Emiyaaaaa/HiveMind

解决的问题

代理框架（如 LangGraph 或 AutoGen）通常专为本地原型设计，缺乏可扩展服务所需的生产级基础设施。HiveMind（AgentFlow）提供了一个运行时层，处理多代理系统的“运营”方面——如持久化历史记录、事件流和执行监控——而无需强制开发者绑定到单一的编排框架。

工作原理

采用分层运行时架构，将 API 管理与代理执行分离：

• API 层：使用 Java/Spring Boot 服务器处理 REST 请求，并将 Server-Sent Events (SSE) 桥接到前端。
• 执行层：Python 工作者从 Redis 队列中获取任务，并通过「Orchestrator Adapters」执行代理。
• 持久化：所有运行状态、消息和工具调用均作为第一类实体，通过 SQLAlchemy 存储在 Postgres 数据库中。
• 适配器：可插拔接口允许不同框架（如 LangGraph、PydanticAI）被封装，使它们均以一致格式报告状态和数据。

适用人群

从代理原型转向可检查的生产服务的团队，需要一个稳定的抽象层来切换编排框架，并具备监控当前和历史运行状态的能力。

主要亮点

• 框架无关：通过统一的适配器接口支持多种编排器（LangGraph、PydanticAI 等）。
• 持久状态：在进程重启后仍能保持运行、步骤、消息和检查点的持久记录。
• 实时可观测性：包含 Next.js 管理控制台和 SSE 支持，实现代理执行事件的实时流式传输。
• 企业级堆栈：基于 Java 21、Python 3.12、Redis 和 Postgres 构建，确保可靠性和可扩展性。