SuperAPI AI 工具集

agentic-workflow

智能体与模型

查看项目

更新于 10-24 17:19

技能介绍

AgenticWorkflow 是一个“多能干细胞”框架与通用智能体执行工具链,目标是将复杂任务转化为确定性的、可自我验证的自主工作流。其核心执行不变式为:意图 → 研究 → 计划(以 state.yaml 为单一事实来源)→ 实施 → 四层质量门 → pACS 增量 → 已验证交付物。

用途与模式 该工具提供动态模式路由,根据上下文或显式标志选择执行模式:DESIGN(设计工作流,生成研究→计划→实施三阶段蓝图)、EXECUTE(运行工作流,由 SOT 状态机逐步驱动交付物生成)、AUTOPILOT(自动驾驶,自动批准人类检查点并记录决策日志,同时执行安全钩子)、ULW(极限严谨模式,包含西西弗斯式坚持、强制分解、重试升级三项强化)、VERIFY(验证步骤,运行四层质量门)、OPTIMIZE(优化工作流,进行精益瓶颈分析、自动化评分和周期时间压缩)。

主要能力

  1. 三条绝对准则:最终交付物质量优先(忽略速度、token 成本等限制);单一文件 SOT 加分层记忆(共享状态集中于 state.yaml,写权限仅归编排器/团队负责人,并行智能体不同时修改共享文件);代码变更协议(写改代码前内部执行理解意图→涟漪效应分析→变更计划,受 CAP-1~4 编码锚点约束)。
  2. 四层质量保证栈:L0 反跳过物理守卫(检查交付物文件存在且不小于 100 字节);L1 验证门(语义验证所有验收标准 100% 达成);L1.5 pACS 自评分(从忠实性、完整性、逻辑性三方面进行事前 mortem 评估,取最小值;≥70 绿色自动推进,50-69 黄色标记弱项后继续,<50 红色停止并返工);L2 对抗审查(由 @reviewer 和 @fact-checker 进行独立生成-批判评估)。失败时触发溯因诊断,并以替代假设重试,最多 3 次。
  3. 自主自供能引擎与熔断器:动态监控 token 与上下文余量,在上下文耗尽前自动进行 RLM 状态压缩并设置补燃检查点;Fable 熔断器在连续失败≥2 时从 CLOSED→OPEN→HALF_OPEN 自动停止投机性抖动,通过 diagnose_context.py 隔离根因并执行结构化恢复。
  4. 清洁代码守卫:自动 AST 检查 24 条清洁代码要求(小函数、意图揭示命名、最多 4 个参数、不吞异常、不伪造成功模拟等)。
  5. AI 工程评估:集成四分之五差异影响测试(≥0.80)、PSI 分布漂移监控、对抗性提示注入消毒。
  6. OmniSkill 动态意图路由:将复杂自然语言意图分解为跨研究、计划、实施、验证的最优多步 DAG。

使用方式 通过命令行工具使用,主要命令包括:agentic-workflow autopilot --title "Production Pipeline" --goal "Autonomous Delivery" 启动自主端到端自动驾驶工作流;agentic-workflow guard [directory] 运行清洁代码守卫审计;agentic-workflow eval 执行 AI 工程师公平性、漂移和提示注入评估门;agentic-workflow traces 查询多智能体可观测追踪日志与跨度;agentic-workflow omni-skill route "build an autonomous pipeline" 与 agentic-workflow omni-skill validate 运行动态意图路由与多主机验证;agentic-workflow status 查看实时工作流仪表板与可观测指标;agentic-workflow test 运行完整自动化测试套件(安全、守卫、MAS、评估器)。

安装方式 支持多种安装途径:通过 Skills.sh / Vercel AI 通用智能体发现 npx skills add imMamdouhaboammar/agentic-workflow;零安装 CLI bunx agentic-workflow --help 或 npx agentic-workflow --help;Python 环境 pip install agentic-workflow;通用多智能体安装器(Claude、Gemini、Cursor、Codex、OpenCode)使用 curl -fsSL https://raw.githubusercontent.com/imMamdouhaboammar/agentic-workflow/main/install.sh | bash。

适用场景 适合需要设计、构建、编排、验证或优化自主工作流的场景,尤其是多智能体协作、复杂任务分解、质量门控、自动化交付与持续评估等场合。

限制 当前资料未提供具体的收费模式、价格、平台兼容性细节、性能数据或效果保证;部分命令与模式的实际行为需以工具当前版本为准。