📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🔌 MCP🤖 Agent🔄 工作流🧠 Claude✨ GPT
开源AI工作流：WorkFlowX
⚙️
Agent工作流

开源AI工作流：WorkFlowX

基于 HTML · 无代码搭建完整 AI 自动化流程
英文名：WorkFlowX
⭐ 10 Stars 💻 HTML 📄 MIT 🏷 AI 7.5分
7.5AI 综合评分
claude-codehybrid-treesmulti-agentworkflowhtml
⬇ 下载源码 ZIP ⚙️ 配置说明
✦ AI Skill Hub 推荐

AI Skill Hub 推荐使用：开源AI工作流：WorkFlowX 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

开源AI工作流：WorkFlowX 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。

开源AI工作流：WorkFlowX 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

WorkFlowX是开源AI工作流，基于AI驱动开发的多智能体工作流框架，编排需求分析、任务规划、代码实现与质量评估，形成从需求到交付的闭环协作流程，提高开发效率和质量。

开源AI工作流：WorkFlowX 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
HTML
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
7.5 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」。

WorkFlowX是开源AI工作流，基于AI驱动开发的多智能体工作流框架，编排需求分析、任务规划、代码实现与质量评估，形成从需求到交付的闭环协作流程，提高开发效率和质量。

开源AI工作流：WorkFlowX 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
# 克隆仓库
git clone https://github.com/TreeX-X/WorkFlowX
cd WorkFlowX

# 查看安装说明
cat README.md

# 按 README 完成环境依赖安装后即可使用
📋 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
# 查看帮助
workflowx --help

# 基本运行
workflowx [options] <input>

# 详细使用说明请查阅文档
# https://github.com/TreeX-X/WorkFlowX
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
# workflowx 配置说明
# 查看配置选项
workflowx --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 WORKFLOWX_CONFIG="/path/to/config.yml"
📑 README 深度解析 真实文档 完整度 75/100 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。

简介

中文 · English

关于

这是真实投入各个社区使用的一个开源实验性项目，旨在探索多智能体协同开发的最佳实践与架构设计。

欢迎任何形式的讨论、建议与贡献！ 如何贡献：Fork 本仓库，提交 Pull Request，或直接在 Issues 中提出你的想法。

公众号：[TreeX-AI]

如果开源对你有帮助，欢迎点亮 ⭐，让更多人加入一起探索 AI 开发的未来！

---

核心能力

平台支持

平台配置目录支持模式说明
**Claude Code**.claude/全部 4 种模式agents + skills，原生 SubAgent + Agent Teams（并行）
**OpenAI Codex**.codex/3 种模式agents (.toml) + skills，自然语言模式别名
**GitHub Copilot**.github/3 种模式agents (.agent.md) + skills + instructions
**OpenCode**.opencode/3 种模式agents + commands + skills，Task tool 委派
四套配置的工作流逻辑完全一致，仅工具调用语法因平台而异。所有模式均自动启用 Worktree 隔离（xunit 除外）。

---

环境要求

  • Node.js v18+
  • MCP 工具：npm install -g @modelcontextprotocol/server-memory @modelcontextprotocol/server-sequential-thinking

2. 安装 MCP 依赖

npm install -g @modelcontextprotocol/server-memory @modelcontextprotocol/server-sequential-thinking

快速开始

安装

方式一：Plugin Marketplace（推荐）

平台安装命令
**Claude Code**/plugin marketplace add https://github.com/TreeX-X/workflowX → /plugin install workflowx
**OpenAI Codex**/plugins → 搜索 workflowx → Install Plugin
**GitHub Copilot**copilot plugin marketplace add https://github.com/TreeX-X/workflowX → copilot plugin install workflowx@workflowx
**OpenCode**在 opencode.json 中添加 "plugin": ["workflowx@git+https://github.com/TreeX-X/workflowX.git"]

方式二：手动部署

```bash

工作流演示

<p align="center"> <img src="docs/assets/06-workflow-animation.gif" alt="WorkflowX xwhole 工作流演示" width="720" /> <br/> <sub>xwhole 模式完整工作流：需求输入 → promptMasterX 优化 → coderX 编码 → evaluatorX 验证 → 迭代完成</sub> </p>

---

使用指南

实战示例：一次完整的 `xwhole` 工作流

① 发起请求
   xwhole 实现用户登录功能，支持邮箱+密码和 OAuth 两种方式

② orchestratorX 自动路由到 whole 模式
   → 苏格拉底式追问澄清需求边界（Module 08）
   → 主动质疑：OAuth token 刷新策略？并发登录限制？
   → 多轮规划对话，生成 Hybrid Tree
   → 您审阅文档，确认需求无误后回复"确认"

③ promptMasterX 优化执行指令
   → 检测 37 种反模式，输出精确的 coderX 执行提示词

④ coderX 编码实现
   → 输出 Change Summary Payload

⑤ evaluatorX 独立审计（AC 交叉验证）
   → 输出 Evaluation Result Payload（AC 状态表 + 问题列表）

⑥ 迭代完成
   → evaluatorX 确认 PASS，Hybrid Tree 收口为最终版本

---

1. 复制配置目录到项目根目录

cp -r .claude/ /your/project/

3. 在 AI 客户端中挂载 MCP 配置（参考 mcp.json.template）

```

---

WorkflowX

苏格拉底式需求发现 (Module 08)

规划阶段暴露隐藏假设和边界条件，而非在编码后才发现需求偏差。
  • 加权清晰度评估：6 维度加权打分（目标用户 15% / 功能范围 25% / 技术约束 20% / 边界条件 15% / 验收标准 15% / 非功能需求 10%）
  • 一次一题，优先多选：每个问题基于上一个回答，层层深入
  • 主动质疑：即使需求清晰，也必须分析矛盾、边界、风险、隐含假设、跨模块冲突、遗漏的非功能需求

工作流状态可视化 (`/xstatus`)

一条指令生成高保真 HTML 状态报告，基于 huashu-design 设计语言——暖白底 + 衬线 display 字体 + rust 橙 accent，反 AI slop。

/xstatus                            # 输出到 ./status-report.html 并打开
/xstatus --output ./reports/today.html  # 输出到指定路径

---

工作流模式

四种模式覆盖从全仓库到单文件的完整粒度，自动路由到 orchestratorX：

xwhole 全局模式/xwhole -parallel 并行模式xlocal 局部模式xunit 单元模式
**适用场景**新功能、跨模块重构多个独立子任务并行执行1-2 个模块内的修改单文件修复、小改动
**平台支持**全平台**仅 Claude Code**全平台全平台
**PRD 规划**多轮对话 → Hybrid Tree同 xwhole → 自动拆分并行任务跳过跳过
**评估迭代**evaluatorX 自动，最多 N 轮多 evaluator-teammate 并行evaluatorX，最多 N 轮仅明确要求时
**需求发现**Module 08 (苏格拉底 + 主动质疑)同 xwholeModule 08 (轻量)跳过
**Worktree 隔离**✅✅✅❌
/xwhole -parallel 依赖 Claude Code 的实验性 Agent Teams 功能（CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1）。

为什么选择 WorkflowX？

结构化最强 Hybrid Tree 将需求文档化、结构化、可追踪，而非散落在对话中。Parent + Child 的 MECE 结构确保每个任务都有明确的验收标准。

质量控制最严 evaluatorX 通过 AC 交叉验证独立核实每个验收标准，不信任 coderX 的自我声明。跨分支违规检测防止多分支并行冲突。

</td> <td width="50%">

Token 最省 Section 级缓存 + 增量上下文传递 + prompt 压缩，多轮迭代场景节省 40-60%。独立迭代计数器 + 早退机制避免无效消耗。

需求发现最深 加权 6 维清晰度评估 + 苏格拉底式追问 + 主动质疑机制（矛盾/边界/风险/假设/冲突/遗漏），在规划阶段而非编码后暴露问题。

</td> </tr> </table>

---

框架对比

完整对比分析（含架构、Token 消耗、AI 痛点解决、评分明细）请参阅 comparison-report.md。

核心能力对比

能力WorkflowXSuperpowersOMC
**Hybrid Tree 需求追踪**✅ 独有❌❌
**AC 交叉验证**✅ 独有❌❌
**Prompt 优化引擎**✅ 独有❌❌
**跨分支违规检测**✅ 独有❌❌
**苏格拉底式需求发现**✅ 加权清晰度 + 主动质疑✅ 基础✅ 基础
**代码美学框架**✅ 独有❌❌
**Token 增量优化**✅ 系统化部分部分
**TDD 铁律**❌✅ 最严格部分
**系统化调试**❌✅ 四阶段法部分
**智能模型路由**❌❌✅
**多 AI 交叉验证**❌❌✅
**安全审查 (OWASP)**部分❌✅ 专业
**多平台原生**4 平台8 平台2 平台

<p align="center"> <img src="docs/assets/05-capabilities-zh.png" alt="WorkflowX 独有能力" width="960" /> <br/> <sub>6 项独有能力：Hybrid Tree / AC 交叉验证 / Prompt 优化 / 跨分支检测 / 苏格拉底发现 / 代码美学</sub> </p>

🇨🇳 中文文档镜像 AI 翻译 2026-06-11
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

WorkFlowX 是一个开源实验性项目，致力于探索多智能体协同开发的最佳实践与架构设计。项目已在多个社区投入实际使用，欢迎开发者通过 Fork、Pull Request 或 Issues 参与贡献。该项目旨在推动 AI 驱动的软件开发范式创新，帮助开发者理解和实践智能体协作的核心原理。

⚡ 功能介绍

WorkFlowX 支持多个主流 AI 平台，包括 Claude Code、OpenAI Codex、GitHub Copilot 和 OpenCode，每个平台均配置独立目录。核心能力包括 agents（智能体）和 skills（技能）的灵活组合，支持 4 种工作流模式。其中 Claude Code 原生支持 SubAgent 和 Agent Teams 并行执行，其他平台支持 3 种模式，均可通过配置文件（.toml、.agent.md 等）和自然语言别名实现高度定制化的工作流编排。

📋 环境依赖

项目要求 Node.js v18 或更高版本。需要安装 MCP（Model Context Protocol）相关工具，包括 @modelcontextprotocol/server-memory 和 @modelcontextprotocol/server-sequential-thinking，可通过 npm 全局安装。这些工具为 WorkFlowX 提供内存管理和思维链能力，是项目正常运行的必要依赖。

🛠 安装步骤（Docker/pip/源码）

推荐通过 Plugin Marketplace 安装。Claude Code 用户执行 `/plugin marketplace add` 后再 `/plugin install workflowx`；OpenAI Codex 用户在插件市场搜索并安装；GitHub Copilot 用户通过 `copilot plugin` 命令安装。安装后需复制对应平台的配置目录（如 .claude/）到项目根目录，并在 AI 客户端中挂载 MCP 配置文件（参考 mcp.json.template）。

🚀 使用教程

xwhole 工作流完整流程：用户提交需求 → orchestratorX 路由到 whole 模式 → promptMasterX 通过苏格拉底式追问澄清需求边界 → coderX 执行编码实现 → evaluatorX 独立审计验证 → 迭代完成。整个过程包括需求优化、反模式检测、验收标准交叉验证等环节，确保最终交付物质量。用户可通过 `/xstatus` 命令生成高保真 HTML 状态报告，实时跟踪工作流进度。

⚙️ 配置说明（含 MCP / env）

配置管理基于平台差异化设计：Claude Code 使用 .claude/ 目录，OpenAI Codex 使用 .codex/，GitHub Copilot 使用 .github/，OpenCode 使用 .opencode/。需要在 AI 客户端中挂载 MCP 配置（参考 mcp.json.template），并根据平台特性选择对应的配置文件格式（.toml、.agent.md 等）。配置文件定义 agents、skills、instructions 等核心组件的行为和参数。

🔄 工作流/模块

WorkFlowX 的核心是 Module 08 苏格拉底式需���发现机制，通过 6 维度加权评估（目标用户、功能范围、技术约束、边界条件、验收标准、非功能需求）暴露隐藏假设。工作流采用逐层深入的提问策略，主动质疑需求中的矛盾、风险和遗漏。状态可视化通过 `/xstatus` 命令生成基于 huashu-design 设计语言的 HTML 报告，提供高保真的工作流进度展示。

🎯 aiskill88 AI 点评 B 级 2026-06-05

WorkFlowX是一个有潜力的开源AI工作流框架，提供了从需求分析到代码实现的闭环协作流程，提高了开发效率和质量，但仍然需要进一步优化和完善。

📚 实用指南（长尾问题）
适合谁
  • 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
最佳实践
  • 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
常见错误
  • 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
部署方案
  • 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
👥 适合谁
  • 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
⭐ 最佳实践
  • 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
⚠️ 常见错误
  • 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

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
  • +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
⚠️ 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

✅ 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

LangChain AI开发框架
Agent工作流
ai-agents-for-beginners Agent工作流
微软官方开源项目，提供12堂系统课程学习AI智能体框架。涵盖工作流设计、RAG检索增强、多智能体协作等核心技能。适合AI
n8n AI工作流自动化
Agent工作流
LangFlow 可视化AI开发
Agent工作流
📰 相关 AI 新闻
AI 前沿资讯：A2A, how it looks in an enterp…
AI 资讯 · 知识关联
ChatGPT 最新动态与实用技巧
AI 资讯 · 知识关联
OpenAI 最新产品与研究动态
AI 资讯 · 知识关联
AI 前沿资讯：Model recommendations for fami…
AI 资讯 · 知识关联
🍿 AI 圈相关吃瓜
配了5个 MCP 工具，Claude 一个都没用
AI 圈观察
AutoGPT 自主完成了任务：把我的文件夹全部重命名了
AI 圈观察
Filesystem MCP 帮 Claude 找文件，找了整个 node_modules
AI 圈观察
🗺️ 相关解决方案
mcp
mcp-server-setup
agent
ai-agent-workflow
workflow
ai-workflow-templates
🧩 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
技能寻求者
MCP · Agent · 工作流
DeepCode Agent工作流
MCP · Agent · 工作流
total-agent-memory MCP工具
为Claude Code和Codex CLI提供持久化记忆功能的开源MCP工具。自动提取知识图谱，支持多轮对话上下文保留，适合需要长期记忆和
cordum MCP工具
MCP · Agent · 工作流
natively-cluely-ai-assistant — Claude Skill 中文使用文档
免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。
kb-arena开源AI工作流
kb-arena是开源的AI工作流，用于Benchmark 9 retrieval architectures（向量、上下文、QnA、知识图

❓ 常见问题 FAQ

WorkFlowX的使用场景是什么?
💡 AI Skill Hub 点评

总体来看，开源AI工作流：WorkFlowX 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

✅ MIT 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 开源AI工作流：WorkFlowX
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 WorkFlowX
原始描述 开源AI工作流：AI 驱动开发的多智能体工作流框架，编排需求分析、任务规划、代码实现与质量评估，形成从需求到交付的闭环协作流程 || A multi-agent workflo。⭐10 · HTML
Topics claude-codehybrid-treesmulti-agentworkflowhtml
GitHub https://github.com/TreeX-X/WorkFlowX
License MIT
语言 HTML
🔗 原始来源
🐙 GitHub 仓库  https://github.com/TreeX-X/WorkFlowX

收录时间：2026-06-05 · 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。