Skip to content

1.0（预览版，并没实际加入真推理）

Choose a tag to compare

View all tags
@lza6 lza6 released this 15 Nov 03:55
1.0
e1993d4
This commit was created on GitHub.com and signed with GitHub’s verified signature.
GPG key ID: B5690EEEBB952194
Verified
Learn about vigilant mode.

🚀 iFlow - AI驱动的自动化开发工作流

许可证: Apache 2.0
Python 版本
状态: 积极开发中
贡献指南

欢迎来到 iFlow 的世界！ 这是一个雄心勃勃的开源项目，旨在通过 AI 智能体和标准化工作流，彻底革新软件开发的模式。我们不仅仅是在构建一个工具，更是在探索一种全新的、与 AI 协作共生的开发哲学。🌟

📜 我们的哲学：让创造回归纯粹

"工具的意义在于延伸人的能力，而非成为人的枷锁。"

在软件开发的星辰大海中，我们常常迷失在繁琐的配置、重复的劳动和复杂的技术细节里，忘记了我们最初的航向——创造。

iFlow 的诞生源于一个纯粹的信念：将开发者从重复的"体力劳动"中解放出来，回归创造的本源。 🧠

我们相信，未来的开发是人与 AI 的"双人舞"。开发者是那个提出"我想去哪里"的领航员，而 AI 智能体则是那个"知道如何造船、如何航行"的大副。iFlow 就是连接领航员与大副的"舰桥"系统。

它不仅仅是一个 CLI 工具，更是一个：

功能 描述 图标
思想放大器 将模糊的想法转化为清晰、可执行的蓝图 🔬
效率倍增器 将数小时甚至数天的工作压缩到分钟级别 ⚡
质量守护者 通过内置最佳实践确保代码质量 🛡️
知识传承者 将最佳实践固化为可复用的智能体和工作流 📚

加入我们，不仅仅是使用一个工具，更是参与一场关于未来软件开发的伟大实验。无论您是刚入门的新手，还是经验丰富的专家，在这里，您都能找到"我来，我也行！"的愉悦和成就感。💖

✨ 什么是 iFlow？

iFlow 是一个可扩展的、基于命令行的 AI 智能体与工作流编排框架。

想象一下，您只需要用简单的指令告诉 iFlow 您的目标：

/speckit.specify 我想要一个用户登录功能

然后，iFlow 的智能体大军就会自动为您完成整个开发流程：

graph TD
    A[🚀 开始] --> B[📋 需求分析]
    B --> C[🏗️ 架构设计]
    C --> D[📝 任务拆分]
    D --> E[💻 代码实现]
    E --> F[🧪 质量测试]
    F --> G[🔒 安全审计]
    G --> H[✅ 完成]
    
    style A fill:#4CAF50,color:white
    style H fill:#4CAF50,color:white
    style B fill:#2196F3,color:white
    style C fill:#2196F3,color:white
    style D fill:#FF9800,color:white
    style E fill:#FF9800,color:white
    style F fill:#9C27B0,color:white
    style G fill:#9C27B0,color:white

🎯 核心优势

🤖

极致的自动化

将繁琐的开发流程自动化，让您专注于核心业务逻辑

📜

高度的标准化

通过 Speckit 方法论确保每个项目都遵循最佳实践

💨

惊人的便捷性

简单 CLI 命令调动 AI 专家"梦之队"为您服务

🧠

专家知识沉淀

内置 47+ 专家智能体，覆盖全栈开发各个领域

⚠️ 挑战与注意事项

挑战 影响程度 解决方案
学习曲线 🟡 中等 提供详细教程和渐进式学习路径
AI 依赖 🟡 中等 支持多模型，提供降级方案
初期配置 🟠 较高 一键安装脚本和配置向导
项目进化中 🟢 较低 活跃社区支持和及时更新

🎯 目标用户场景

iFlow 的设计覆盖了从个人开发者到大型团队的各种需求：

用户群体 使用场景 核心价值 图标
编程初学者 与全栈导师智能体互动学习 资深导师手把手教学，快速成长 🧑‍💻
独立开发者 快速将创意转化为原型 一人活成一支军队，效率倍增 👨‍🚀
技术团队 统一开发流程和质量标准 提升协作效率，保证项目质量 👨‍👩‍👧‍👦
架构师 技术选型和架构评审 AI 辅助决策支持 🧙‍♂️
开源爱好者 参与生态建设 共同塑造未来开发模式 ❤️

🏗️ 系统架构总览

iFlow 采用分层架构设计，确保系统的可扩展性和稳定性：

graph TB
    subgraph "🎨 表示层 (Presentation Layer)"
        A[CLI 接口]
        B[Web 仪表板]
        C[API 网关]
    end
    
    subgraph "🧠 智能体层 (Agent Layer)"
        D[需求分析智能体]
        E[架构设计智能体]
        F[代码实现智能体]
        G[质量测试智能体]
    end
    
    subgraph "⚙️ 引擎层 (Engine Layer)"
        H[工作流引擎]
        I[智能路由引擎]
        J[状态管理引擎]
    end
    
    subgraph "🔧 服务层 (Service Layer)"
        K[MCP 服务器]
        L[知识库服务]
        M[安全服务]
    end
    
    subgraph "💾 数据层 (Data Layer)"
        N[项目存储]
        O[配置存储]
        P[日志存储]
    end
    
    A --> H
    B --> H
    C --> H
    H --> D
    H --> E
    H --> F
    H --> G
    I --> H
    J --> H
    D --> K
    E --> K
    F --> K
    G --> K
    K --> N
    K --> O
    K --> P
    
    style A fill:#4CAF50,color:white
    style B fill:#4CAF50,color:white
    style C fill:#4CAF50,color:white
    style D fill:#2196F3,color:white
    style E fill:#2196F3,color:white
    style F fill:#2196F3,color:white
    style G fill:#2196F3,color:white
    style H fill:#FF9800,color:white
    style I fill:#FF9800,color:white
    style J fill:#FF9800,color:white
    style K fill:#9C27B0,color:white
    style L fill:#9C27B0,color:white
    style M fill:#9C27B0,color:white

🏁 当前项目状态

iFlow 目前处于积极开发和快速迭代阶段。

✅ 已完成功能

模块 完成度 状态 功能描述
核心工作流引擎 100% ✅ 稳定 Speckit 方法论完整实现
智能体生态系统 95% ✅ 完善 47+ 专家智能体覆盖全栈
MCP 服务器集成 85% 🔄 测试中 外部工具和服务连接
中文指令系统 100% ✅ 完整 完善的中文支持和文档
自动化测试框架 80% 🔄 优化中 核心功能测试覆盖

🚧 待实现功能

功能模块 优先级 预计完成 当前进度
智能 AI 路由 🔴 高 Q2 2024 30%
MCP 服务器完善 🟠 中 Q3 2024 60%
可视化界面 🟡 低 Q4 2024 10%
测试覆盖率提升 🔴 高 Q2 2024 75%

🚀 快速开始指南

准备好体验 iFlow 的魔力了吗？让我们用 5 分钟创建一个"Hello World"网页！

1. 环境准备

确保您的系统满足以下要求：

工具 版本要求 下载链接 验证命令
Git 2.25+ git-scm.com git --version
Python 3.9+ python.org python --version

2. 一键安装

# 1. 克隆项目到本地
git clone https://github.com/lzA6/Optimization-Cli-Workflow.git

# 2. 进入项目目录
cd Optimization-Cli-Workflow

# 3. 创建并激活 Python 虚拟环境
python -m venv venv

# Windows 用户
venv\Scripts\activate

# macOS/Linux 用户  
source venv/bin/activate

# 4. 安装依赖（如需要）
# pip install -r requirements.txt

3. 基础配置

编辑 .iflow/settings.json 配置文件：

{
  "mcpServers": {
    "openai-mcp": {
      "url": "https://api.openai.com/v1/...",
      "headers": {
        "Authorization": "Bearer YOUR_OPENAI_KEY"
      }
    },
    "anthropic-mcp": {
      "url": "https://api.anthropic.com/...",
      "headers": {
        "Authorization": "Bearer YOUR_ANTHROPIC_KEY"
      }
    }
  },
  "workflows": {
    "default": "speckit",
    "speckit": {
      "auto_commit": true,
      "create_branches": true
    }
  }
}

4. 启动 iFlow

# 启动 iFlow CLI
./iflow

# 或者使用 Python 直接启动
python -m iflow.main

5. 创建第一个项目

现在让我们使用 Speckit 工作流创建一个简单的网页：

sequenceDiagram
    participant U as 用户
    participant C as iFlow CLI
    participant S as Speckit工作流
    participant A as AI智能体
    
    U->>C: /speckit.specify 个人介绍网页
    C->>S: 启动规范阶段
    S->>A: 需求分析
    A-->>S: 生成spec.md
    S-->>C: 创建功能分支
    
    U->>C: /speckit.plan
    C->>S: 启动计划阶段
    S->>A: 架构设计
    A-->>S: 生成plan.md
    
    U->>C: /speckit.tasks
    C->>S: 启动任务阶段
    S->>A: 任务拆分
    A-->>S: 生成tasks.md
    
    U->>C: /speckit.implement
    C->>S: 启动实现阶段
    S->>A: 代码生成
    A-->>S: 生成完整项目
    S-->>C: 项目完成
    C-->>U: 🎉 项目创建成功！

具体操作步骤：

# 第一步：规范需求
/speckit.specify 我想要一个简单的个人介绍网页，包含姓名、简介和联系方式

# 第二步：生成技术方案  
/speckit.plan

# 第三步：拆解任务
/speckit.tasks

# 第四步：自动实现
/speckit.implement

完成！您的项目目录中现在应该有 index.html、style.css 等文件。双击 index.html 即可查看您的第一个 AI 构建的网页！🎉

🔬 技术原理深度解析

1. 核心哲学：统一计算实在 (UCR)

iFlow 基于统一计算实在理论，将项目的概念模型和物理实现视为统一整体：

class UnifiedComputationalReality:
    def __init__(self):
        self.conceptual_reality = {}  # 概念实在：架构、设计模式
        self.physical_reality = {}    # 物理实在：文件、代码
        
    def calculate_free_energy(self):
        """计算概念实在与物理实在之间的自由能（差异）"""
        return self._measure_discrepancy(
            self.conceptual_reality, 
            self.physical_reality
        )
    
    def minimize_free_energy(self):
        """通过智能体行动最小化自由能"""
        while self.calculate_free_energy() > ACCEPTABLE_THRESHOLD:
            action = self.plan_next_action()
            self.execute_action(action)

2. 智能体架构

每个智能体都遵循标准化规范：

graph LR
    A[📖 README.md] --> B[🧠 知识库]
    C[⚙️ 能力定义] --> D[🛠️ 工具集]
    E[📋 输入规范] --> F[🎯 输出规范]
    B --> G[🤖 智能体核心]
    D --> G
    F --> G
    G --> H[✅ 质量检查]
    H --> I[📤 结果输出]
    
    style A fill:#E3F2FD,color:#000
    style C fill:#E3F2FD,color:#000
    style E fill:#E3F2FD,color:#000
    style G fill:#4CAF50,color:white

3. 工作流引擎

工作流引擎基于状态机模式：

class WorkflowEngine:
    def __init__(self, workflow_definition):
        self.states = workflow_definition['states']
        self.transitions = workflow_definition['transitions']
        self.current_state = 'initial'
        
    def transition(self, action, context):
        """执行状态转换"""
        next_state = self._get_next_state(self.current_state, action)
        if next_state:
            self._execute_state_actions(next_state, context)
            self.current_state = next_state
            return True
        return False

4. 技术栈评级

技术组件 成熟度 难度 创新性 扩展性
Agent 架构 🟢 成熟 ★★★★☆ 🔴 高 🟢 优秀
Speckit 工作流 🟢 成熟 ★★★☆☆ 🟠 中 🟢 优秀
UCR 理论 🟡 实验性 ★★★★★ 🔴 高 🟡 中等
MCP 集成 🟢 稳定 ★★★☆☆ 🟠 中 🟢 优秀
安全框架 🟢 生产级 ★★★★☆ 🟠 中 🟢 优秀

🗂️ 项目文件结构

📂 Optimization-Cli-Workflow/
├── 📄 README.md                          # 项目主文档
├── 📄 智能体标准化规范.md                # 智能体开发规范
├── 📄 CONTRIBUTING.md                    # 贡献指南
├── 📂 .iflow/                           # 核心配置目录
│   ├── 📄 settings.json                  # 主配置文件
│   ├── 📄 IFLOW.md                       # 内部文档
│   ├── 📂 agents/                       # 智能体目录
│   │   ├── 📄 README.md                  # 智能体总览
│   │   ├── 📄 SOLUTION_GUIDE.md          # 解决方案指南
│   │   ├── 📂 analysis/                 # 分析类智能体
│   │   ├── 📂 architecture/             # 架构类智能体  
│   │   ├── 📂 development/              # 开发类智能体
│   │   ├── 📂 security/                 # 安全类智能体
│   │   └── 📂 testing/                  # 测试类智能体
│   ├── 📂 core/                         # 核心引擎
│   │   ├── 📄 intelligent_router_engine.py    # 智能路由引擎
│   │   ├── 📄 workflow_engine.py              # 工作流引擎
│   │   └── 📄 state_manager.py                # 状态管理器
│   ├── 📂 workflows/                    # 工作流定义
│   │   ├── 📄 speckit.toml              # Speckit 工作流
│   │   ├── 📄 universal-workflow.yaml   # 通用工作流
│   │   └── 📄 price-to-xhs-optimized.toml    # 小红书工作流
│   ├── 📂 mcp_servers/                  # MCP 服务器
│   │   ├── 📄 openai_mcp.py             # OpenAI 集成
│   │   ├── 📄 anthropic_mcp.py          # Anthropic 集成
│   │   └── 📄 xhs_toolkit.py            # 小红书工具包
│   └── 📂 tests/                        # 测试目录
│       ├── 📄 comprehensive_test_framework.py
│       ├── 📄 unit_tests/
│       └── 📄 integration_tests/
├── 📂 .specify/                         # Speckit 模板
│   ├── 📂 templates/                    # 模板文件
│   ├── 📂 scripts/                      # 辅助脚本
│   └── 📂 memory/                       # 记忆存储
└── 📂 docs/                             # 文档目录
    ├── 📄 comprehensive_technical_documentation.md
    ├── 📄 api_reference.md
    └── 📄 user_guide.md

🗺️ 未来发展路线图

🎯 近期目标 (Q2-Q3 2024)

功能 优先级 状态 负责人
修复测试用例 🔴 紧急 🟡 进行中 核心团队
完善 MCP 服务器 🔴 高 🟡 进行中 后端团队
智能路由优化 🟠 中 🟢 计划中 AI 团队
新手教程完善 🟠 中 🟢 计划中 文档团队

🚀 中期目标 (Q4 2024)

gantt
    title iFlow 中期发展规划
    dateFormat  YYYY-MM-DD
    section 智能化升级
    智能路由引擎优化    :active, 2024-07-01, 60d
    智能体自进化系统    :2024-08-01, 90d
    动态知识图谱      :2024-09-01, 120d
    
    section 生态扩展  
    可视化工作流编辑器  :2024-10-01, 90d
    智能体市场        :2024-11-01, 60d
    开发工具集成      :2024-12-01, 90d

🌟 长期愿景 (2025+)

  1. 真正的 AI 开发伙伴

    • 上下文感知的智能建议
    • 自然语言驱动的完整开发周期
    • 跨项目知识迁移和学习

  2. 软件开发"自洽"

    • 自主需求分析和实现
    • 智能错误修复和优化
    • 持续集成和部署自动化

  3. 繁荣的开源生态

    • 智能体市场和插件系统
    • 社区驱动的功能扩展
    • 企业级支持和服务

🤝 如何参与贡献

我们热烈欢迎每一位对 AI 开发和开源精神充满热情的开发者！

🛠️ 贡献流程

graph LR
    A[🐙 Fork 仓库] --> B[🌿 创建特性分支]
    B --> C[💻 开发功能]
    C --> D[🧪 运行测试]
    D --> E[📝 提交更改]
    E --> F[🔀 推送分支]
    F --> G[🎯 创建 Pull Request]
    G --> H[👀 代码审查]
    H --> I[✅ 合并完成]
    
    style A fill:#4CAF50,color:white
    style I fill:#4CAF50,color:white

📋 贡献指南

  1. 报告问题

    • 使用 issue 模板
    • 提供详细的重现步骤
    • 包含环境和版本信息

  2. 提交代码

    • 遵循代码规范
    • 添加适当的测试用例
    • 更新相关文档

  3. 提出建议

    • 详细描述功能需求
    • 提供使用场景示例
    • 讨论技术实现方案

🏆 贡献者权益

  • 代码署名：所有贡献者将在贡献者名单中永久记录
  • 早期体验：优先获得新功能测试权限
  • 社区认可：优秀贡献者获得社区荣誉称号
  • 职业发展：获得参与前沿 AI 项目的宝贵经验

📞 获取帮助与支持

🎓 学习资源

  • 官方文档：完整的 API 参考和用户指南
  • 视频教程：Step-by-step 的操作演示
  • 示例项目：真实世界的使用案例
  • 社区论坛：与其他开发者交流经验

🐛 问题解决

  1. 查看常见问题：我们整理了常见问题及解决方案
  2. 搜索现有 issue：您的问题可能已经被解决
  3. 提交详细报告：提供完整的环境信息和错误日志
  4. 社区讨论：在论坛或聊天群组中寻求帮助

🌐 社区链接

平台 链接 主要用途
GitHub 项目仓库 代码贡献、问题报告
Discord 社区聊天 实时交流、技术支持
文档站点 官方文档 完整文档、教程
博客 技术博客 最新动态、技术分享

🎉 开始您的 iFlow 之旅！

现在，您已经了解了 iFlow 的全部魅力。无论您是想要：

  • 🚀 快速启动新项目
  • 🎯 学习全栈开发最佳实践
  • 🤖 体验 AI 辅助编程的威力
  • 🌟 参与塑造未来开发模式

iFlow 都为您准备好了完美的平台。

立即开始：

git clone https://github.com/lzA6/Optimization-Cli-Workflow.git
cd Optimization-Cli-Workflow
./iflow

加入我们，一起探索 AI 与人类协作开发的无限可能！ ✨

🌟 星星这个项目，支持我们的开源之旅！

让创造，回归纯粹。

Assets 2
Loading