最新

现在的智能体（Agent）已经足够强大，可以在拥有适当的护栏（guardrails）的情况下，执行长时间、自主的、多步骤的工作。其失败模式现在是流程漂移（process drift）和上下文管理（context management）。提示（Prompts）和技能（skills）可以描述一个流程，但它们无法强制执行。 Aharness 将流程变成了一个运行时（runtime）。您（您的智能体）将工作流（workflow）以有限状态机（finite state machine, FSM）的形式用 TypeScript 编写：状态定义了 Codex 接下来可以做什么，类型化的提交（typed submissions）证明了发生了什么，并且只有通过验证的出口（validated exits）才能进行状态转换。如果一个状态没有暴露出口，模型就无法进入该状态。 我们的设想是，有用的工作流是可重用的软件，而不是四处复制的提示。FSM 的目的是被维护、共享和构建。将您最喜欢的工作流安装为一个 npm 包，并在其之上进行构建。 Aharness 可以集成您已有的 Codex 设置：您的 AGENTS.md、技能、MCP 服务器和权限。它是技能（skill）和自定义智能体（custom agent）之间的缺失环节。这是一个早期实验项目，采用 Apache-2.0 许可。我们欢迎反馈，特别是关于创作模型（authoring model）和组合（composition）方面的。 那么 Claude Code 的动态工作流（dynamic workflows）呢？这两种方法都试图用不同的假设来解决同一个问题。动态工作流假设 Claude 能够设计出符合您期望的工作流，并且它们是一次性的。Aharness 则假设您希望控制您的工作流，以便随着时间的推移对其进行改进和构建。

Shumai 是一个开源平台，集成了创意文件上传、项目管理、精确反馈收集、作品分享以及与 AI 代理协作等功能，在一个简洁的、以创意为中心的工作空间内实现。 我一直很喜欢 Frame.io 的产品设计，我想构建一个同样精致、同时又开源且易于自托管的替代品。 您可以在几分钟内使用 docker compose 部署 Shumai。也可以从 npm 安装，但您需要提供自己的 PostgreSQL 实例并安装 pgvector 扩展。 对于大型部署，Shumai 支持通过 Temporal 进行分布式处理，允许转码等资源密集型任务独立扩展。 目前尚处于早期开发阶段，欢迎您尝试并分享任何反馈。 演示：https://staging.shumai.one