一个面向 macOS 的万物编排工作台（Universal CLI Orchestration Workbench）
不仅能将 Codex、Claude、Cursor-Agent 等多种 AI 工具无缝组织成可视化工作流，还能混合编排任意传统 CLI 命令（如 git、npm、docker、ffmpeg 等），在本地完成研发、测试、部署与自动化运维的完整闭环。
简体中文 | English
AgentCrew 并非要替代某一个具体的 AI 聊天工具，而是提供一个统一的 Orchestration Layer，让多种 AI CLI 能以更稳定、可复用、可观察的方式协作。
- 基于 SwiftUI 构建，运行轻量、流畅。
- 可视化 Flowchart、全链路执行监控、本地系统通知。
同一任务可自由在两种模式间切换，兼顾执行效率与智能闭环：
- ⚡️ Pipeline 模式：基于静态 DAG 工作流，执行路径极短。适合目标明确、步骤固定、追求速度与成本控制的标准化任务。
- 🧠 Agent 模式：基于多轮动态执行（Plan -> Execute -> Evaluate -> Replan）。支持自动诊断失败原因、自动补齐修复步骤，并在高风险操作前（如删除、大规模重构）挂起等待人工审批 (Human-in-the-loop)。
摒弃死板的全串行执行。AgentCrew 自动解析任务步骤之间的显式依赖（Run After）与隐式依赖（Sequential Stage），将可并行的步骤打包成「Wave (波次)」，最大化利用并发性能，大幅缩短长链路任务的等待时间。
只需输入一句话自然语言（如：“给项目新增 JWT 用户认证与单测”），系统会自动为你拆解出 Implement -> Review -> Fix -> Verify 的结构化步骤，并自动分配合适的底层 AI 工具。
- 深度兼容 AI 工具：原生支持
Cursor/cursor-agent、Claude、Codex等大模型 CLI。 - 极简 CLI 配置：提供一键开关，轻松在开源版与内部特供版 CLI 命令间无缝切换，内置环境探针自动完成路径解析。
打破“仅限 AI 工具”的局限，AgentCrew 底层拥有强大的通用执行器，通过以下架构机制实现万物编排：
- 无缝接入现有工具链：完美支持
git、npm、python、docker、ffmpeg等任意能在 macOS 终端运行的命令。 - 与大模型互通：支持将提示词或前序 AI 节点的输出以占位符（
{{prompt}}）或标准输入（stdin）的形式安全传导给 Shell 脚本。 - 无限混合编排：例如用 Cursor 编写代码，跑
npm run test验证，失败时由 Agent 自动抓取报错让 Claude 分析并生成 Patch，最后由自定义 Shell 脚本完成部署。
- 智能模式推荐：在任务创建前，根据任务复杂度、风险等级、多工具协作需求等维度进行评分，自动为你推荐最合适的执行模式（Agent 或 Pipeline），并在执行中提供动态切换建议。
- Mode Insights 分析大盘：内置运行数据分析看板，可视化展示推荐采纳率、模式分布与 7 日趋势。支持导出详细日志，辅助团队复盘与引擎调优。
打破“仅限 AI 工具”的局限，AgentCrew 也是一个带可视化界面、支持大模型动态规划、且具备状态管理的加强版 Make 或本地化 Jenkins。
- 自动化工作台：把团队常用的 “实现代码 -> 代码 Review -> 修复问题 -> 跑通验证” 固化为可复用的标准 Pipeline。
- 长链路协作：在同一个项目中，让 Claude 负责写文档，Cursor 负责写代码，自动化脚本负责构建，一步到位。
- 局部重试：当长达几十步的 Pipeline 在最后一步失败时，无需从头再来，支持按 Stage 或单 Step 原地重跑。
- 轻量级本地 CI/CD (DevOps)：利用波次 (Wave) 并发执行
lint和test，成功后串行执行build，最后调用 AI 自动生成CHANGELOG，并在推送到云端前挂起等待人工（waitingHuman）审批。 - 多媒体/数据批处理：利用 DAG 的最大化并发性能，同时启动数十个进程（如
ffmpeg）处理耗时任务，或并发抓取数据后交由大模型清洗、分析并自动发送邮件周报。 - 智能运维与故障自愈：并发巡检本地或远程服务，当指标异常导致 Step 失败时，触发 Agent 机制。自动将报错丢给 AI 生成诊断报告及修复命令（Patch Step），人工审批通过后执行恢复。
| 维度 | ⚡️ Pipeline 模式 | 🧠 Agent 模式 |
|---|---|---|
| 适用场景 | 任务明确、步骤固定、追求速度与确定性 | 需求模糊、需要反复“实现-审查-修复”的探索任务 |
| 计划生成 | 一次性固定生成 | 每轮动态重规划 (Re-planning) |
| 失败处理 | 任务中止，需人工修改流程后重跑 | 自动诊断并动态生成补救 (Patch) 与验证任务 |
| 协作方式 | 显式依赖的串行/并行执行 | 多角色协作 (Coder/Reviewer/Fixer) + 评估驱动 |
| 人工介入 | 失败中止后排查 | 支持中途状态拦截 (ask_human) 审批高危操作 |
| 成本/速度 | 🚀 更快、Token 消耗更低 | 🛡 更稳健、成功率更高 (相对耗时) |
flowchart TD
%% 定义高颜值样式类
classDef start_end fill:#e1f5fe,stroke:#0288d1,stroke-width:2px,color:#01579b,rx:10px,ry:10px
classDef process fill:#f5f5f5,stroke:#9e9e9e,stroke-width:2px,color:#424242,rx:5px,ry:5px
classDef decision fill:#fff8e1,stroke:#ffb300,stroke-width:2px,color:#f57f17
classDef success fill:#e8f5e9,stroke:#388e3c,stroke-width:2px,color:#1b5e20,rx:10px,ry:10px
classDef fail fill:#ffebee,stroke:#d32f2f,stroke-width:2px,color:#b71c1c,rx:10px,ry:10px
classDef manual fill:#f3e5f5,stroke:#8e24aa,stroke-width:2px,color:#4a148c,rx:5px,ry:5px
%% 节点定义
A(["用户输入 / 设定目标"]):::start_end
B["Planner 一次性生成<br/>固定 DAG Pipeline"]:::process
C["调度引擎：解析依赖<br/>并按 Wave 划分"]:::process
D["执行当前 Wave：<br/>并发 / 串行运行 Steps"]:::process
E{"Wave 执行结果"}:::decision
G(["结束 Completed"]):::success
H["任务中止 Failed"]:::fail
I["用户手工介入检查 / 修改"]:::manual
J["从失败节点发起<br/>局部重跑 Retry"]:::manual
%% 连接关系
A --> B
B --> C
C --> D
D --> E
E -- "成功：仍有后续 Wave" --> C
E -- "成功：所有 Wave 完毕" --> G
E -- "失败：触发 Fail-Fast" --> H
H --> I
I --> J
Pipeline 执行机制说明：
- 固定生成：由 Planner 根据目标一次性生成所有 Stage 及其依赖关系的静态 DAG 图。
- 波次调度 (Wave)：系统自动解析任务依赖，将互不阻塞的任务打包为 Wave，从而最大化并发执行效率。
- 提早失败 (Fail-Fast)：一旦某个 Wave 发生严重错误，任务便提早中断，避免后续执行导致资源浪费。
- 局部重试：如果任务中止，用户可在排查修正错误后，直接从失败节点或 Stage 重新发起局部重跑，无需从头开始。
flowchart TD
%% 定义高颜值样式类
classDef start_end fill:#e1f5fe,stroke:#0288d1,stroke-width:2px,color:#01579b,rx:10px,ry:10px
classDef process fill:#f5f5f5,stroke:#9e9e9e,stroke-width:2px,color:#424242,rx:5px,ry:5px
classDef decision fill:#fff8e1,stroke:#ffb300,stroke-width:2px,color:#f57f17
classDef success fill:#e8f5e9,stroke:#388e3c,stroke-width:2px,color:#1b5e20,rx:10px,ry:10px
classDef fail fill:#ffebee,stroke:#d32f2f,stroke-width:2px,color:#b71c1c,rx:10px,ry:10px
classDef manual fill:#f3e5f5,stroke:#8e24aa,stroke-width:2px,color:#4a148c,rx:5px,ry:5px
classDef strategy fill:#e8eaf6,stroke:#3f51b5,stroke-width:2px,color:#1a237e,rx:5px,ry:5px
A(["用户输入目标"]):::start_end --> P["Planning: 生成初始 Pipeline"]:::process
P --> C["Execution: 调度运行当前计划"]:::process
C --> D["Evaluation: 评估执行结果"]:::process
D --> E{"动态决策与<br/>轮次判断"}:::decision
E -- "成功" --> G(["结束 Completed"]):::success
E -- "触发高危操作" --> H["挂起: 等待人工干预"]:::manual
H -. "审批通过" .-> C
E -- "失败: 策略 1" --> S1["Retry:<br/>原路径重试失败与跳过的 Step"]:::strategy
E -- "失败: 策略 2" --> S2["Local Patch:<br/>失败处插入前置修复 Step"]:::strategy
E -- "失败: 策略 3" --> S3["Global Replan:<br/>LLM 全局重规划兜底"]:::strategy
S1 --> C
S2 --> C
S3 --> C
E -- "失败: 超过 max_rounds" --> X["任务中止 Failed"]:::fail
Agent 渐进式故障恢复与自愈策略（基于代码实现的真实流转）：
- 第一轮 (Strategy:
originalPipeline)：运行最初规划的 Pipeline。 - 第二轮 (Strategy:
retryFailedStage)：如果在第一轮失败，评估器并不会立刻大动干戈，而是生成一个只包含未通过或跳过 Step 的新 Stage 沿原路径重试（Retry）。 - 第三轮 (Strategy:
localPatchInsert)：如果重跑依然失败，系统会触发 Local Patch 机制，提取失败报错并构建一个专门用于修复该前置问题的 Patch Step，将其安插在原失败 Step 的前面，确保其通过后再往下走。 - 第四轮/兜底 (Strategy:
globalReplan)：如果局部 Patch 还搞不定，这时候才会触发基于 LLM 的 Global Replan，全局重新审视上下文进行大重构。 - 彻底中止：如果以上招数用尽且超过最大允许轮次（
maxRounds），才会彻底 Abort 结束。
- macOS 14.0+
- Swift 5.9+
- 已在终端中登录并配置好至少一种受支持的 AI CLI（如 Cursor, Claude, Codex）
你可以通过以下命令验证环境：
cursor-agent --version
claude --version
codex --versionAgentCrew 是标准的 Swift Package 项目，你可以直接通过命令行启动，或使用 Xcode 打开。
通过命令行：
git clone https://github.com/YourUsername/AgentCrew.git
cd AgentCrew
swift run AgentCrew(或者使用 swift build 进行构建)
通过 Xcode：
双击 Package.swift 打开项目，选择你的 Mac 作为运行目标，点击 Run (Cmd + R)。
- 启动 App 后，前往
Settings确认已正确检测到本机的 CLI Profile。 - 点击侧边栏底部的
+选择一个本地代码仓库。 - 点击 AI Pipeline Generator，输入你的任务需求，或手动创建 Pipeline。
- 在 Pipeline 编辑器中检查各个 Step 的 Tool 和 Prompt（命令会根据环境自动生成，也可在 Advanced 中手写覆盖）。
- 在右上角选择
Pipeline或Agent模式。 - 点击 Run 开始见证奇迹！📈
本项目采用 SwiftUI 编写，分层架构设计如下：
flowchart TB
%% 定义高颜值样式类
classDef layer_ui fill:#e3f2fd,stroke:#1976d2,stroke-width:2px,color:#0d47a1,rx:5px,ry:5px
classDef layer_vm fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px,color:#4a148c,rx:5px,ry:5px
classDef layer_core fill:#e8f5e9,stroke:#388e3c,stroke-width:2px,color:#1b5e20,rx:5px,ry:5px
classDef layer_runner fill:#fff8e1,stroke:#ffa000,stroke-width:2px,color:#ff6f00,rx:5px,ry:5px
classDef layer_runner_base fill:#ffecb3,stroke:#f57f17,stroke-width:2px,color:#bf360c,rx:5px,ry:5px
classDef layer_data fill:#e0f7fa,stroke:#0097a7,stroke-width:2px,color:#006064,rx:5px,ry:5px
subgraph UI ["表现层 (SwiftUI)"]
direction LR
ContentView["主视图"]:::layer_ui
PipelineEditor["Pipeline 编辑器"]:::layer_ui
Flowchart["可视化 DAG 树"]:::layer_ui
Monitor["执行监控台"]:::layer_ui
end
subgraph VM ["视图模型层 (ViewModels)"]
AppViewModel["AppViewModel<br/>全局状态管理 & 生命周期监控"]:::layer_vm
end
subgraph Core ["核心编排层 (Orchestration)"]
DAGScheduler["DAGScheduler<br/>依赖解析与波次并发调度"]:::layer_core
AIPlanner["AIPlanner<br/>自然语言转结构化 Pipeline"]:::layer_core
CLIProfileManager["CLIProfileManager<br/>环境探针与参数装配"]:::layer_core
end
subgraph Runners ["执行层 (CLI Runners)"]
CLIRunner["CLIRunner<br/>底层进程执行器"]:::layer_runner_base
CommandRunner["CommandRunner<br/>自定义命令解析"]:::layer_runner
ToolRunner["ToolRunner<br/>预设工具路由"]:::layer_runner
Cursor["CursorRunner"]:::layer_runner
Claude["ClaudeRunner"]:::layer_runner
Codex["CodexRunner"]:::layer_runner
ToolRunner --> Cursor
ToolRunner --> Claude
ToolRunner --> Codex
CommandRunner --> CLIRunner
Cursor --> CLIRunner
Claude --> CLIRunner
Codex --> CLIRunner
end
subgraph Models ["数据模型层 (Models)"]
Data["PipelineModels / AgentModels / CLIProfile"]:::layer_data
end
%% 模块间交互连线
UI -- "User Action" --> VM
VM -. "State Binding" .-> UI
VM -- "Plan / Execute" --> Core
Core -- "Dispatch" --> Runners
Runners -- "Progress / Result" --> VM
%% 数据层依赖连线
UI -.-> Data
VM -.-> Data
Core -.-> Data
Runners -.-> Data
%% Subgraph 背景框样式
style UI fill:#f8f9fa,stroke:#c5cae9,stroke-width:2px,rx:10px,ry:10px,stroke-dasharray: 5 5,color:#333333
style VM fill:#f8f9fa,stroke:#c5cae9,stroke-width:2px,rx:10px,ry:10px,stroke-dasharray: 5 5,color:#333333
style Core fill:#f8f9fa,stroke:#c5cae9,stroke-width:2px,rx:10px,ry:10px,stroke-dasharray: 5 5,color:#333333
style Runners fill:#f8f9fa,stroke:#c5cae9,stroke-width:2px,rx:10px,ry:10px,stroke-dasharray: 5 5,color:#333333
style Models fill:#f8f9fa,stroke:#c5cae9,stroke-width:2px,rx:10px,ry:10px,stroke-dasharray: 5 5,color:#333333
核心模块说明：
Services/DAGScheduler.swift: 负责解析依赖关系与波次 (Wave) 并行调度。Services/AIPlanner.swift: 负责与大模型交互，将自然语言转化为结构化执行步骤。Services/CLIProfileManager.swift: 负责不同环境 CLI 命令参数的自适应装配。ViewModels/AppViewModel.swift: 全局状态管理、会话生命周期与模式回退分析。
- 触发机制：动态路由
在
DAGScheduler中，系统会根据节点是否配置了自定义命令进行动态路由，跳过 AI Runner，直接交给CommandRunner执行：if step.hasCustomCommand { return try await CommandRunner().execute(...) } // 否则才走常规的 Claude / Cursor 等 AI 工具
- 执行机制：纯正的 Zsh 子进程
CommandRunner底层使用zsh -lc唤起子进程执行命令，保留原汁原味的环境变量（加载.zprofile/.zshrc）。并且内置智能路径解析，执行前通过command -v寻找真实绝对路径，极大避免 "command not found" 报错：let result = try await cli.run( command: "zsh", arguments: ["-lc", resolution.commandLine], workingDirectory: workingDirectory, stdinData: stdinData )
- 数据传导：安全转义与 Stdin
系统支持
{{prompt}}占位符内联替换，自动对其进行安全的 Shell 转义（shellQuote）；若命令中没有写占位符，也会将提示词和前序输出作为标准输入流 (stdin) 直接喂给该命令。
欢迎提交 Issue 和 Pull Request！AgentCrew 仍处于快速演进阶段。 如果你希望增加新的 AI CLI 支持，或者改进 DAG 调度引擎，欢迎直接阅读源码或发起 Issue 与我们讨论。
本项目采用 Apache License 2.0 开源。