # Task-first run
./qonqrete.sh run -f tasq.md       # Explicit task-file run
./qonqrete.sh run --auto                     # Autonomous mode
./qonqrete.sh run -b 6 -c 3                  # Sensitivity 6, 3 total iterations (build + repair passes)
./qonqrete.sh run --mode security            # Security-focused mode
./qonqrete.sh run --seed-repo                # Continue from current repo code (default run starts empty)
./qonqrete.sh run --no-sync                  # Skip repo-root sync-back only; qage/qodeyard artifacts remain
./qonqrete.sh run -a -n myproject            # Auto + save as qonstruction
./qonqrete.sh resume                         # Resume from previous qage
./qonqrete.sh status                         # Latest run state + manifest paths
./qonqrete.sh audit                          # Latest audit timeline + artifact paths
./qonqrete.sh clean                          # Interactive qage cleanup
./qonqrete.sh clean -A                       # Delete all qages
python worqer/qontextor.py --capabilities    # Current extractor capability report
python worqer/qompressor.py --capabilities   # Current compressor capability report
python -m worqer.smoqetester qodeyard --cycle 1 --config worqspace/config.yaml --json

Secure API Key Handling

API keys are never stored in plain-text settings files, terminal commands, or logs.

CLI reference

Usage: ./qonqrete.sh [COMMAND] [OPTIONS]
       ./qonqrete.sh <task-file.md> [OPTIONS]

Commands:
  init
  run
  resume
  status
  audit
  clean
  clean-outputs

Run options:
  -f, --task-file <path>
  -a, --auto
  -u, --user
  -m, --mode <name>
  -b, --briq-sensitivity <N>
  -B, --auto-briq-sensitivity
  -c, --cyqles <N>
  -n, --qonstruction-name <name>
  --seed-repo
  -s, --sqrapyard     (legacy alias for --seed-repo)
  -N, --no-sync       (skip repo-root sync-back; keep qage/qonstruction output)
  -d, --docker
  -p, --podman
  -q, --qage <name>   (resume/status/audit/clean target)
  -A, --all           (clean all qages)

Main workflow

  1. Clarifyqrystallizer is the canonical intake stage
  2. Clarification Gate — if readiness is NOT_READY, Qrane pauses in BLOCKED / RUN_WAITING_FOR_INPUT and captures bounded clarification responses
  3. Qonstrictorqonstrictor evaluates readiness and effective constraints before planning as a fallback guard
  4. Planinstruqtor emits execution blueprint, build groups, validation plan, and contract files
  5. Estimatecalqulator emits estimation artifacts
  6. Buildconstruqtor performs scoped staged writes with attempt/recovery evidence
  7. Validate + Realize — deterministic validation and realization bundles are produced before judgment
  8. Inspectinspeqtor emits structured verdicts and repair plans
  9. Continue only if justified — bounded repair or explicit linked continuation when the repair plan warrants it

Questioning policy: - only intake clarification asks user questions - once readiness is accepted, mid-run questioning is disabled

IDE integrations

IntelliJ / JetBrains plugin

Location: intellij-plugin/

Main capabilities in this repo snapshot: - tool window with run controls - settings/config UI - run, resume, clean, and qage browsing actions - status widget / shell verification concepts

Manual build/package:

cd intellij-plugin
./gradlew buildPlugin

VS Code

  1. Install QonQrete from the VS Code Marketplace
  2. Ctrl+Shift+PQonQrete: Deploy to Workspace
  3. Ctrl+Shift+PQonQrete: Create Task File — creates the starter tasq.md
  4. Ctrl+Shift+PQonQrete: Run Tasq — runs the default task file directly, auto-init on first run

VS Code

Keys are stored in the OS keychain via VS Code's SecretStorage API. They are injected into the QonQrete process via the terminal's environment map — never in command text.

VS Code extension

Location: vscode-extension/

Main capabilities in this repo snapshot: - run canonical worqspace/tasq.md - run any Markdown file as a temporary tasq - sidebar control panel - status bar state reporting - init / run / resume / clean commands - qage browsing

Manual build/package:

cd vscode-extension
npm install
npm run compile
npx vsce package

provider: codeseeq also requires DEEPSEEK_API_KEY and the CodeSeeq CLI

export QWEN_API_KEY='...' export OPENROUTER_API_KEY='...' export VENICE_API_KEY='...' # required for provider: venice export MLX_API_KEY='...' # optional, used when provider: mlx export LLAMA_CPP_API_KEY='...' # optional, used when provider: llama-cpp ```

1. Initialize the Qage image

chmod +x qonqrete.sh
./qonqrete.sh init

Optional engine forcing:

./qonqrete.sh init --docker
./qonqrete.sh init --podman
🇨🇳 中文文档镜像 AI 翻译 2026-05-31
英文原文章节由系统翻译为中文摘要,便于快速理解。完整原文见上方 "📑 README 深度解析"。
📌 简介

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。

⚡ 功能介绍

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。

📋 环境依赖

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。

🛠 安装步骤(Docker/pip/源码)

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。

🚀 使用教程

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。

⚙️ 配置说明(含 MCP / env)

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。

🔌 API 说明

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。

🔄 工作流/模块

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。

❓ FAQ 摘要

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。

🎯 aiskill88 AI 点评 A 级 2026-05-30

开源AI工作流项目,支持本地开发

📚 实用指南(长尾问题)
适合谁
  • 构建多智能体协作系统的 Agent 开发者
最佳实践
  • Agent 任务先做 dry-run 验证工具调用链,再开启自主执行
常见错误
  • 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
部署方案
  • 云端托管:可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
qonqrete 中文教程qonqrete 安装报错怎么办qonqrete Agent 工作流qonqrete 与同类工具对比qonqrete 最佳实践qonqrete 适合谁用

⚡ 核心功能

👥 适合谁
  • 构建多智能体协作系统的 Agent 开发者
⭐ 最佳实践
  • Agent 任务先做 dry-run 验证工具调用链,再开启自主执行
⚠️ 常见错误
  • 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

自动化工程师和运维人员项目经理和业务分析师希望减少重复性工作的专业人士数字化转型团队

🎯 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

✅ 优点
  • +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
⚠️ 不足
  • 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
⚠️ 使用须知

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。

📄 License 说明

✅ 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

📰 相关 AI 新闻
🍿 AI 圈相关吃瓜
🗺️ 相关解决方案
🧩 你可能还需要
基于当前 Skill 的能力图谱,自动补全的工具组合

❓ 常见问题 FAQ

qonqrete 是一款Python开发的AI辅助工具。开源AI工作流:The first 100% file-based Local-First AgenticAI dev "construction yard", with it。⭐10 · Python 主要应用场景包括:AI开发和工作流管理。
💡 AI Skill Hub 点评

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。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ Apache-2.0 协议 · 可免费商用 · 直接从 aiskill88 服务器下载,无需跳转 GitHub

📚 深入学习 本地AI工作流
查看分步骤安装教程和完整使用指南,快速上手这款工具
🌐 原始信息
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
🔗 原始来源
🐙 GitHub 仓库  https://github.com/illdynamics/qonqrete 🌐 官方网站  https://qonqrete.sh

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。