alib8b8 / aflare

快速开始

安装

macOS / Linux —— 一键安装(自动检测平台与架构,含校验和验证):

curl -fsSL https://raw.githubusercontent.com/alib8b8/aflare/main/install.sh | bash

Windows —— PowerShell 一键安装(自动检测架构并加入用户 PATH):

irm https://raw.githubusercontent.com/alib8b8/aflare/main/install.ps1 | iex

# Homebrew(macOS / Linuxbrew)
brew install alib8b8/tap/aflare

# 手动下载二进制
#   GitHub:  https://github.com/alib8b8/aflare/releases
#   国内加速: https://ghproxy.com/https://github.com/alib8b8/aflare/releases

可选:安装 bubblewrap 以获得完整沙箱隔离(code_interpreter 节点需要)

• Ubuntu/Debian: sudo apt install bubblewrap
• macOS: brew install bubblewrap
• Fedora: sudo dnf install bubblewrap

# 1. 环境自检（零配置，立即可跑）
aflare doctor

# 2. 零配置示例：读取 post.md → 转 HTML → 写 post.html
aflare run examples/content-processor.yaml

# 3. 配置 LLM（交互式向导，本地 Ollama 或云厂商二选一）
aflare init

# 4. 关键词生成工作流（无需 LLM，纯模板匹配；加 --ai 用 LLM 生成更复杂的）
aflare create "每 10 分钟检查 BTC 价格，超过 70000 发 Telegram 通知"
# 输出: 工作流已生成 → btc-monitor.yaml
aflare run btc-monitor.yaml

# 5. 交互式 AI Agent 对话（ReAct Agent + 300+ 技能）
aflare chat
# 或者: aflare chat -p deepseek -m deepseek-chat

# 守护进程式 Agent（融合 stdin + 定时任务） + 可插拔能力
aflare agent -c reflection,planning,utility

项目状态

aflare 目前处于 v0.9.0 阶段（v0.10 开发中）。核心 Runtime 能力（DAG 调度、WAL 崩溃恢复、Saga 事务补偿、幂等、重试/熔断）已实现并通过 CI 验证。v0.9.0 交付国密算法支持（SM3 审计链 / SM4 密钥存储，opt-in）、审计链安全硬化（每安装随机 HMAC 密钥、跨进程日志锁、bundle 截断伪造防护）、MCP server 一键安装（aflare mcp install）与 0.8.x 字节级升级兼容。当前开发版新增：Agent Plugins 1.0.0 宿主支持（与 VS Code / Cursor / Copilot 等客户端的插件生态双向互通）、MemHarness 记忆批判-重构模式（记忆是重构的线索，不是当前任务的事实）、步骤级类型化输出契约与有界预览输入、水印部署溯源，并经一轮安全自检修复插件路径穿越、symlink 绕过与记忆数据竞争等问题（见 CHANGELOG）。国产芯片（昇腾/寒武纪/海光）场景通过 OpenAI 兼容接口接入本地推理服务（非原生 SDK 集成），持续完善中。硬件设备控制（机器人等）不在内置范围——用户可通过自定义节点或 MCP Server 自行接入，数据不出内网。

这是什么？

aflare 是一个本地优先的自动化 Agent，也是确定性工作流执行引擎。两种模式共用同一核心：

对话式 Agent                    声明式工作流
─────────────────              ─────────────────
aflare chat                    aflare create
  ↓                              ↓
ReAct Agent 思考              关键词匹配生成
  ↓                              ↓
调用 300+ 技能模板               YAML 工作流
  ↓                              ↓
工具执行 → 反思 → 优化           DAG 调度执行

Agent 模式：通过 aflare chat 或 aflare agent 启动。内置 ReAct 推理循环，拥有 300+ 预置技能模板（16 个领域），支持 7 类可插拔能力（反思、人机协同、效用驱动、自适应等）。

工作流模式：aflare create 通过关键词匹配将描述转为 YAML 工作流。YAML 确定了每一步做什么、依赖谁、失败怎么办。Runtime 负责 DAG 调度、WAL 崩溃恢复、Saga 事务补偿、熔断、审计——所有操作可追溯、可回放、可验证。

三层模型

L0: Agent        —  "帮我监控 BTC，跌 5% 通知我"
                    ├── ReAct 推理循环（思考 → 调工具 → 观察 → 回答）
                    ├── 300+ 技能模板（16 个领域）
                    └── 7 类可插拔能力（反思/HITL/效用驱动等）
                       ↓
L1: Workflow     —  YAML 确定性工作流（schedule → get_price → condition → telegram）
                       ↓
L2: Runtime      —  确定性执行层
                    ├── DAG 并行调度
                    ├── Checkpoint / Resume（WAL 崩溃恢复）
                    ├── Session 持久化（跨轮次上下文保持）
                    ├── Saga 事务补偿
                    ├── Idempotency（幂等）
                    ├── Retry / Rate Limit / Circuit Breaker
                    ├── HMAC 审计链
                    └── Secret 脱敏

项目优势

aflare 面向内网 / 本地优先、对数据隐私与安全敏感的企业用户与个人。核心优势：

本地优先，数据不出本地 — 单二进制零运行时依赖，~5MB 内存即可运行；工作流、执行历史、记忆、密钥均落本地磁盘；API Key 走环境变量或系统 keyring 注入，config.yaml 不存明文；离线全链路可用（离线安装、aflare doctor --offline 离线自检、WebUI Mermaid 离线回退、332 模板内嵌进二进制首跑自动释放）。

连接你自己的 LLM — Ollama / vLLM / LM Studio / DeepSeek 本地部署 / 任何 OpenAI 兼容 endpoint，loopback 地址（127.0.0.1 / localhost）免 API Key 接入。有本地 LLM 时由 LLM 做意图理解与动态生成工作流（--ai / chat），无 LLM 时关键词匹配兜底，离线仍可用。

连接你自己的数据库与知识库 — SQL Query 节点直连你的数据库，RAG 节点 + 向量存储 + 文档解析接入你的知识库，MCP 协议连接外部服务，自定义节点用 Go 写任意集成。aflare 不回传你的数据，遥测可关闭——只干活，不窃取企业内部数据。

确定性执行保障 — YAML 声明式工作流：每一步做什么、依赖谁、失败怎么办全部确定。DAG 并行调度（TLA+ 形式化验证）、WAL 崩溃恢复 + Checkpoint（--resume 从中断处恢复）、Session 跨轮次持久化、Saga 事务补偿、幂等（Idempotency-Key + 跨进程锁）、重试 / 限流 / 熔断。所有操作可追溯、可回放、可验证。

Agent 与工作流双模式 — 对话式 Agent（aflare chat，ReAct 推理循环）与守护进程式 Agent（aflare agent，stdin + 定时任务 + 文件监听多源融合）共用同一核心；7 类可插拔能力（反思 / 人机协同 / 效用驱动 / 自适应 / 记忆 / 规划 / 工作流）；Agent 可降级为确定性工作流，灵活性与确定性兼得。300+ 预置技能模板覆盖 16 个领域。

安全合规 — HMAC 哈希链审计日志（防篡改）、AES-GCM 加密 + PBKDF2（600K 迭代）、Secret 自动脱敏（10+ 种模式：AWS/GitHub/JWT/私钥）、SSRF 防护 / Path Traversal / Command Injection 白名单、出站数据量异常监控 + 熔断器自动隔离、四级安全等级（L0-L3）按需收紧。

一键上手，离线丝滑 — aflare doctor 环境自检、aflare init 交互式配置向导、aflare template run <id> 一键运行模板（无需 clone 或记路径）、未知命令智能提示（did-you-mean）、零配置示例立即可跑。

可扩展生态 — 自定义节点（Go）、MCP Server / Client（aflare mcp install 一键安装内置社区 server）、Agent Plugins 1.0.0 双向互通（aflare marketplace install <dir> 安装任意符合开放标准的插件，aflare marketplace export 把 aflare 技能导出给 VS Code / Cursor / Copilot 等客户端）、插件系统（社区 .so）、社区模板贡献（aflare template submit）、场景包一键安装（aflare install-pack）。已有 332 Skill 覆盖 17 个领域，目标 1000+。

工程质量 — 表达式引擎（字节码 IR + 向量化批量求值）、Prometheus 指标端点、CI 双架构验证（x86-64 + ARM64）、国产芯片本地推理接入（昇腾 / 寒武纪 / 海光，经 OpenAI 兼容接口）。

核心能力

功能矩阵

实验性功能见下方 实验性支持 章节。

Agent 能力（对话式 + 守护进程式）

• ReAct 推理循环 — 思考 → 调用工具 → 观察结果 → 回答，支持 native function calling 和 JSON fallback
• 300+ 预置技能模板 — 覆盖 16 个领域（金融、医疗、供应链、DevOps 等），Agent 自动匹配并执行
• 统一事件循环 — 对话式（aflare chat）和守护进程式（aflare agent）共用同一 AgentLoop 核心，支持 stdin / 定时任务 / 文件监听多源输入融合
• 7 类可插拔能力 — 按需启用，映射完整 Agent 类型分类学：

Runtime 保障（确定性执行）

• DAG 并行调度 — 拓扑排序依赖调度，无依赖步骤并发执行
• WAL 崩溃恢复 + Session 持久化 — append-only 持久化 + CRC32 校验，--resume 从中断处恢复；Session 跨轮次保持上下文
• Saga 事务补偿 — 多步骤写入失败自动反向回滚
• Idempotency — Idempotency-Key + 原子占位 + 跨进程锁，防重复执行
• Retry / Rate Limit / Circuit Breaker — 指数退避 + 令牌桶 + 熔断器状态机

安全与合规

• HMAC 哈希链审计日志（防篡改）
• AES-GCM 加密 + PBKDF2（600K 迭代）
• Secret 自动脱敏（10+ 种模式：AWS/GitHub/JWT/私钥）
• SSRF 防护 / Path Traversal / Command Injection 白名单
• 出站数据量异常监控 + 熔断器自动隔离

工作流生成

• 关键词匹配生成 YAML 工作流（aflare create，见 generator.go）
• 100+ 内置模板

LLM 节点（工作流中调用 LLM API）

• 22+ 模型支持（OpenAI / DeepSeek / Qwen / GLM / Kimi 等）
• 完全离线运行（Ollama 本地 LLM）
• LLM 智能路由（EWMA 延迟预测 + 帕累托成本排序）

MCP 协议支持

• 内置 MCP Server，可被任何 MCP 客户端（Claude、VS Code、Cursor 等）连接
• 提供工作流运行、验证、节点查询、代码图谱等工具
• 内置 MCP Client，工作流中可直接调用外部 MCP 服务
• aflare mcp install <name> 一键安装 8 个内置社区 server；插件声明的 stdio server 经 marketplace install 幂等注册
• 也可通过 DeepSeek Harness (DSH) 集成 将 aflare 工具暴露给 DSH 智能体（MCP 桥接零代码接入，或原生 Cordis 插件）

Agent Plugins 1.0.0 双向生态互通

• 安装（aflare marketplace install <plugin-dir>）：加载任意符合 Agent Plugins 1.0 开放标准的插件——skills/*/SKILL.md 物化为可直接 aflare run 的技能，mcp.json 声明的 stdio server 注册进 .mcp.json；安装全程不执行插件任何代码，目录名/frontmatter name/cwd 全部做穿越与 symlink 校验
• 导出（aflare marketplace export）：把 aflare 技能导出为同一标准格式，VS Code / Cursor / Copilot / ChatGPT 等客户端直接可用——export → install 生态往返已实测

记忆批判-重构（MemHarness 模式）

• memory 节点 harness_search 操作：检索候选记忆时携带完整来源状态（类型/层级/置信度/记录时间/相关度），生成自包含批判 prompt；LLM 批判（keep/rewrite/discard）作为显式可重试的工作流步骤执行，无适用记忆输出 <EMPTY> 而非编造
• Agent 会话注入走确定性批判：陈旧且从未复用的记忆直接丢弃，幸存记忆带来源标注注入
• 完整示例见 examples/real-world/memharness-critique/

步骤级类型化输出契约与有界预览

• output_schema：任意节点输出按 JSON Schema（draft-07 子集）强制校验，违规按步骤失败处理并报出首个违规位置，自然流入 retry / on_error / capture_error
• preview_input: true：超 16KiB 的输入替换为头尾样本有界预览，完整值保留在工作流状态、原样传给其他步骤——LLM 看样本，确定性节点操作完整数据

工程能力

• 表达式引擎：字节码 IR + 向量化批量求值
• DAG 调度器经 TLA+ 形式化验证（spec 见 docs/tla/dag_scheduler.tla，Go 测试 dag_formal_test.go 可执行有界模型检查）
• Prometheus 指标端点
• 单二进制部署，零运行时依赖
• CI 双架构验证（x86-64 + ARM64）

实验性支持

• 昇腾 / 寒武纪 / 海光上的本地推理服务接入（通过 OpenAI 兼容接口，非原生 SDK 集成，持续完善中）
• 硬件设备控制通过自定义节点 / MCP Server 接入（aflare 不内置特定硬件驱动，避免绑定单一厂商）

架构

┌──────────────────────────────────────────────────────┐
│                    aflare                             │
│                                                       │
│  ┌──────────────────────────────────────────────────┐ │
│  │ Agent Layer (L0)                                  │ │
│  │                                                    │ │
│  │  aflare chat / aflare agent                       │ │
│  │  ┌──────────┐  ┌──────────┐  ┌────────────────┐  │ │
│  │  │ ReAct    │  │ 300+     │  │ 7 类可插拔      │  │ │
│  │  │ 推理循环  │  │ 技能模板  │  │ 能力            │  │ │
│  │  └──────────┘  └──────────┘  └────────────────┘  │ │
│  │                                                    │ │
│  │  ┌──────────────────────────────────────────────┐ │ │
│  │  │ AgentLoop 统一事件循环                         │ │ │
│  │  │ stdin · scheduler · filewatch · MCP · HTTP   │ │ │
│  │  └──────────────────────────────────────────────┘ │ │
│  └──────────────────────────────────────────────────┘ │
│                        ↓                               │
│  ┌──────────┐   ┌──────────┐   ┌──────────────────┐  │
│  │ Intent   │──▶│ Workflow │──▶│ Deterministic     │  │
│  │ (描述)   │   │ (YAML)   │   │ Executor          │  │
│  └──────────┘   └──────────┘   │                    │  │
│                                 │ • DAG Scheduler   │  │
│                                 │ • WAL / Checkpoint│  │
│                                 │ • Session 持久化   │  │
│                                 │ • Saga / Retry    │  │
│                                 │ • Circuit Breaker │  │
│                                 │ • Audit / HMAC    │  │
│                                 └──────────────────┘  │
│                                                       │
│  ┌──────────────────────────────────────────────────┐ │
│  │ 执行目标                                          │ │
│  │ Software (API/Web/DB) • Devices (Phone/HarmonyOS) │ │
│  │ Robots (Drone, extensible) • IoT                  │ │
│  └──────────────────────────────────────────────────┘ │
└──────────────────────────────────────────────────────┘

路线图

详情见 CHANGELOG.md

安全

aflare 内置多层安全防护，支持四级安全等级（--security-level）：

其他防护：SSRF 防护、Path Traversal 防御、Command Injection 白名单、AES-GCM 加密、Secret 脱敏、HMAC 审计链、熔断器、出站监控。CI 自动运行 gofmt / go vet / gosec / govulncheck。

安全指南 →

文档

• 入门指南 · 教程 · YAML 语法
• 数据流 · 调度 · MCP · 插件
• Web UI · 可视化 · 自定义节点
• API 文档 · 节点参考
• 部署指南 · Docker · 分布式 · 多租户
• 故障排除

贡献

欢迎社区贡献！除了代码，你还可以提交 Skill 模板：

1. Fork 本仓库
2. 在 templates/ 对应领域目录下创建 YAML 模板（参考 YAML 语法）
3. 运行 go test ./... 验证
4. 提交 PR，附上模板用途说明

或者使用一键提交命令：

# 创建模板
aflare template submit my-workflow.yaml --category devops-infra --author "Your Name"

# 一键安装场景包
aflare install-pack devops    # 安装 DevOps 全套模板 + 推荐能力配置
aflare install-pack --list    # 查看所有可用场景包

已有 332 Skill 覆盖 17 个领域，目标 1000+。你的模板可以补上缺失的一环。

贡献指南 →

许可证

GNU Affero General Public License v3.0 — LICENSE