智能工作流
AI Skill Hub 强烈推荐：智能工作流 是一款优质的Agent工作流。AI 综合评分 8.0 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
智能工作流 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 8.0 分，是同类 Agent 工作流中的精选推荐。
📋 工具概览
智能工作流 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
智能工作流 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：npm 全局安装 npm install -g scream-code # 方式二：npx 直接运行（无需安装） npx scream-code --help # 方式三：项目依赖安装 npm install scream-code # 方式四：从源码运行 git clone https://github.com/LIUTod/scream-code cd scream-code 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
scream-code --help
# 基本用法
scream-code [options] <input>
# Node.js 代码中使用
const scream_code = require('scream-code');
const result = await scream_code.run(options);
console.log(result);
# scream-code 配置说明 # 查看配置选项 scream-code --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 SCREAM_CODE_CONFIG="/path/to/config.yml"
简介
<img width="807" height="152" alt="image" src="https://github.com/user-attachments/assets/b589a9a5-ad1e-420a-aee0-f86c7ee06873" />
Scream Code 是一款省心的中文 AI Agent 助手。无需硬记代码，直接用中/英文下达指令，vibe coding、写代码、查论文、改文件、清理电脑、查资料、制作研报、搜全网信息……你动嘴，它动手！
---
核心功能
- 对话式交互 —— 用自然语言描述需求，它自动写代码、改文件、跑命令
- 安全第一 —— 修改文件前必须征得同意，
.env等敏感文件默认禁止操作 - 权限引擎 —— 精细控制它能做什么（读取/写入/执行），防止误操作
- 状态机机制 —— 防漂移，强化任务颗粒度，不出错，任务完成度高，降低 Token 消耗
- 记忆备忘录 ——
/memory打开交互式记忆备忘录。定位为"任务经验记录"：记录用户需求、执行方案、最终结果、踩坑记录、成功经验。三种提取触发：压缩时自动提取、退出会话时提取、窗口无输入 10 分钟自动沉淀。跨会话共享，支持手动注入到当前会话。/dream定期整理重复和过时记录 - 目标系统 ——
/goal开启自主目标循环，设定目标后自动多轮迭代执行。支持 WriteGoalNote 工具，模型自主管理工作笔记（记录验证过的事实、踩过的坑、关键决策），笔记在每轮续跑时自动注入，跨轮不丢失，压缩不丢失。支持预算控制（轮次/Token/时间） - 会话恢复 —— 随时中断，随时继续，对话历史自动保存，可通过
/sessions浏览和恢复历史会话 - 多模式 —— 交互模式、静默模式、计划模式、后台任务模式，可选
- MCP 扩展 —— 连接外部工具（数据库、浏览器、API 等）
- 多 Agent 并行模式 —— 复杂任务自动拆解为多个子 Agent 同时执行，内置 coder/explore/plan/verify/writer 五类子 Agent。支持多角度分析、对抗验证等并行编排模式。
- 技能中心 —— 内置多款技能可下载，用户也可以自行安装skill技能
- MCP —— 内置浏览器自动化MCP和电脑桌面自动化MCP（目前仅支持mac），另外可自行添加或下载使用自定MCP
- wolfpack —— 群狼模式，适合多文件多任务同时处理 拥有自动审批权限
---
项目灵感与感谢支持
Scream 是我基于自身使用习惯与对 Agent 系统的理解，从零重构的一套工具型 Agent 框架。最早用 Rust 写，架构膨胀得厉害，最后成屎山了。经历了教训之后，彻底转向 TypeScript，也顺便做了大量减法。
早期版本塞了不少“有意思但多余”的东西：比如 /look 交互模式爬取网页js、浏览器 MCP 接入。在底层也尝试过对抗式 Agent 决策机制，还参考过“三省六部”的组织结构来拆分职责。最多的时候内置了 10 个并行子 Agent，走的是排列式群狼协同路线。为了多开集群协同，我还专门做了一个 48 小时短期记忆的全局共享系统——结果实际效果非常有限，甚至根本就没机会真正用上。回头看，属于典型的伪需求。
重构之后，我把精力集中在三件事上：并行调度和状态机 + 记忆系统的收敛设计 + 最大化释放模型本身的能力上。整体逻辑借鉴了 Agent harness 的思路，同时也参考了不少优秀开源项目的设计取舍与实现细节。现在的 Scream 不再追求功能堆叠，而是一个能稳定、高效执行意图的轻量化 Agent 底座。
这个项目完全免费，开放使用，也欢迎反馈，并给出建议和改进。会持续根据实际使用场景继续打磨。
再次感谢其他优秀的项目给予灵感：gork codex、kimicli、Gemini、等优秀项目
---
第一步：安装
前置条件：Node.js >= 22.0.0 和 Git。
国内用户：安装过程需从 GitHub 下载，建议科学上网，如遇网络错误请多尝试几次。
推荐：npm 安装（全平台通用）
npm install -g scream-codecurl -fsSL https://raw.githubusercontent.com/LIUTod/scream-code/main/install.sh | bashWindows — PowerShell：
irm https://raw.githubusercontent.com/LIUTod/scream-code/main/install.ps1 | iex安装完成后，scream 命令自动加入 PATH。首次安装约需 2-5 分钟。
升级到新版本
cd ~/.scream-code && ./install.sh --upgradenpm install -g cc-connect
``` ###第二步：打开screamcode，输入/cc-connect 按照提示选择你要接入的平台（配置完毕后不要再次配置，否则会覆盖原有配置）
###第三步：按照步骤完成配置与链接后，输入命令启动后台守护进程（关闭screamcode也可在后台聊天）
**提示：关于会话系统
- *远程聊天会话默认走cc标识注入会话管理系统，可通过斜杠命令进入进行管理和删除，也可以直接在电脑端直接继承会话继续让screamcode完成工作
**提示：远程聊天快捷指令（已默认支持，飞书、微信等通道文件图片发送）
- /new 创建新会话 - /bind setup 开启文件传送功能，支持PDF、图片等 - /mode 查看可用模式 - /mode yolo 自动批准所有工具 - /mode default 每次工具调用前询问 ---
第二步：启动并配置 AI 服务
首次启动时，如果检测到没有配置模型，会自动进入交互式配置向导（/config）。按提示输入 API 地址、密钥、模型型号即可完成配置。
支持多个模型（配置好后可用 /model 随时切换）：
支持自定义 API（DeepSeek、OpenAI、Anthropic、Moonshot、MiniMax、通义千问、GPT、硅基流动等）。
配置完成后，在交互模式下输入 /model 即可切换模型或删除模型，无需重启。/config 支持追加配置。
高质量的开源AI工作流项目，值得关注
⚡ 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
👥 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
总体来看，智能工作流 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 | scream-code |
| 原始描述 | 开源AI工作流：本地Ai助手 / 可并行Agent / 中文TUI / 全局记忆日志 / 可自定义模型 / 支持飞书微信等 / 企业级安全。⭐9 · TypeScript |
| Topics | AI工作流TypeScript |
| GitHub | https://github.com/LIUTod/scream-code |
| License | MIT |
| 语言 | TypeScript |
收录时间：2026-06-11 · 更新时间：2026-06-11 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。