hof

GitHub
603 45 简单 1 次阅读 今天Apache-2.0Agent语言模型插件数据工具
AI 解读 由 AI 自动生成,仅供参考

hof 是一款以提升开发者体验为核心的开源框架,基于 CUE 语言构建。它旨在解决软件开发中数据模型、架构定义、代码生成与工作流管理分散割裂的痛点,通过统一的“单一事实来源”将这些环节紧密串联。

对于需要处理复杂系统架构、微服务编排或自动化基础设施的后端工程师、平台工程师及 DevOps 专家而言,hof 提供了强大的支持。其独特之处在于利用 CUE 语言的声明式特性,实现了确定性且具备智能代理(Agentic)能力的代码生成——这意味着不仅能从数据模型自动生成任意技术的代码,还能结合大语言模型(LLM)进行更高效的协作开发。此外,hof 内置了基于有向无环图(DAG)的任务引擎,支持灵活的工作流编排,并提供了命令行(CLI)与终端界面(TUI)两种交互方式,既适合脚本自动化,也便于直观地探索和设计系统。无论是初始化新项目、管理模块依赖,还是持续演进数据架构,hof 都能帮助团队在保持严谨性的同时显著提升研发效率。

使用场景

某中型云原生团队在维护多个微服务时,面临 API 定义、数据库模型与多语言客户端代码难以同步更新的困境。

没有 hof 时

  • 数据模型割裂:API Schema、数据库 DDL 和 TypeScript 接口分散在不同文件中,修改一处常导致其他端不一致。
  • 重复劳动繁重:每次模型变更,开发者需手动更新前后端代码,耗时且容易引入拼写错误或类型不匹配。
  • 协作效率低下:缺乏统一的“单一事实来源”,前后端联调时常因数据结构理解偏差而反复沟通。
  • 演进风险高:随着业务迭代,旧代码与新模型逐渐脱节,重构成本随时间指数级上升。

使用 hof 后

  • 统一数据建模:利用 CUE 定义唯一的数据模型作为“单一事实来源”,自动派生出 API 文档、数据库迁移脚本及各语言类型定义。
  • 确定性代码生成:通过 hof gen 将模型一键转化为 Go、TypeScript 等目标代码,消除手动编写样板代码的需求,确保零误差。
  • 智能工作流编排:借助内置的任务引擎(Task Engine),将模型校验、代码生成、单元测试串联为自动化 DAG 流程,变更即触发全链路更新。
  • 可追溯的版本演进:支持对数据模型进行 Checkpoint 和 Diff,清晰记录每一次结构变更,让重构和安全审计有据可依。

hof 通过将数据模型提升为核心资产,实现了从“人工同步”到“机器驱动”的范式转变,让团队能专注于业务逻辑而非胶水代码。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes该工具是一个基于 CUE 语言的 CLI 命令行工具和 TUI 终端界面,主要通过预编译的二进制文件安装(支持 Homebrew 或直接下载 GitHub Releases)。它不依赖 Python 环境或特定的 GPU 硬件。核心功能包括代码生成、数据建模和任务引擎,需了解 CUE 语言基础。可通过 'hof update' 命令进行版本管理。
python未说明
CUE (cuelang.org)
hof hero image

快速开始

hof - 高阶框架

一个统一数据模型、模式、代码生成和任务引擎的工具。

hof 是一款你可以 添加 到工作流中的 CLI 工具。

  • 基于 CUE
  • 确定性和代理式代码生成
  • 可以演进并用于代码生成的数据模型
  • 基于 cue/flow 的任务引擎
  • 代理服务器和 VS Code 扩展
核心功能
代码生成 数据 + 模板 = _ (任何内容),与技术无关
数据建模 定义、检查点和比较数据模型
任务引擎 可扩展的任务和 DAG 工作流引擎
CUE 命令 核心 def、eval、export 和 vet 命令
创建者 从任何仓库启动和入门套件
模块 CUE 模块依赖管理
TUI Hof 和 CUE 的终端界面
聊天 结合 LLM 和 Hof 代码生成,以获得更好、可扩展的结果

hof 使用 CUE 来提升开发体验和实现。 我们认为 CUE 是一种非常适合用于定义模式、配置以及编写任何声明性内容的语言, 并且它是事实来源。它拥有良好的理论基础,并且来自那些为我们带来容器、Go 和 Kubernetes 的团队。

了解更多关于 CUE 的信息:cuelang.org | cuetorials.com

文档

请访问 docs.hofstadter.io 以了解更多信息。

入门 部分,你将体验一次 hof 的之旅。 在 演练 部分,你将学习如何构建和使用生成器。

加入我们或提问:

我们也会使用 GitHub 的问题和讨论区。选择你觉得最方便的方式即可!

安装

你可以在我们的 GitHub 发布页面找到 最新下载。 这是推荐的方法。

如果你已经安装了 hof,可以使用 hof update --version vX.Y.Z 来安装特定版本。

# Homebrew
brew install hofstadter-io/tap/hof

# Shell 补全(bash、zsh、fish、power-shell)
echo ". <(hof completion bash)" >> $HOME/.profile
source $HOME/.profile

# 查看帮助文本或版本信息以验证安装
hof --help
hof version

项目结构

项目结构简要概述如下:

  • ci/: 持续集成脚本。
  • cmd/hof/: hof CLI 的主入口。
  • docs/: 文档网站的源代码。
  • flow/: hof flow 和任务引擎的源代码。
  • lib/: hof 各子命令的核心逻辑。
  • test/: hof 子命令的测试脚本和测试数据。

开发

构建 hof 二进制文件:

make build

运行测试套件:

make test

在本地运行文档网站:

make docs-serve

贡献与社区

我们非常欢迎贡献,并且社区正在不断壮大。开始参与的最佳方式是:

  1. 加入我们的 Discord
  2. 阅读 贡献指南
  3. 寻找一个可以参与的问题。我们很乐意为你提供指导。
  4. 改善文档。

当你准备好贡献时,请先 fork 仓库,然后提交 pull request。 我们采用标准的 PR 和评审流程。此外,我们还使用多种标签来帮助组织问题和 PR。

接口

hof 提供两种接口:

  1. CLI - 非常适合脚本和自动化
  2. TUI - 非常适合探索和设计

CLI

hof - 高阶框架

  更多信息请访问 https://docs.hofstadter.io

用法:
  hof [flags] [command] [args]

主要命令:
  chat                  与 AI 共同创作(alpha)
  create                从任何 git 仓库创建入门套件或蓝图
  datamodel             管理、比较和迁移你的数据模型
  def                   打印整合后的 CUE 定义
  eval                  评估并打印 CUE 配置
  export                将数据导出为标准格式
  flow                  运行由 CUE 驱动的工作流和任务
  fmt                   格式化任何代码并管理格式化工具
  gen                   基于 CUE 的代码生成
  mod                   CUE 模块依赖管理
  tui                   Hof 和 CUE 的终端界面
  vet                   使用 CUE 验证数据

其他命令:
  help                  关于任何命令的帮助
  update                检查新版本并自动更新
  version               打印详细的版本信息
  completion            为你的终端生成补全助手
  feedback              在 GitHub 上打开问题或讨论

标志位:
  -E, --all-errors           打印所有可用错误
  -h, --help                 hof 的帮助
  -i, --ignore-errors        关闭输出并在提示时假定默认值
  -D, --include-data         自动包含所有与 cue 文件一起找到的数据文件
  -V, --inject-env           将所有 ENV VAR 注入为默认标签变量
  -I, --input stringArray    额外的数据,用于统一到根值中
  -p, --package string       执行时使用的 Cue 包上下文
  -l, --path stringArray     CUE 表达式,用于放置数据文件时指定单个路径组件
  -q, --quiet                关闭输出并在提示时假定默认值
  -d, --schema stringArray   表达式,用于选择应用于数据文件的模式
      --stats                打印生成器统计信息
  -0, --stdin-empty          确保 stdin 为空且不阻塞的标志
  -t, --tags stringArray     要注入 CUE 代码中的 @tags()
  -v, --verbosity int        设置输出的详细程度
      --with-context         为数据文件添加额外的上下文,可用于 -l/path 标志

使用 "hof [command] --help / -h" 以获取有关某个命令的更多信息。

TUI

hof tui 是一个基于终端的 Hof 功能界面。 它内置了帮助系统和文档。以下 YouTube 视频提供了概览。

Hof 的 TUI 概览

许可证

本项目采用 Apache 2.0 许可证。详情请参阅 LICENSE 文件。

版本历史

v0.7.0-alpha.22026/01/17
v0.7.0-alpha.12026/01/02
v0.6.102024/12/31
v0.6.10-rc.32024/12/29
v0.6.10-rc.22024/12/18
v0.6.92024/06/07
v0.6.9-rc.22024/05/07
v0.6.9-rc.12024/05/04
v0.6.9-beta.12023/09/18
v0.6.9-alpha.162023/09/11
v0.6.9-alpha.152023/09/10
v0.6.9-alpha.142023/09/10
v0.6.9-alpha.42023/09/01
v0.6.9-alpha.32023/08/29
v0.6.9-alpha.12023/08/27
v0.6.82023/08/10
v0.6.8-rc.62023/07/31
v0.6.8-rc.52023/06/25
v0.6.8-rc.42023/06/05
v0.6.8-rc.32023/06/05

常见问题

相似工具推荐

openclaw

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。 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。 OpenClaw 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

349.3k|★★★☆☆|昨天
Agent开发框架图像

stable-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。 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。

162.1k|★★★☆☆|2天前
开发框架图像Agent

everything-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。 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。 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

142.7k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

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。 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。 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。

107.9k|★★☆☆☆|昨天
开发框架图像Agent

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|今天
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|昨天
语言模型图像Agent