cocofhu/grasp

解决的问题

Grasp 解决了同时管理多个 AI 代理项目效率低下，以及难以解读 AI 模型生成的冗长、文本密集型输出的问题。它减少了在不同 IDE 和运行状态之间切换的认知负担，同时将长篇代理响应转化为结构化、可视化的成果物，使人类更易于审查和批准。

工作原理

它提供了一个统一平台，可与多种代理后端（如 Cursor、Claude Code 和 CodeBuddy）集成，并使用可视化有限状态机（FSM）画布来编排这些代理。用户可以使用节点设计工作流，包括澄清、规划和实现阶段，并定义成功、失败和回滚路径。系统在 Docker沙箱中执行这些工作流，利用 artifact MCP 确保在状态转换前生成所需输出。它还包含“人工关卡”，在继续之前暂停流程以等待手动审批。

适用人群

需要在多个项目中协调复杂、多步骤 AI 代理工作流，并需要一种结构化方式来监控、审查和批准代理生成的代码和计划的开发者和项目经理。

主要亮点

• 可视化工作流画布：使用带有检查点、成功/失败路径和回滚边的节点设计代理逻辑。
• 多后端支持：可接入多个代理后端，包括 Cursor、Claude Code、CodeBuddy、Trae 和 OpenCode。
• 结构化成果物：将代理的冗长输出转化为可视化规格、计划和 HTML 预览，实现快速审查。
• 沙箱执行：在隔离的 Docker 沙箱中运行代理，支持集成 Git 交付（GitHub/GitLab/SSH）。
• 可观测性工具：包含时间线、沙箱日志以及详细的 token 使用量和成本分析。