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
<p align="center"> <a href="https://scream.chat"> <img width="280" alt="Scream Code" src="assets/logo-v2.svg" /> </a> </p>
<p align="center">A local agent with zero remote data behavior — write code, run tasks, research, code or work as you please.</p>
<p align="center"> <a href="https://www.npmjs.com/package/scream-code"><img alt="npm" src="https://img.shields.io/npm/v/scream-code?style=flat-square&logo=npm&logoColor=white" /></a> <a href="https://www.npmjs.com/package/scream-code"><img alt="downloads" src="https://img.shields.io/npm/dm/scream-code?style=flat-square" /></a> <a href="https://github.com/LIUTod/scream-code/stargazers"><img alt="stars" src="https://img.shields.io/github/stars/LIUTod/scream-code?style=flat-square&logo=github" /></a> <a href="https://github.com/LIUTod/scream-code/blob/main/LICENSE"><img alt="license" src="https://img.shields.io/github/license/LIUTod/scream-code?style=flat-square" /></a> </p>
<p align="center"> <a href="README.md">English</a> | <a href="README.zh.md">简体中文</a> </p>
<p align="center"> <img width="1007" height="890" alt="企业微信20260909-170226@2x" src="https://github.com/user-attachments/assets/a8c1beda-3e73-41d1-855e-7dd80a3cc0e9" /> </p>
---
Features
- Goal Loop — autonomous, goal-driven execution with an independent judge agent. Rejections must name concrete gaps; evidence gaps self-repair for up to 3 rounds, subjective calls park for your decision (with a written report), and token/time budgets bound the loop.
- TUI Sidebar — four live panels: workspace Git diff summary (green adds / red deletes), per-session token accounting (cache-hit / cache-miss / output), 8 sub-agent slots with real-time states (idle / working / outputting / messaging / reworking), and Goal status with judge state (awaiting / judging / adjudicated).
- Wolfpack — unlimited parallel sub-agents (coder / explore / plan / verify / reviewer / oracle / writer / worker).
- Subagent Collaboration — delegate to specialist sub-agents and stay in control: they ask the lead agent for guidance mid-task instead of guessing when blocked, request a handoff when a different specialist fits, take mid-task redirects or follow-up notes, return structured JSON when asked, and can be confined to a safe mode (read-only / edit-only / commands-allowed) so they never overstep your limits.
- Bot Mode (
/bot) — unattended execution: reversible work (reads, in-workspace edits, read-only commands) runs freely, while irreversible actions (push / publish / delete / sensitive files / unclassified operations) are automatically denied and queued for your review — with the reason fed back to the model so it stops retrying. - Persistent Memory — structured pain-point memory with FTS5 full-text + tag + vector retrieval, shared across sessions.
- Local Knowledge Graph — SAG-based visual knowledge base for multi-hop reasoning; import your own docs anytime.
- RLM Mode — persistent Python workspace for long-running tasks, with unlimited recursive sub-agents.
- Session Trace —
/traceexports any session as a self-contained, offline interactive HTML timeline. - Context Search —
/search(Ctrl+Shift+F) full-screen keyword search over the conversation. - High Cache Hit Rate — per-session HitR in the status bar, tuned across compatible protocols to maximize cache hits without compromising quality.
- MCP / Skills / 130+ providers — all DIY-configurable; ships with browser (46 tools) and macOS desktop automation.
- Self-Evolving Plugins — a built-in
ManagePlugintool lets the agent find, make, and install add-on skills/MCP servers itself and hot-apply them to the running session: nothing executes until an approved activate, a circuit breaker reclaims a plugin after repeated failures, immune memory warns before reinstalling a source that already broke, and upgrades keep a rollback-ready backup. - Remote Control — drive Scream from WeChat, Feishu, Slack, DingTalk, QQ, Telegram, Discord via cc-connect.
Installation
npm install -g scream-code[!NOTE] Requires Node.js >= 22. Git recommended. Same command installs and updates.
Quick Start
scream # terminal UI
scream web # browser UI (http://localhost:3210)
scream --auto # auto permission mode
scream -y # auto-approve modeOn first launch Scream walks you through model setup (/config). 130+ providers built in — or point it at any OpenAI-compatible endpoint with /config diy. Switch models anytime with /model, no restart needed — or use /model diy to give each sub-agent its own model, letting every model do what it does best.
When Scream wants to modify files or run commands, an approval panel pops up — pick a number, press Enter.
高质量的开源AI工作流项目，值得关注
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- 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
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
👥 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。