MaxMiksa/Autonomous-Company

Autonomous Company – 一个 AI 驱动的多智能体框架

它是什么

• 一个自包含系统，允许大语言模型（默认为 Claude Code，或 OpenAI Codex）代表一家“公司”运行持续的工作循环。
• 该循环读取共享的工作摘要，决定下一步做什么，创建一个临时 AI 智能体团队（每个智能体都模仿现实世界的专家），执行研究、编码、部署或营销等任务，写回新的摘要，然后重复。
• 所有状态都存在于纯文本文件（PROMPT.md、memories/consensus.md、日志、产品文件夹）中，因此人类可以随时干预。

核心概念

概念	功能
Agentic Workflows	提示驱动的“团队组建”，LLM 从 14 种预定义的专家角色中选择 2-5 种（例如，Jeff Bezos 作为 CEO，DHH 作为全栈工程师），并赋予他们解决当前任务的技能集。
Product Center	一个本地 Web UI (http://127.0.0.1:8810/center)，用于编目每个生成的产品，保留其历史记录，并允许您在不启动新模型调用的情况下启动、暂停或检查运行情况。
Continuous Auto-Loop	一个 shell 脚本 (auto-loop.sh)，作为用户级守护进程运行（macOS 上的 launchd，Linux/WSL 上的 systemd）。每次迭代都是一次 LLM CLI 调用，随后进行故障处理（速率限制等待、断路器、回滚）。
Engine adapters	将通用 CLI 调用转换为 Claude Code 或 @openai/codex npm 包的轻量级包装器。可以通过 ENGINE_ADAPTERS.md 添加用于 Cursor 或其他 OpenAI 兼容后端的适配器。
Human-in-the-Loop (HITL)	人类编辑 memories/consensus.md（下一步行动、预算限制、护栏）并重启循环；仪表板显示日志和使用情况以供监督。

工作原理（高层流程）

1. 读取工作摘要 – auto-loop.sh 加载 PROMPT.md + memories/consensus.md。
2. 调用 LLM – 通过 Codex CLI 或 Claude Code，传递公司章程 (CLAUDE.md) 和选定的团队技能文件 (.claude/skills/team/SKILL.md)。
3. 组建团队 – 模型选择相关的专家角色并组建一个临时的多智能体团队。
4. 执行 – 智能体执行研究、编写代码、运行部署、生成营销文案等。
5. 持久化结果 – 输出被写入产品文件夹、日志以及用于下一个周期的更新后的 consensus.md。
6. 休眠/重复 – 守护进程短暂休眠，然后开始下一次迭代。

入门指南

• 先决条件：macOS 或 Windows + WSL，Python 3.10+，Git，make，以及经过身份验证的 Claude Code 或 Codex CLI 令牌。
• 克隆并运行（macOS 示例）：

  git clone https://github.com/MaxMiksa/Autonomous-Company.git
  cd Autonomous-Company
  make start            # 前台运行，实时输出（默认 Claude）
  # 或 ENGINE=codex make start   # 改用 Codex
  

• 仪表板：make center (macOS/WSL) 或 .scripts\windows\center-win.ps1 (Windows) 打开产品目录 UI。
• 控制：make pause / make resume 用于守护进程，make monitor 用于跟踪日志，make language LANGUAGE=en 用于设置界面语言。

您可以构建什么

• 全自动微型产品，例如图像尺寸检查清单、范围变更谈判工具或 COI 收据跟踪器（仓库附带 22 个示例产品）。
• 快速原型设计：在仪表板中定义新的产品请求，让 AI 团队研究、编码并发布最小可行性 Web 应用，而无需您自己编写任何代码。
• 实验平台：交换引擎、调整预算或替换专家角色，以研究不同提示词如何影响结果。

限制与注意事项

• 该系统是一个提示驱动的编排器，不能保证软件的正确性或安全性。生成的代码由 LLM 编写，可能需要人工审查。
• 预算和速率限制仅由周围的守护进程强制执行；超过 API 配额将导致循环暂停并等待。
• 团队规模受限于底层模型的 Token 预算；14 种角色定义是模板，并非总是同时实例化。
• 可观测性基于文件；不会捕获细粒度的每个智能体日志，仅捕获聚合的 LLM 输出。
• 平台依赖性：仪表板在 macOS 和 Windows WSL 上运行；不支持原生 Linux。

谁会觉得它有用

• 希望以最少的手动编码来原型化产品想法的独立创始人或小团队。
• 研究多智能体提示、基于角色的 LLM 编排或 AI 增强工作流的研究人员。
• 在受控沙箱中演示端到端 AI 自动化（研究 → 编码 → 部署）的教育工作者。

---

以上所有信息均直接取自存储库的 README；未添加任何外部假设。