catlog22/maestro-flow

What it solves

Maestro-Flow 解決了大多數 AI 程式設計工具僅允許單一代理執行單一任務的限制。它讓多個代理在整個軟體開發生命週期中協同合作——從構思、規劃到部署——透過以意圖為驅動的協調框架，根據即時執行結果動態調整策略。

How it works

此框架使用 Ralph v2 引擎將自然語言意圖轉換為超過 40 種預先定義的指令鏈之一。它透過以下幾個關鍵機制來管理整個流程：

• Adaptive Orchestration：不使用靜態 YAML 設定，而是透過決策節點根據實際結果判斷是否繼續、回滾或插入修復迴圈。
• Cross-Backend Scheduling：可混合不同 LLM 後端（如 Claude、Gemini、Qwen 與 OpenCode），並使用四種協調模式：Delegate（非同步）、Team（角色式）、Wave（平行依賴）以及 Swarm（探索式）。
• Knowledge Self-Enhancement：在執行過程中發現的模式、陷阱與決策會以 Specs 與 Knowhow 的形式儲存至知識圖（SQLite），並自動注入未來的提示中。
• Long-Cycle Autonomy：Odyssey 系統透過自主迴圈處理長時間任務（如深度重構或安全稽核），迴圈會持續執行至滿足特定接受標準。

Who it’s for

需要先進多代理系統來自動化複雜程式工作流程、大規模除錯與架構改進，且不想手動設定管線每一步的開發者。

Highlights

• Intent-to-Chain Mapping：自動將自然語言目標分類至專門的執行管線。
• Dynamic Quality Modes：提供 full、standard 與 quick 三種管線，以在嚴謹驗證與快速原型之間取得平衡。
• Knowledge Graph Integration：使用持久化的 SQLite 為基礎的知識圖，使系統隨使用次數增多而變得更「聰明」。
• Odyssey Autonomous Loops：針對除錯、安全稽核與 UI 最佳化的專屬模式，必要時可獨立運行數小時。
• MCP Support：整合 Model Context Protocol（MCP），提供擴充的工具功能。