alikon-art/DeterminFlow
A production-oriented AI workflow runtime for building, validating, recovering, and shipping complex AI workflows as dependable services. 面向生产的 AI 工作流运行时：快速开发、验证和恢复复杂 AI 工作流，并将其稳定交付为服务。
解决的问题
DeterminFlow 旨在解决使用单代理框架进行复杂、预定义 AI 工作流时所面临的不稳定性、高成本和维护困难问题。与必须记住完整历史并管理所有工具的单代理不同，DeterminFlow 将流程分解为离散的、版本化的节点，以确保可靠、可预测且成本效益高的执行。
如何工作
该框架将 LLM、脚本、API 和人工审批组织成结构化的工作流。它采用“节点化”方法，每个代理节点都有自己的隔离本地上下文和受限的工具集。系统在任务开始时冻结工作流定义和输入，通过运行时管理数据流和控制流，并为每次尝试和输出保存检查点。这使得系统能够在失败的特定节点处恢复，而无需重新启动整个流程。
适用人群
适用于那些流程已明确界定、并需要高可靠性、可审计性和令牌效率的生产级 AI 服务开发者和企业（例如，提供的 AI 小说生成示例）。
主要亮点
- 节点级隔离： 通过确保代理仅读取必要的本地上下文而非完整历史记录，减少令牌消耗。
- 可靠执行： 支持自动和手动重试、跳过以及从失败节点恢复断点。
- 结构化输出： 包含 JSON 输出检测、解析以及自动修复/重试机制。
- 可视化编排： 提供可视化工作流编辑器，支持变量、条件、并行执行、循环和子流程。
- 插件系统： 允许将工作流、提示和脚本打包为插件，轻松以 API 或业务服务形式交付。
相关
- 项目
OpenDCAI/DataFlowDataFlow 是一个开源 Python 框架，可让您构建、运行和共享用于生成、清洗和评估 LLM 训练数据的低代码流水线。它提供了一套可重用的操作符库、一个可视化 WebUI、一个用于自动创建流水线的 AI 助手，以及一个基于 Ray 的分布式执行层。
- 项目
PentesterFlow/agentPentesterFlow 是一款开源的终端助手，允许人类分析师引导 LLM 驱动的 Agent 进行渗透测试任务。它集成了真实的安全性工具（curl、shell、Burp、文件工具），支持多种 LLM 后端，将证据和发现项以 Markdown 格式存储，并在会话之间保留项目级记忆，同时要求对风险操作进行明确批准。
- 项目
devcodex-labs/devcodexDevCodex 是一个 Node.js 命令行工具，通过意图驱动、项目感知的工作流协调 AI 编码助手（Copilot、Claude Code 等）。它构建结构化项目配置文件，按需加载领域特定技能，跨会话持久化任务状态，并在提供证据前不标记工作完成。专为需要可复现、可审计 AI 生成代码变更的开发者和团队设计。
- 项目
ai-sdlc-framework/ai-sdlcAI‑SDLC 是一个开源决策引擎框架，用于编排 AI 辅助软件开发。它通过“就绪定义”(Definition‑of‑Ready) 门控优先处理人类决策，随后利用自主编排器自动执行 13 个步骤的流水线（代码生成、三个独立的 LLM 审查员、DSSE 认证、PR 创建）。该系统包含终端 UI、声明式治理资源以及适用于 TypeScript、Python 和 Go 的 SDK。采用 Apache 2.0 授权，专为需要可重现、受治理的 AI 驱动代码流水线的企业和平台团队而设计。
- 项目
voocel/ainovel-cliainovel-cli 是一个命令行/TUI 工具，通过决定性引擎协调多个 LLM 代理（Architect、Writer、Editor）自动撰写长篇小说（500+ 章）。具备滚动窗口规划、分层摘要、检查点/恢复、多模型支持、导入/导出和可配置规则，可无头或在 Docker 中运行。