Browse / General-purpose / Smart-WorkFlow-Agent-Workspace
Smart-WorkFlow-Agent-Workspace
Chikaaho
一个与具体业务、编程语言和工具链解耦的半自动 Agent Coding Engine。main 根目录就是可运行工作区;项目只需在 project.md 声明身份、代码仓库目录和工程规则,Agent 即可沿既有治理协议接手任务。
Open Chikaaho/Smart-WorkFlow-Agent-Workspace → Checked against the four rules.
Works with any agent
ships AGENTS.md, the cross-tool instruction file.
In its own words
本页默认对象是
main分支的通用 Agent Coding Engine:所有相对路径和当前状态表述均属于main。只有明确标注develop-sw的章节与链接描述 Smart-WorkFlow/OA 示例实例。
一个与具体业务、编程语言和工具链解耦的半自动 Agent Coding Engine。main 根目录就是可运行工作区;项目只需在 project.md 声明身份、代码仓库目录和工程规则,Agent 即可沿既有治理协议接手任务。
分支身份
Smart-WorkFlow/OA 的产品状态入口是 develop-sw/knowledge/current-status.md;main/knowledge/current-status.md 只负责通用 Engine 当前实例的状态。
启动前检查
新机器先由管理员按 init/README.md 完成本机适配并更新本机 result。之后任何角色、任何 Harness 在角色任务前都先运行只读检查:
Windows 使用 py -3。init/update.json 是仓库全局版本;init/result.json 只指向本机实际验证结果,不入 Git。未初始化、Harness 未验证或版本不匹配时,普通角色提醒管理员,不继续业务工作。
它解决什么问题
Agent Coding Engine 把长期 coding 项目中容易散落的角色权限、任务分级、需求方向、代码探索、执行证据、项目知识和终态同步组织成一个可持续运行的工作区。流程按风险选择:局部小改直接执行,跟踪型功能进入完整闭环。
它被设计为半自动系统:Agent 负责读取上下文、探索、规划、实现、验证、记录证据和同步状态;人工保留目标与终止权,可以在任何时候介入:
- 改变需求方向、范围或优先级;
- 暂停或终止当前任务;
- 修改验收目标与证据口径;
- 对功能结果、阶段终态和远程发布作最终裁决。
日常运行不要求人工逐步拆解或持续盯守。只要目标和项目规则已经声明,Agent 会在角色边界内推进到可验收结果;需要改变方向时,人工直接给出新裁决即可。
成本经济性:贵模型做决策,快模型跑吞吐
Planner 的输入由 memory/ 和 search_fallback/ 压缩,输出集中在需求方向、风险判断和验收裁决,不需要反复吞入完整代码仓或参与高频实现循环。因此 Planner 的调用次数少、输入输出边界清晰,可以把成本很高的超强模型集中用在高杠杆决策上,降低方向错误带来的整轮返工。
Executor 承担大量读码、实现、测试和修复。候选执行模型以 deepseek-v4-flash(简称 DS-Flash)的综合能力和非高峰价格为基准;满足以下任一条件即可进入候选池:
- 能力强于 DS-Flash,且同口径任务的综合成本与 DS-Flash 非高峰价格大致相当;
- 综合成本低于 DS-Flash 非高峰价格,且能力与 DS-Flash 大致相当。
候选模型仍需通过项目定义的执行基准,包括任务成功率、测试结果、证据合规、终态契约和返工率。达到这些门槛后,就可以用更高吞吐的 Flash 类模型扩展执行量;S/M 快路径还能进一步减少不必要的规划调用和文档开销。
规划用最强模型降低决策错误;执行用达标的 Flash 模型把吞吐拉满——该贵的地方贵,该跑量的地方就把显卡跑到冒烟。
Quoting 30% of the README. Read the rest on GitHub ↗
Read from the repository's git tree on 2026-08-17.