catlog22/maestro-flow

解决的问题

Maestro-Flow 解决了大多数 AI 编程工具仅允许单个智能体执行单个任务的限制。它提供了一个意图驱动的编排框架，允许多个智能体在整个软件开发生命周期中协作——从头脑风暴、规划到执行、验证和部署。

工作原理

该框架使用自适应决策引擎（Ralph v2），将自然语言意图转换为 40 多种预定义命令链之一。它通过几个关键机制来管理流程：

• 自适应编排：它不使用静态 YAML 配置，而是使用决策节点根据实时执行结果动态调整策略（继续、回滚或插入修复循环）。
• 跨后端调度：它可以使用四种协调模式混合不同的 LLM（Claude、Gemini、Qwen 等）：委派（异步）、团队（协作）、波（并行）和群（探索）。
• 知识自我增强：它使用基于 SQLite 的知识图谱自动将模式、陷阱和决策持久化为“Spec”和“Knowhow”，然后通过钩子系统将其注入未来的智能体提示中。
• 长周期循环：“Odyssey”系统处理长时间运行的自主循环（数小时），用于深度重构或安全审计等复杂任务，不断迭代直到满足验收标准。

适用人群

它专为需要复杂多智能体系统的开发人员设计，以处理超出单个提示或简单线性流水线能力的复杂软件工程任务。

亮点

• 意图到链的映射：自动将用户目标分类为 40 多种专用命令链。
• 多 LLM 支持：跨各种后端进行编排，包括 Claude、Codex 和 Gemini。
• ** uma 质量流水线**：提供三个深度级别（full、standard、quick）来控制验证和测试的严格程度。
• 自主 Odyssey 模式：用于调试、安全审计、UI 优化和防御性扫描的专用长期循环。
• 集成知识图谱：自动从项目执行中学习，使后续任务更加智能。