catlog22/maestro-flow

What it solves

Maestro-Flow 解决了大多数 AI 编程工具仅允许单一代理执行单一任务的限制。它让多个代理在整个软件开发生命周期中协同合作——从构思、规划到部署——通过以意图为驱动的编排框架，根据实时执行结果动态调整策略。

How it works

此框架使用 Ralph v2 引擎将自然语言意图转换为超过 40 种预先定义的指令链之一。它通过以下几个关键机制来管理整个流程：

• Adaptive Orchestration：不使用静态 YAML 配置，而是通过决策节点根据实际结果判断是否继续、回滚或插入修复循环。
• Cross-Backend Scheduling：可混合不同 LLM 后端（如 Claude、Gemini、Qwen 与 OpenCode），并使用四种协调模式：Delegate（异步）、Team（基于角色）、Wave（并行依赖）以及 Swarm（探索式）。
• Knowledge Self-Enhancement：在执行过程中发现的模式、陷阱与决策会以 Specs 与 Knowhow 的形式存储至知识图（SQLite），并自动注入未来的提示中。
• Long-Cycle Autonomy：Odyssey 系统通过自主循环处理长时间任务（如深度重构或安全审计），循环会持续执行至满足特定接受标准。

Who it’s for

需要先进多代理系统来自动化复杂编程工作流、大规模调试与架构改进，且不想手动配置管线每一步的开发者。

Highlights

• Intent-to-Chain Mapping：自动将自然语言目标分类至专门的执行管线。
• Dynamic Quality Modes：提供 full、standard 与 quick 三种管线，以在严谨验证与快速原型之间取得平衡。
• Knowledge Graph Integration：使用持久化的 SQLite 为基础的知识图，使系统随使用次数增多而变得更「聪明」。
• Odyssey Autonomous Loops：针对调试、安全审计与 UI 优化的专属模式，必要时可独立运行数小时。
• MCP Support：整合 Model Context Protocol（MCP），提供扩展的工具功能。