[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-Ido-Levi--Hephaestus":3,"tool-Ido-Levi--Hephaestus":62},[4,18,26,36,46,54],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",159636,2,"2026-04-17T23:33:34",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":77,"owner_email":77,"owner_twitter":78,"owner_website":77,"owner_url":79,"languages":80,"stars":109,"forks":110,"last_commit_at":111,"license":112,"difficulty_score":113,"env_os":114,"env_gpu":115,"env_ram":115,"env_deps":116,"category_tags":127,"github_topics":128,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":133,"updated_at":134,"faqs":135,"releases":166},8999,"Ido-Levi\u002FHephaestus","Hephaestus","Semi-Structured Agentic Framework. Workflows build themselves as agents discover what needs to be done, not what you predicted upfront.","Hephaestus 是一款半结构化智能体框架，旨在让 AI 工作流能够根据实际探索过程动态生成任务指令，而非依赖开发者预先设定的固定流程。传统框架通常要求为每个可能的分支提前编写详细规则，难以应对开发中突发的新发现（如潜在的安全漏洞或更优的架构模式）。Hephaestus 通过定义“分析、实施、验证”等逻辑阶段类型，赋予智能体自由跨阶段创建新任务的能力。当某个智能体在工作中发现值得深入的问题时，可自动 spawn 新的调查或优化任务，使工作流像一棵不断生长的树，随实际需求自然扩展。\n\n这一特性特别适合需要处理复杂、非确定性任务的软件开发者和研究人员，尤其是那些希望构建能自主适应变化、具备高度灵活性的多智能体系统的团队。其独特亮点在于打破了“预设即限制”的传统范式，实现了真正的动态协作与自我演进。目前项目已提供包括从需求文档生成软件、自动修复漏洞、代码库索引等多个生产级示例工作流，便于快速上手实践。","# 🔥 Hephaestus: A Semi-Structured Agentic Framework\n\n\u003Cdiv align=\"center\">\n\n![Python](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-3.8%2B-blue)\n![License](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-AGPL--3.0-green)\n![Status](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fstatus-alpha-orange)\n![Docs](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-online-brightgreen)\n\n**What if AI workflows could write their own instructions as agents discover what needs to be done?**\n\n[Quick Start](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002Fdocs\u002Fgetting-started\u002Fquick-start) • [Documentation](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002F) • [Examples](example_workflows\u002F) • [Join our discord](https:\u002F\u002Fdiscord.gg\u002FFMCJeKG3dU) • [Hephaestus Dev](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002Fdocs\u002Fgetting-started\u002Fhephaestus-dev)\n\n\u003C\u002Fdiv>\n\n---\n\n## 🎥 See Hephaestus in Action\n\n\u003Cdiv align=\"center\">\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F7b021611-2c09-494b-9da1-2ce05176dc51\n\n*Watch how Hephaestus coordinates multiple AI agents, monitors their trajectories, and builds workflows dynamically*\n\n\u003C\u002Fdiv>\n\n---\n\n## NEW: Hephaestus Dev\n\n**Ready to use Hephaestus as a development tool?** We've built **Hephaestus Dev** - a pre-configured setup with 5 production-ready workflows for software development:\n\n| Workflow | What it does |\n|----------|--------------|\n| **PRD to Software Builder** | Build complete software from a Product Requirements Document |\n| **Bug Fix** | Analyze, fix, and verify bugs systematically |\n| **Index Repository** | Scan and index a codebase to build knowledge in memory |\n| **Feature Development** | Add features to existing codebases following patterns |\n| **Documentation Generation** | Generate comprehensive docs for existing codebases |\n\n```bash\npython run_hephaestus_dev.py --path \u002Fpath\u002Fto\u002Fproject\n```\n\n**[Get started with Hephaestus Dev →](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002Fdocs\u002Fgetting-started\u002Fhephaestus-dev)**\n\n---\n\n## The Problem I Kept Running Into\n\nI was trying to build a system where AI agents could handle complex software projects. You know the kind: \"Build me an authentication system with OAuth, JWT, rate limiting, and comprehensive tests.\"\n\nTraditional agentic frameworks can branch and loop, but they have a limitation: **every branch needs predefined instructions.** You must write the task descriptions upfront for every scenario you anticipate.\n\nBut what about discoveries you didn't anticipate? When a testing agent finds an optimization opportunity, a security issue, or a better architectural pattern?\n\nHere's what I tried instead: **Define logical phase types that are needed to solve problems - like \"Plan → Implement → Test\" - and let agents create tasks in ANY phase based on what they discover.**\n\n## What Actually Happened: A Branching Tree That Builds Itself\n\nInstead of a rigid sequence, I set up phase types:\n- **Phase 1 (Analysis)**: Understanding, planning, investigation\n- **Phase 2 (Implementation)**: Building, fixing, optimizing\n- **Phase 3 (Validation)**: Testing, verification, quality checks\n\nThe key insight: **Agents can spawn tasks in any phase they want.**\n\nA validation agent testing your auth system might discover an elegant caching pattern. Instead of being stuck (or following predefined branching logic you wrote), the agent:\n\n1. **Creates a Phase 1 investigation task**: \"Analyze auth caching pattern - could apply to 12 other API routes for 40% speedup\"\n2. **Keeps working** on their validation task\n3. Another agent picks up the investigation task and explores it\n\nThe workflow just branched itself. Not because you predicted \"if optimization found, spawn investigation task\" - but because the agent discovered something worth exploring and had the freedom to create work for it.\n\nThis creates a **branching tree of tasks** that grows based on actual discoveries, not anticipated scenarios.\n\nLet me show you what this looks like in practice:\n\n### Example: Building from a PRD\n\nI give Hephaestus a product requirements document: \"Build a web application with authentication, REST API, and a React frontend.\"\n\n**Phase 1 agent** reads the PRD and identifies 5 major components:\n1. Authentication system\n2. REST API layer\n3. React frontend\n4. Database schema\n5. Background workers\n\nIt spawns **5 Phase 2 tasks** — one for each component. Now I have 5 agents building in parallel, each focused on one piece.\n\nOne of the **Phase 2 agents** finishes the REST API and spawns a **Phase 3 validation task**: \"Test the REST API endpoints.\"\n\nThe **Phase 3 agent** starts testing. Everything passes. But then it notices something:\n\n> \"The auth endpoints use a caching pattern that reduces database queries by 60%. This could speed up all API routes significantly.\"\n\n**Here's where it gets interesting.**\n\nThe Phase 3 agent doesn't just log this observation and move on. It doesn't get stuck because there's no \"investigate optimizations\" in the workflow plan.\n\nInstead, it **spawns a new Phase 1 investigation task**: \"Analyze auth caching pattern — could apply to other API routes for major performance gain.\"\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FIdo-Levi_Hephaestus_readme_e7b7bcc671c8.png\" alt=\"Hephaestus System Overview\" width=\"100%\">\n\u003Cp>\u003Cem>Real-time view: 2 agents working across 3 phases, Guardian monitoring at 90% coherence\u003C\u002Fem>\u003C\u002Fp>\n\u003C\u002Fdiv>\n\nA new Phase 1 agent spawns, investigates the caching pattern, confirms it's viable, and spawns a **Phase 2 implementation task**: \"Apply caching pattern to all API routes.\"\n\nAnother agent implements it. Another agent validates it.\n\n**The workflow just branched itself.** No one planned for this optimization. An agent discovered it during testing and created new work to explore it.\n\nMeanwhile, a different Phase 3 agent is testing the authentication component. Tests fail. So it spawns a **Phase 2 bug fix task**: \"Fix auth token expiry validation — current implementation allows expired tokens.\"\n\nThe fix agent implements the solution and spawns **Phase 3 retest**: \"Validate auth fixes.\"\n\n### What Just Happened?\n\nLook at what emerged:\n\n```mermaid\ngraph TB\n    P1[Phase 1: Analyze PRD\u003Cbr\u002F>Creates 5 tickets] --> P2A[Phase 2: Build Auth]\n    P1 --> P2B[Phase 2: Build API]\n    P1 --> P2C[Phase 2: Build Frontend]\n\n    P2B --> P3B[Phase 3: Test API]\n    P3B -->|discovers optimization| P1New[Phase 1: Investigate Caching\u003Cbr\u002F>NEW BRANCH]\n    P3B -->|testing continues| P3Done[API Validated]\n\n    P1New --> P2New[Phase 2: Implement Caching]\n    P2New --> P3New[Phase 3: Validate Optimization]\n\n    P2A --> P3A[Phase 3: Test Auth]\n    P3A -->|tests fail| P2Fix[Phase 2: Fix Auth Bug]\n    P2Fix --> P3Retest[Phase 3: Retest Auth]\n\n    style P3B fill:#fff3e0\n    style P1New fill:#e1f5fe\n    style P2Fix fill:#ffebee\n```\n\n**This workflow built itself:**\n- Started with 1 analysis task\n- Branched into 5 parallel implementation tasks\n- One testing phase discovered optimization → spawned 3-phase investigation branch\n- Another testing phase found bugs → spawned fix → retest loop\n- All coordinated through Kanban tickets with blocking relationships\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FIdo-Levi_Hephaestus_readme_e3f9029e4fee.png\" alt=\"Kanban Board Created in Real-Time\" width=\"100%\">\n\u003Cp>\u003Cem>Kanban board automatically built by agents: Backlog → Building → Testing → Done\u003C\u002Fem>\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FIdo-Levi_Hephaestus_readme_a87aab920898.png\" alt=\"Workflow Dependencies\" width=\"100%\">\n\u003Cp>\u003Cem>Dependency graph showing which tickets block others - the workflow structure Hephaestus discovered\u003C\u002Fem>\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n## Why This Changes Everything\n\n**Traditional workflows:** Predict every scenario upfront → rigid plan → breaks when reality diverges\n\n**Hephaestus approach:** Define work types → agents discover → workflow adapts in real-time\n\nThe workflow adapts in real-time based on what agents actually discover, not what we predicted upfront.\n\n## The Semi-Structured Sweet Spot\n\nHere's why this is \"semi-structured\" and why that matters:\n\n**Fully structured workflows** (traditional frameworks):\n- ❌ Require predefined prompts for every scenario\n- ❌ Can branch\u002Floop, but need fixed instructions for each path\n- ❌ Must anticipate all discoveries upfront\n\n**Fully unstructured agents** (chaos):\n- ❌ No coordination\n- ❌ Duplicate work\n- ❌ Contradictory changes\n- ❌ No clear success criteria\n\n**Semi-structured (Hephaestus)**:\n- ✅ **Phase definitions** provide work type structure and guidelines\n- ✅ **Agents write task descriptions** dynamically based on discoveries\n- ✅ **Kanban tickets** coordinate work with blocking relationships\n- ✅ **Guardian monitoring** ensures agents stay aligned with phase goals\n- ✅ Workflow adapts to what agents actually find, not what you predicted\n\nYou get **structure where it matters**:\n- Phase types define what kind of work is happening\n- Done definitions set clear completion criteria\n- Guardian validates alignment with phase instructions\n- Tickets track dependencies and prevent chaos\n\nAnd **flexibility where you need it**:\n- Agents create detailed task descriptions on the fly\n- No need to predefine every possible branch\n- Discoveries drive workflow expansion in real-time\n- New work types emerge as agents explore\n\n## 🚀 Quick Start\n\n### Prerequisites\n\n- **Python 3.10+**\n- **tmux** - Terminal multiplexer for agent isolation\n- **Git** - Your project must be a git repository\n- **Docker** - For running Qdrant vector store\n- **Node.js & npm** - For the frontend UI\n- **Claude Code**, **OpenCode**, **Droid**, or **Codex** - CLI AI tool that agents run inside\n- **API Keys**: OpenAI, OpenRouter, Anthropic (also supports: Azure OpenAI, Google AI Studio - see [LLM Configuration](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002Fdocs\u002Fgetting-started\u002Fquick-start#llm-configuration))\n\n### Validate Your Setup (macOS)\n\nBefore starting, validate that everything is installed and configured correctly:\n\n```bash\npython check_setup_macos.py\n```\n\nThis script checks:\n- ✅ All required CLI tools (tmux, git, docker, node, npm, Claude Code)\n- ✅ API keys in `.env` file\n- ✅ MCP servers configured\n- ✅ Configuration files and working directory\n- ✅ Running services (Docker, Qdrant)\n- ✅ Python and frontend dependencies\n\nThe script provides a color-coded report showing what's set up and what needs attention.\n\n### Get Started in 10 Minutes\n\nBuild your first self-adapting workflow:\n\n**👉 [Quick Start Guide](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002Fdocs\u002Fgetting-started\u002Fquick-start)**\n\nThe guide walks you through:\n- Setting up API keys and LLM configuration\n- Configuring MCP servers (Hephaestus + Qdrant)\n- Setting your working directory\n- Defining phases with dynamic task generation\n- Running a workflow that adapts in real-time\n- Watching agents coordinate and discover new work automatically\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FIdo-Levi_Hephaestus_readme_a565bace4342.png\" alt=\"Agent Observability\" width=\"100%\">\n\u003Cp>\u003Cem>Real-time observability: Watch agents work in isolated Claude Code sessions as they discover and build the workflow\u003C\u002Fem>\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n---\n\n**Want to learn more?** Check out the [full documentation](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002F) for:\n- Complete architecture and technical details\n- API reference and SDK guides\n- Example workflows and templates\n- Best practices and advanced features\n\n---\n\n## 🤝 Getting Help\n\n- 📖 **[Documentation](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002F)** - Complete guides, API reference, and tutorials\n- 💬 **[GitHub Discussions](https:\u002F\u002Fgithub.com\u002FIdo-Levi\u002FHephaestus\u002Fdiscussions)** - Ask questions and share ideas\n- 🐛 **[Issue Tracker](https:\u002F\u002Fgithub.com\u002FIdo-Levi\u002FHephaestus\u002Fissues)** - Report bugs and request features\n- 📧 **Email** - Reach out for support or collaboration\n\n---\n\n\u003Cdiv align=\"center\">\n\n**Hephaestus: Where workflows forge themselves**\n\n*Named after the Greek god of the forge, Hephaestus creates a system where agents craft the workflow as they work*\n\n[Quick Start](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002Fdocs\u002Fgetting-started\u002Fquick-start) • [Documentation](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002F)\n\n**License:** AGPL-3.0 • **Status:** Alpha - Active Development\n\n\u003C\u002Fdiv>\n","# 🔥 赫菲斯托斯：一种半结构化的智能体框架\n\n\u003Cdiv align=\"center\">\n\n![Python](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-3.8%2B-blue)\n![License](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-AGPL--3.0-green)\n![Status](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fstatus-alpha-orange)\n![Docs](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-online-brightgreen)\n\n**如果人工智能工作流能够在智能体发现需要完成的任务时，自行编写指令，会怎样呢？**\n\n[快速入门](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002Fdocs\u002Fgetting-started\u002Fquick-start) • [文档](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002F) • [示例](example_workflows\u002F) • [加入我们的 Discord](https:\u002F\u002Fdiscord.gg\u002FFMCJeKG3dU) • [Hephaestus Dev](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002Fdocs\u002Fgetting-started\u002Fhephaestus-dev)\n\n\u003C\u002Fdiv>\n\n---\n\n## 🎥 观看赫菲斯托斯的实际运行\n\n\u003Cdiv align=\"center\">\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F7b021611-2c09-494b-9da1-2ce05176dc51\n\n*观看赫菲斯托斯如何协调多个AI智能体、监控它们的执行轨迹，并动态构建工作流*\n\n\u003C\u002Fdiv>\n\n---\n\n## 新功能：Hephaestus Dev\n\n**准备好将赫菲斯托斯用作开发工具了吗？** 我们打造了 **Hephaestus Dev**——一个预配置的环境，内含5个可用于软件开发的生产级工作流：\n\n| 工作流 | 功能描述 |\n|----------|--------------|\n| **从PRD到软件构建** | 根据产品需求文档构建完整的软件 |\n| **Bug修复** | 系统性地分析、修复并验证Bug |\n| **索引代码库** | 扫描并索引代码库，构建内存中的知识库 |\n| **功能开发** | 按照既定模式为现有代码库添加新功能 |\n| **文档生成** | 为现有代码库生成全面的文档 |\n\n```bash\npython run_hephaestus_dev.py --path \u002Fpath\u002Fto\u002Fproject\n```\n\n**[立即开始使用 Hephaestus Dev →](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002Fdocs\u002Fgetting-started\u002Fhephaestus-dev)**\n\n---\n\n## 我一直遇到的问题\n\n我试图构建一个系统，让AI智能体能够处理复杂的软件项目。比如：“帮我构建一个包含OAuth、JWT、限流机制和全面测试的认证系统。”\n\n传统的智能体框架可以进行分支和循环，但有一个局限性：**每个分支都需要预先定义好的指令。** 你必须提前为每一个可能的情景写好任务描述。\n\n可是，那些未曾预料到的新发现又该怎么办呢？当测试智能体发现优化机会、安全问题，或者更好的架构模式时？\n\n于是，我尝试了一种新的方法：**定义解决问题所需的逻辑阶段类型——例如“规划→实现→测试”——并让智能体根据自己的发现，在任何阶段创建任务。**\n\n## 实际发生的情况：一棵自我生长的分支树\n\n我没有采用僵化的顺序，而是设置了以下阶段类型：\n- **阶段1（分析）**：理解、规划、调查\n- **阶段2（实现）**：构建、修复、优化\n- **阶段3（验证）**：测试、验证、质量检查\n\n关键的洞察是：**智能体可以在任意阶段创建任务。**\n\n例如，一个正在测试你的认证系统的验证智能体，可能会发现一种优雅的缓存模式。它不会被卡住（也不会受限于你事先编写的分支逻辑），而是：\n1. **创建一个阶段1的调查任务**：“分析认证缓存模式——可能适用于其他12条API路由，使性能提升40%”\n2. **继续执行**其验证任务\n3. 另一个智能体接收到这个调查任务并展开探索\n\n就这样，工作流自动进行了分支。这并不是因为你预测到了“如果发现优化点，就创建调查任务”，而是因为智能体发现了值得探索的内容，并且有自由去为此创建新的任务。\n\n这种方式形成了一棵**基于实际发现而非预设场景而不断生长的任务分支树**。\n\n让我通过一个例子来展示它的实际运作：\n\n### 示例：从PRD构建应用\n\n我给赫菲斯托斯提供了一份产品需求文档：“构建一个带有认证、REST API和React前端的Web应用。”\n\n**阶段1的智能体**读取了PRD，识别出5个主要组件：\n1. 认证系统\n2. REST API层\n3. React前端\n4. 数据库模式\n5. 后台任务处理器\n\n它随即创建了**5个阶段2的任务**——每个组件对应一个任务。现在，我有5个智能体在并行工作，各自专注于一个部分。\n\n其中一个**阶段2的智能体**完成了REST API的构建，并创建了一个**阶段3的验证任务**：“测试REST API端点。”\n\n**阶段3的智能体**开始测试。一切顺利通过。然而，它注意到一件事：\n> “认证端点使用了一种缓存模式，能将数据库查询次数减少60%。这有可能显著提升所有API路由的性能。”\n\n**有趣的地方就在这里。**\n\n阶段3的智能体并没有仅仅记录下这一观察结果就继续前进，也没有因为工作流计划中没有“调查优化方案”而陷入僵局。\n\n相反，它**创建了一个新的阶段1的调查任务**：“分析认证缓存模式——可能适用于其他API路由，带来巨大的性能提升。”\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FIdo-Levi_Hephaestus_readme_e7b7bcc671c8.png\" alt=\"赫菲斯托斯系统概览\" width=\"100%\">\n\u003Cp>\u003Cem>实时视图：2个智能体跨越3个阶段协同工作，守护者以90%的一致性进行监控\u003C\u002Fem>\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n一个新的阶段1智能体诞生，对缓存模式进行了深入研究，确认其可行性后，又创建了一个**阶段2的实施任务**：“将缓存模式应用到所有API路由上。”\n\n另一个智能体负责实施，随后再由另一个智能体进行验证。\n\n**工作流就这样自动分支了。** 这一优化方案并非事先规划好的，而是由智能体在测试过程中发现，并主动创建了新的任务来进一步探索。\n\n与此同时，另一个阶段3的智能体正在测试认证组件。测试却失败了。于是，它创建了一个**阶段2的Bug修复任务**：“修复认证令牌过期验证——当前实现允许过期的令牌通过。”\n\n修复智能体完成了修改，并创建了**阶段3的复测任务**：“验证认证修复是否成功。”\n\n### 刚才发生了什么？\n\n让我们看看最终生成的结果：\n\n```mermaid\ngraph TB\n    P1[阶段1：分析PRD\u003Cbr\u002F>创建5个任务] --> P2A[阶段2：构建认证]\n    P1 --> P2B[阶段2：构建API]\n    P1 --> P2C[阶段2：构建前端]\n\n    P2B --> P3B[阶段3：测试API]\n    P3B -->|发现优化| P1New[阶段1：调研缓存\u003Cbr\u002F>新分支]\n    P3B -->|测试继续| P3Done[API验证通过]\n\n    P1New --> P2New[阶段2：实现缓存]\n    P2New --> P3New[阶段3：验证优化]\n\n    P2A --> P3A[阶段3：测试认证]\n    P3A -->|测试失败| P2Fix[阶段2：修复认证缺陷]\n    P2Fix --> P3Retest[阶段3：重新测试认证]\n\n    style P3B fill:#fff3e0\n    style P1New fill:#e1f5fe\n    style P2Fix fill:#ffebee\n```\n\n**这个工作流是自动生成的：**\n- 从1个分析任务开始\n- 分支出5个并行的实现任务\n- 其中一个测试阶段发现了优化需求，于是衍生出一个包含3个阶段的调研分支\n- 另一个测试阶段发现了缺陷，触发了修复和重新测试的循环\n- 所有这些步骤都通过看板任务卡进行协调，并设置了阻塞关系。\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FIdo-Levi_Hephaestus_readme_e3f9029e4fee.png\" alt=\"实时创建的看板\" width=\"100%\">\n\u003Cp>\u003Cem>由智能体自动构建的看板：待办 → 开发中 → 测试中 → 完成\u003C\u002Fem>\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FIdo-Levi_Hephaestus_readme_a87aab920898.png\" alt=\"工作流依赖关系\" width=\"100%\">\n\u003Cp>\u003Cem>依赖关系图展示了哪些任务会阻塞其他任务——这是赫菲斯托斯发现的工作流结构\u003C\u002Fem>\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n## 为什么这将改变一切\n\n**传统工作流：** 需要提前预测所有场景，制定严格的计划，但一旦实际情况与预期不符，计划就会失效。\n\n**赫菲斯托斯方法：** 定义工作类型，由智能体自主发现，工作流能够实时自适应。\n\n工作流会根据智能体实际发现的内容实时调整，而不是基于我们事先的预测。\n\n## 半结构化的最佳平衡点\n\n以下是为什么这种方法被称为“半结构化”以及它的重要性：\n\n**完全结构化的工作流**（传统框架）：\n- ❌ 需要为每种情况都预先定义好提示\n- ❌ 虽然可以分支或循环，但每条路径都需要固定的指令\n- ❌ 必须在一开始就预见所有可能的发现\n\n**完全非结构化的智能体**（混乱状态）：\n- ❌ 缺乏协调\n- ❌ 工作重复\n- ❌ 变更相互矛盾\n- ❌ 没有明确的成功标准\n\n**半结构化（赫菲斯托斯）：**\n- ✅ **阶段定义**提供了工作类型和指导方针的结构\n- ✅ **智能体根据发现动态编写任务描述**\n- ✅ **看板任务卡**通过阻塞关系协调工作\n- ✅ **守护者监控**确保智能体始终符合阶段目标\n- ✅ 工作流会根据智能体的实际发现进行调整，而非你预想的内容\n\n这样既能在**关键环节提供结构**：\n- 阶段类型定义了正在进行的工作类型\n- 完成标准设定了清晰的完成条件\n- 守护者会验证是否符合阶段要求\n- 任务卡追踪依赖关系，防止混乱\n\n又能在**需要灵活的地方保持灵活性**：\n- 智能体可以即时创建详细的任务描述\n- 无需预先定义所有可能的分支\n- 发现会实时推动工作流扩展\n- 新的工作类型会在智能体探索过程中自然产生\n\n## 🚀 快速入门\n\n### 前置条件\n\n- **Python 3.10及以上**\n- **tmux** - 用于隔离智能体的终端多路复用器\n- **Git** - 你的项目必须是一个Git仓库\n- **Docker** - 用于运行Qdrant向量数据库\n- **Node.js 和 npm** - 用于前端UI\n- **Claude Code**、**OpenCode**、**Droid** 或 **Codex** - 智能体运行的CLI AI工具\n- **API密钥**：OpenAI、OpenRouter、Anthropic（也支持：Azure OpenAI、Google AI Studio - 详见 [LLM配置](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002Fdocs\u002Fgetting-started\u002Fquick-start#llm-configuration)）\n\n### 验证你的环境（macOS）\n\n在开始之前，请先验证所有工具和配置是否正确安装：\n\n```bash\npython check_setup_macos.py\n```\n\n该脚本会检查：\n- ✅ 所有必需的CLI工具（tmux、git、docker、node、npm、Claude Code）\n- ✅ `.env` 文件中的API密钥\n- ✅ MCP服务器是否已配置\n- ✅ 配置文件和工作目录\n- ✅ 是否正在运行的服务（Docker、Qdrant）\n- ✅ Python和前端依赖项\n\n脚本会以彩色报告的形式显示哪些部分已经设置好，哪些还需要注意。\n\n### 10分钟内上手\n\n构建你的第一个自适应工作流：\n\n**👉 [快速入门指南](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002Fdocs\u002Fgetting-started\u002Fquick-start)**\n\n该指南将引导你完成以下步骤：\n- 设置API密钥和LLM配置\n- 配置MCP服务器（赫菲斯托斯 + Qdrant）\n- 设置工作目录\n- 定义阶段并实现动态任务生成\n- 运行一个能够实时自适应的工作流\n- 观察智能体如何协调工作，并自动发现新的任务\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FIdo-Levi_Hephaestus_readme_a565bace4342.png\" alt=\"智能体可观测性\" width=\"100%\">\n\u003Cp>\u003Cem>实时可观测性：观看智能体在独立的Claude Code会话中工作，它们会自主发现并构建工作流\u003C\u002Fem>\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n---\n\n**想了解更多？** 请查看[完整文档](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002F)，内容包括：\n- 完整的架构和技术细节\n- API参考和SDK指南\n- 示例工作流和模板\n- 最佳实践和高级功能\n\n---\n\n## 🤝 获取帮助\n\n- 📖 **[文档](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002F)** - 完整指南、API参考和教程\n- 💬 **[GitHub讨论区](https:\u002F\u002Fgithub.com\u002FIdo-Levi\u002FHephaestus\u002Fdiscussions)** - 提问和分享想法\n- 🐛 **[问题跟踪器](https:\u002F\u002Fgithub.com\u002FIdo-Levi\u002FHephaestus\u002Fissues)** - 报告Bug和请求功能\n- 📧 **电子邮件** - 如需支持或合作，请随时联系我们\n\n---\n\n\u003Cdiv align=\"center\">\n\n**赫菲斯托斯：让工作流自我锻造**\n\n*以希腊火神赫菲斯托斯命名，赫菲斯托斯创造了一个系统，让智能体在工作中自行构建工作流*\n\n[快速入门](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002Fdocs\u002Fgetting-started\u002Fquick-start) • [文档](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002F)\n\n**许可证：** AGPL-3.0 • **状态：** Alpha - 正在积极开发\n\n\u003C\u002Fdiv>","# Hephaestus 快速上手指南\n\nHephaestus 是一个**半结构化智能体框架**。与传统框架需要预定义所有分支指令不同，Hephaestus 允许 AI 智能体在发现新问题时，动态创建新的任务阶段（如分析、实现、验证），从而让工作流像树木一样自然生长和适应。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n### 系统要求\n- **操作系统**: 推荐 macOS 或 Linux (Windows 需通过 WSL2)\n- **Python**: 3.10 或更高版本\n- **Git**: 项目必须初始化为 git 仓库\n\n### 前置依赖\n您需要安装以下工具和服务：\n- **tmux**: 用于隔离智能体会话的终端复用器\n- **Docker**: 用于运行 Qdrant 向量数据库\n- **Node.js & npm**: 用于前端可视化界面\n- **CLI AI 工具**: 需安装以下任一工具作为智能体运行环境：\n  - Claude Code\n  - OpenCode\n  - Droid\n  - Codex\n- **API Keys**: 准备至少一个 LLM 服务的密钥 (OpenAI, Anthropic, OpenRouter, Azure OpenAI, 或 Google AI Studio)\n\n> **提示**: 国内用户若无法直接访问 Docker Hub 或 npm，建议配置相应的国内镜像源以加速安装。\n\n## 安装步骤\n\n### 1. 克隆项目\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FIdo-Levi\u002FHephaestus.git\ncd Hephaestus\n```\n\n### 2. 安装 Python 依赖\n```bash\npip install -r requirements.txt\n```\n\n### 3. 启动向量数据库 (Docker)\nHephaestus 使用 Qdrant 存储记忆和上下文：\n```bash\ndocker run -d -p 6333:6333 -p 6334:6334 --name qdrant qdrant\u002Fqdrant\n```\n\n### 4. 配置环境变量\n在项目根目录创建 `.env` 文件，填入您的 API 密钥：\n```bash\ncp .env.example .env\n# 编辑 .env 文件，填入 OPENAI_API_KEY 或 ANTHROPIC_API_KEY 等\n```\n\n### 5. 验证环境 (仅限 macOS)\n如果您使用的是 macOS，运行官方提供的检查脚本以确保所有工具链就绪：\n```bash\npython check_setup_macos.py\n```\n该脚本将检查 tmux、git、docker、node、API 密钥及 MCP 服务器配置状态，并生成彩色报告。\n\n## 基本使用\n\n### 模式一：使用预设工作流 (Hephaestus Dev)\n这是最快的方式，内置了 5 个生产级软件开发工作流（如 PRD 转软件、Bug 修复、文档生成等）。\n\n假设您有一个想要开发或重构的项目目录，运行以下命令：\n\n```bash\npython run_hephaestus_dev.py --path \u002Fpath\u002Fto\u002Fyour\u002Fproject\n```\n\n**它将自动执行：**\n1. 扫描代码库建立索引。\n2. 根据您的需求（如修复 Bug 或新增功能）动态规划任务。\n3. 启动多个智能体并行工作（分析、编码、测试），并在发现问题时自动创建新的分支任务。\n\n### 模式二：自定义工作流\n如果您想从零开始定义自己的阶段逻辑：\n\n1. **定义阶段**: 在配置文件中定义逻辑阶段类型（例如：Phase 1: 分析，Phase 2: 实现，Phase 3: 验证）。\n2. **启动框架**: 运行主程序并指向您的工作目录。\n3. **观察演化**: 智能体会读取初始指令，并在执行过程中根据发现自动创建新的 Kanban 任务票证（Tickets）。\n\n**示例场景**：\n当您让智能体“构建一个带认证的系统”时，测试阶段的智能体若发现某个缓存模式能提升性能，它会**自动**创建一个全新的“分析任务”来研究该模式，随后触发“实现任务”应用该优化，无需您预先编写此分支逻辑。\n\n### 监控与交互\n启动后，您可以通过以下方式实时监控：\n- **终端**: 观察 tmux 中各个智能体的独立会话输出。\n- **Web UI**: 访问本地前端界面（通常由 Node.js 启动），查看实时生成的 Kanban 看板和任务依赖图。\n\n---\n*更多高级配置、API 参考及详细架构说明，请访问 [官方文档](https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002F)。*","某初创团队需要在三天内根据一份模糊的产品需求文档（PRD），快速构建一个包含 OAuth 认证、速率限制及完整测试用例的 Web 应用后端。\n\n### 没有 Hephaestus 时\n- **流程僵化**：开发者必须预先编写所有可能的分支逻辑，一旦遇到未预料的架构问题，自动化流程即刻中断。\n- **错失优化**：测试代理发现潜在的性能瓶颈或安全漏洞时，因缺乏预设指令，无法自动触发新的分析任务，只能人工介入。\n- **重复劳动**：每当需求变更或发现新依赖，工程师需手动重写工作流脚本，导致大量时间浪费在维护流程而非解决业务问题上。\n- **视野受限**：传统框架仅能执行“计划→执行→测试”的线性指令，无法像资深工程师那样在执行中动态调整策略。\n\n### 使用 Hephaestus 后\n- **动态自愈**：验证代理在测试中意外发现缓存模式可提升 40% 性能，立即自主创建一个新的“分析阶段”任务，无需人工干预。\n- **自主分支**：系统根据代理的实际发现自动生成任务树，原本线性的工作流瞬间扩展为并行的多路探索，覆盖未预见的场景。\n- **智能协作**：新生成的分析任务被其他空闲代理自动认领并深入调研，最终将优化方案反馈回实施阶段，形成闭环。\n- **灵活适应**：面对 PRD 中的模糊地带，代理能自主决定是继续编码还是先进行架构调研，真正模拟了人类专家的决策过程。\n\nHephaestus 的核心价值在于让 AI 工作流不再受限于预设剧本，而是像真实开发团队一样，在执行中自主发现需求并动态构建解决路径。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FIdo-Levi_Hephaestus_e7b7bcc6.png","Ido-Levi","Ido Levi","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FIdo-Levi_ec1e5532.jpg","I like making cool stuff cooler ",null,"the_ido_levi","https:\u002F\u002Fgithub.com\u002FIdo-Levi",[81,85,89,93,96,99,103,106],{"name":82,"color":83,"percentage":84},"Python","#3572A5",76.4,{"name":86,"color":87,"percentage":88},"TypeScript","#3178c6",22.6,{"name":90,"color":91,"percentage":92},"Shell","#89e051",0.3,{"name":94,"color":95,"percentage":92},"CSS","#663399",{"name":97,"color":98,"percentage":92},"PowerShell","#012456",{"name":100,"color":101,"percentage":102},"JavaScript","#f1e05a",0,{"name":104,"color":105,"percentage":102},"Dockerfile","#384d54",{"name":107,"color":108,"percentage":102},"HTML","#e34c26",1143,122,"2026-04-14T03:22:05","NOASSERTION",4,"macOS","未说明",{"notes":117,"python":118,"dependencies":119},"该项目目前 README 明确提供了 macOS 的环境验证脚本，暗示主要支持 macOS。运行需要安装 tmux（用于代理隔离）、Git（项目必须是 git 仓库）、Docker（用于运行 Qdrant 向量数据库）、Node.js 和 npm（用于前端 UI）。此外，必须配置 CLI AI 工具（如 Claude Code）以及大模型 API 密钥（支持 OpenAI, Anthropic, OpenRouter 等）。","3.10+",[120,121,122,123,124,125,126],"tmux","git","docker","node.js","npm","qdrant (via Docker)","Claude Code \u002F OpenCode \u002F Droid \u002F Codex (CLI AI tools)",[35,13,14],[129,130,131,132],"ai-agents","autonomous-agents","claude-code","llm","2026-03-27T02:49:30.150509","2026-04-18T17:04:41.470432",[136,141,146,151,156,161],{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},40365,"如何配置 Hephaestus 以支持 Opencode 作为 CLI 工具？","可以通过将 `default_cli_tool` 设置为 `opencode` 并在 `HephaestusSDK` 中通过 `cli_model` 选择模型来使用。注意：您仍需要在所有 OpenHands 会话中设置 Hephaestus-MCP 和 Qdrant-MCP。虽然 Steering\u002FGuardian 功能主要针对 Claude 进行了调优，但在 Opencode 上也能正常工作。详细文档请参考：https:\u002F\u002Fido-levi.github.io\u002FHephaestus\u002Fdocs\u002Fgetting-started\u002Fquick-start\u002F#agent-cli-configuration","https:\u002F\u002Fgithub.com\u002FIdo-Levi\u002FHephaestus\u002Fissues\u002F3",{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},40366,"使用 Claude Code 时即使加了 --dangerously-skip-permissions 参数仍然弹出确认提示怎么办？","这可能是首次运行时的特有行为。如果手动运行 `claude --dangerously-skip-permissions` 没有二次确认，但通过 Hephaestus 启动时有，可能是环境差异。维护者曾尝试在代码中添加自动接受逻辑（发送向下箭头键选择 \"Yes\" 然后回车），但如果您的代理现在能正常工作无需确认，则无需额外操作。建议检查是否为首次使用该权限跳过选项。","https:\u002F\u002Fgithub.com\u002FIdo-Levi\u002FHephaestus\u002Fissues\u002F17",{"id":147,"question_zh":148,"answer_zh":149,"source_url":150},40367,"是否支持 Azure OpenAI、Google AI Studio 或自定义 base_url？","是的，项目已添加对 Azure OpenAI 和 Google AI Studio 的支持，并允许配置自定义 `BASE_URL`。您可以在 `hephaestus_config.yaml` 文件中配置提供商的 API Key 和端点。如果您使用的是非标准端点（如 Chutes, Z AI GLM 等），可以通过设置 `OPENAI_BASE_URL` 来实现。如果在配置后遇到错误，请重新打开问题反馈，因为维护者可能无法用所有密钥验证。","https:\u002F\u002Fgithub.com\u002FIdo-Levi\u002FHephaestus\u002Fissues\u002F13",{"id":152,"question_zh":153,"answer_zh":154,"source_url":155},40368,"Codex 集成无法启动会话或终端为空怎么办？","这通常是因为使用的 Codex 版本过旧。请尝试升级到最新版本的 Codex 并重试。维护者指出他们目前更推荐使用 Claude Code、OpenCode 或 Droid，因为这些工具与 Guardian steering 功能配合更好，允许通过发送消息向会话注入指令。如果更新后问题依旧，请提供相关日志以便进一步排查。","https:\u002F\u002Fgithub.com\u002FIdo-Levi\u002FHephaestus\u002Fissues\u002F27",{"id":157,"question_zh":158,"answer_zh":159,"source_url":160},40369,"项目的 Discord 邀请链接失效了，最新的加入方式是什么？","之前的链接已过期，维护者已更新文档。新的永久邀请链接是：https:\u002F\u002Fdiscord.gg\u002FFMCJeKG3dU。请直接使用此链接加入社区。","https:\u002F\u002Fgithub.com\u002FIdo-Levi\u002FHephaestus\u002Fissues\u002F30",{"id":162,"question_zh":163,"answer_zh":164,"source_url":165},40370,"编排系统可以使用哪些模型？是否支持 GLM 或其他非 GPT 模型？","编排系统支持多种模型。虽然示例中可能使用了 `gpt-5` 进行任务增强，但也可以配置为使用 Cerebras 的 `gpt-oss:120b`。通过在配置文件中设置 `OPENAI_BASE_URL`，您可以将端点指向其他提供商（如 Chutes 或 Z AI GLM），从而使用 GLM 等其他大语言模型。只需在 `hephaestus_config.yaml` 的 providers 部分正确配置 API Key 和 Base URL 即可。","https:\u002F\u002Fgithub.com\u002FIdo-Levi\u002FHephaestus\u002Fissues\u002F26",[167],{"id":168,"version":169,"summary_zh":170,"released_at":171},323757,"release-0.0.1","# 🔥 赫菲斯托斯 v0.0.1 - 初始发布\n\n赫菲斯托斯的首个正式版本——一个半结构化的智能体框架，其中AI工作流会在智能体执行任务的过程中自行发现并创建新任务。\n\n## 什么是赫菲斯托斯？\n\n与预先定义所有任务不同，你只需定义**阶段类型**（如“分析 → 实施 → 测试”），智能体将根据其发现的内容，在这些阶段中动态生成任务。例如，测试智能体发现了一个Bug？它就会生成一个修复任务。如果发现了优化点，则会生成一个调查任务。整个工作流会自我构建。\n\n---\n\n## ✨ 核心特性\n\n### 🔄 半结构化工作流\n- 定义包含指令和完成标准的阶段\n- 智能体在各阶段内动态创建具体任务\n- 任务可以在任意阶段进一步派生出其他任务\n- 工作流可根据实际发现进行分支和自适应调整\n\n### 🎯 守护者监控\n- 实时持续跟踪智能体的行为轨迹\n- 检测是否偏离阶段目标\n- 在智能体偏离过多之前将其引导回正轨\n- 提供一致性评分以衡量对齐程度\n\n### 🧠 基于RAG的协同机制\n- 智能体通过Qdrant向量存储共享发现\n- 支持跨代码库知识的语义搜索\n- 学习成果可在多次工作流执行中持久保留\n- 记忆类型包括：发现、决策、警告以及代码库知识\n\n### 📊 看板式工单系统\n- 实时工单看板，列可自定义\n- 支持工单间的阻塞关系\n- 可记录状态并要求添加评论\n- 支持将Git提交与工单关联\n\n### 🚀 多工作流并行执行\n- 可同时运行多种不同类型的工作流\n- 每次执行都独立隔离，拥有各自的阶段和工单\n- 用户界面中可切换不同工作流\n- 支持为每个工作流定义自定义配置\n\n### 🎨 启动模板\n- 针对每种工作流类型提供可定制表单\n- 参数类型包括：文本、多行文本、下拉选择、布尔值、数字\n- 支持为第一阶段的任务提示进行模板化\n- 启动前可预览\n\n---\n\n## 🛠️ 赫菲斯托斯开发者版\n\n内置5个预建工作流的开箱即用开发工具：\n\n| 工作流 | 描述 |\n|----------|-------------|\n| **PRD至软件构建器** | 从产品需求文档构建完整软件 |\n| **Bug修复** | 系统性地分析、修复并验证Bug |\n| **索引代码库** | 扫描并索引代码库，构建内存中的知识库 |\n| **功能开发** | 按照既定模式为现有代码库添加新功能 |\n| **文档生成** | 为现有代码库生成全面的文档 |\n\n```bash\npython run_hephaestus_dev.py --path \u002Fpath\u002Fto\u002Fproject\n```\n\n---\n🖥️ 前端仪表盘\n\n- 仪表盘——实时系统概览及统计信息\n- 工作流执行——启动和管理工作流\n- 工单——支持拖拽的看板式工单管理\n- 任务——带有状态跟踪的任务队列\n- 智能体——监控活跃智能体及其工作情况\n- 阶段——查看阶段定义及进度\n- 可观测性——通过tmux实时观察智能体工作\n- 记忆——浏览RAG知识库\n- 图——可视化 t","2025-11-23T13:49:45"]