快速开始

安装

macOS / Linux —— 一键安装(自动检测平台与架构,含校验和验证):

curl -fsSL https://raw.githubusercontent.com/alib8b8/aflare/main/install.sh | bash

Windows —— PowerShell 一键安装(自动检测架构并加入用户 PATH):

irm https://raw.githubusercontent.com/alib8b8/aflare/main/install.ps1 | iex

# 手动下载二进制
#   GitHub:  https://github.com/alib8b8/aflare/releases
#   国内加速: https://ghproxy.com/https://github.com/alib8b8/aflare/releases

可选:安装 bubblewrap 以获得完整沙箱隔离(code_interpreter 节点需要)

• Ubuntu/Debian: sudo apt install bubblewrap
• macOS: brew install bubblewrap
• Fedora: sudo dnf install bubblewrap

# 1. 环境自检（零配置，立即可跑）
aflare doctor

# 2. 零配置示例：读取 post.md → 转 HTML → 写 post.html
aflare run examples/content-processor.yaml

# 3. 配置 LLM（交互式向导，本地 Ollama 或云厂商二选一）
aflare init

# 4. 关键词生成工作流（无需 LLM，纯模板匹配；加 --ai 用 LLM 生成更复杂的）
aflare create "每 10 分钟检查贵州茅台 600519 股价，超过 1400 发飞书通知"
# 输出: 工作流已生成 → 股价监控工作流（腾讯行情接口取价，A 股 6 位代码自动识别沪/深交易所）
# 通知渠道支持：飞书 / 钉钉 / 企业微信群机器人（官方 webhook，见「金融场景与合规说明」）
aflare run stock-monitor.yaml

# 5. 交互式 AI Agent 对话（ReAct Agent）
aflare chat
# 或者: aflare chat -p deepseek -m deepseek-chat

# 守护进程式 Agent（融合 stdin + 定时任务） + 可插拔能力
aflare agent -c reflection,planning,utility

项目状态

aflare 当前 v0.11.0，目标用户先做个人——个人数据在本机（文件、笔记库、个人 SQLite 库），aflare 做 AI 与这些数据之间「确定且安全」的控制层。

• 已交付：核心 Runtime（DAG 调度、WAL 崩溃恢复、Saga 事务补偿、幂等、重试/熔断，CI 验证）；v0.9 国密算法（SM3 审计链 / SM4 密钥存储，opt-in）与 MCP 一键安装；v0.10 MemHarness 记忆批判-重构、步骤级类型化输出契约、水印部署溯源（含一轮安全自检修复）；v0.11 Agent 互联与指挥（CLI/A2A 双通道，aflare 指挥和监督其他 Agent）、Connector API（命名数据源连接）、webhook 事件驱动入口、守护进程稳定性基建（soak + nightly）
• 边界声明：国产芯片（昇腾/寒武纪/海光）经 OpenAI 兼容接口接入本地推理（非原生 SDK），持续完善；硬件设备控制（机器人等）不在内置范围，可经自定义节点或 MCP Server 自行接入，数据不出内网

这是什么？

aflare 是一个本地优先的自动化 Agent，也是确定性工作流执行引擎，更是 AI 与你的数据之间「确定且安全」的控制层——你显式授权哪些数据（目录、笔记库、个人数据库），AI 在权限天花板内确定性地干活。两种模式共用同一核心：

对话式 Agent                    声明式工作流
─────────────────              ─────────────────
aflare chat                    aflare create
  ↓                              ↓
ReAct Agent 思考              关键词匹配生成
  ↓                              ↓
调用节点工具                     YAML 工作流
  ↓                              ↓
工具执行 → 反思 → 优化           DAG 调度执行

Agent 模式：通过 aflare chat 或 aflare agent 启动。内置 ReAct 推理循环，支持 6 类可插拔能力（反思、人机协同、效用驱动、记忆等）。

工作流模式：aflare create 通过关键词匹配将描述转为 YAML 工作流。YAML 确定了每一步做什么、依赖谁、失败怎么办。Runtime 负责 DAG 调度、WAL 崩溃恢复、Saga 事务补偿、熔断、审计——所有操作可追溯、可回放、可验证。

三层模型

L0: Agent        —  "帮我监控贵州茅台 600519，跌 5% 通知我"
                    ├── ReAct 推理循环（思考 → 调工具 → 观察 → 回答）
                    └── 6 类可插拔能力（反思/HITL/效用驱动等）
                       ↓
L1: Workflow     —  YAML 确定性工作流（schedule → get_price → condition → feishu）
                       ↓
L2: Runtime      —  确定性执行层
                    ├── DAG 并行调度
                    ├── Checkpoint / Resume（WAL 崩溃恢复）
                    ├── Session 持久化（跨轮次上下文保持）
                    ├── Saga 事务补偿
                    ├── Idempotency（幂等）
                    ├── Retry / Rate Limit / Circuit Breaker
                    ├── HMAC 审计链
                    └── Secret 脱敏

项目优势

aflare 面向个人用户优先（企业内网 / 本地优先场景同样适用），服务对数据隐私与安全敏感的你。核心优势：

个人数据连接器（Connector API） — 用 aflare connector add 显式授权本地目录、笔记库、个人数据库，工作流只引用连接器名：files / notes 目录连接器把 workdir 沙箱的遏制规则（禁绝对路径、禁穿越、symlink 逃逸无条件拒绝、扩展名白名单、字节数上限）应用到 ~/notes、~/Documents 等你授权的根；sqlite / mysql / postgres 数据库连接器凭据只存 secrets store / 环境变量，SQLite 只读模式纵深防御（DSN 强制 mode=ro）。连接器声明的权限天花板（只读、行数、字节）节点只能收紧、不能放宽——AI 的能力边界由你定义。

本地优先，数据不出本地 — 单二进制零运行时依赖，约 10–30MB 内存即可运行；工作流、执行历史、记忆、密钥均落本地磁盘；API Key 走环境变量或系统 keyring 注入，config.yaml 不存明文；离线全链路可用（离线安装、aflare doctor --offline 离线自检、WebUI Mermaid 离线回退）。

连接你自己的 LLM — Ollama / vLLM / LM Studio / DeepSeek 本地部署 / 任何 OpenAI 兼容 endpoint，loopback 地址（127.0.0.1 / localhost）免 API Key 接入。有本地 LLM 时由 LLM 做意图理解与动态生成工作流（--ai / chat），无 LLM 时关键词匹配兜底，离线仍可用。

连接你自己的数据库与知识库 — SQL Query 节点直连你的数据库，RAG 节点 + 向量存储 + 文档解析接入你的知识库，MCP 协议连接外部服务，自定义节点用 Go 写任意集成。aflare 不回传你的数据，遥测可关闭——只干活，不外传。

确定性执行保障 — YAML 声明式工作流：每一步做什么、依赖谁、失败怎么办全部确定。DAG 并行调度（TLA+ 形式化验证）、WAL 崩溃恢复 + Checkpoint（--resume 从中断处恢复）、Session 跨轮次持久化、Saga 事务补偿、幂等（Idempotency-Key + 跨进程锁）、重试 / 限流 / 熔断。所有操作可追溯、可回放、可验证。

Agent 与工作流双模式 — 对话式 Agent（aflare chat，ReAct 推理循环）与守护进程式 Agent（aflare agent，stdin + 定时任务 + 文件监听多源融合）共用同一核心；6 类可插拔能力（反思 / 人机协同 / 效用驱动 / 记忆 / 规划 / 工作流）；Agent 可降级为确定性工作流，灵活性与确定性兼得。

安全合规 — HMAC 哈希链审计日志（防篡改）、AES-GCM 加密 + PBKDF2（600K 迭代）、Secret 自动脱敏（10+ 种模式：AWS/GitHub/JWT/私钥）、SSRF 防护 / Path Traversal / Command Injection 白名单、出站数据量异常监控 + 熔断器自动隔离、四级安全等级（L0-L3）按需收紧。

一键上手，离线丝滑 — aflare doctor 环境自检、aflare init 交互式配置向导、未知命令智能提示（did-you-mean）、零配置示例立即可跑。

可扩展生态 — 自定义节点（Go）、MCP Server / Client（aflare mcp install 一键安装内置社区 server）、插件系统（社区 .so）。

工程质量 — 表达式引擎（字节码 IR + 向量化批量求值）、Prometheus 指标端点、CI 双架构验证（x86-64 + ARM64）、国产芯片本地推理接入（昇腾 / 寒武纪 / 海光，经 OpenAI 兼容接口）。

核心能力

功能矩阵

实验性功能见下方 实验性支持 章节。

Agent 能力（对话式 + 守护进程式）

• ReAct 推理循环 — 思考 → 调用工具 → 观察结果 → 回答，支持 native function calling 和 JSON fallback
• 统一事件循环 — 对话式（aflare chat）和守护进程式（aflare agent）共用同一 AgentLoop 核心，支持 stdin / 定时任务 / 文件监听多源输入融合
• 6 类可插拔能力 — 按需启用，映射完整 Agent 类型分类学：

Agent 互联与指挥（aflare 作为上位指挥者）

aflare 不是以 skill / 插件形式嵌入其他 Agent，而是反过来：用户安装 aflare 后，由 aflare 指挥和监督其他 Agent 工作。两条互联通道：

• CLI 通道 — 把本地 Agent CLI（codex / claude / gemini 内置预设，或任意通用 CLI）作为受管子进程运行：参数白名单校验、超时控制、输出捕获
• A2A 通道 — 通过 A2A 协议 连接远程 Agent：Agent Card 自动发现、任务提交、状态轮询、Bearer 认证（密钥走环境变量，不落盘）

注册外部 Agent（~/.config/aflare/config.yaml）：

agents:
  codex:                      # 内置预设，开箱即用
    driver: cli
    description: 代码实现与工程任务
  research-a2a:               # 任意 A2A 远程 Agent
    driver: a2a
    url: http://127.0.0.1:8080/
    api_key_env: MY_AGENT_KEY # Bearer token 从该环境变量读取
    description: 深度调研
  my-tool:                    # 任意通用 CLI
    driver: cli
    profile: generic
    binary: /usr/local/bin/my-agent
    args: ["--json"]

aflare agent list    # 查看已注册、可指挥的外部 Agent

指挥方式（三种，均带监督）：

1. supervisor 节点真实委派 — specialists 中以 @ 前缀引用注册的 Agent，aflare 用 LLM 规划子任务、并行委派（max_parallel 限流，默认 4 / 上限 16）、汇总结果：

- id: orchestrate
  node: supervisor
  params:
    specialists: "@codex,@research-a2a"   # 混搭 CLI 与 A2A Agent
    max_parallel: "2"                      # 背压：并发委派上限

2. cli_agent / a2a_agent 节点 — 工作流中单步直接委派：cli_agent 支持 model / sandbox / approval_policy / max_turns / timeout，a2a_agent 支持 agent / url / api_key_env / timeout
3. 失败隔离 — 单个 Agent 失败只记录该次结果，不拖垮整批委派；A2A 轮询对瞬时 5xx/网络抖动自动重试（提交阶段仅重试"未送达"的连接错误，避免重复执行）

安全约束：所有委派经 fail-closed 审计钩子（审计失败即拒绝执行）、prompt 长度上限、超时硬边界；CLI Agent 的 prompt 永远作为单个 argv 参数传递，不参与 flag 解析，杜绝命令注入。

Runtime 保障（确定性执行）

• DAG 并行调度 — 拓扑排序依赖调度，无依赖步骤并发执行
• WAL 崩溃恢复 + Session 持久化 — append-only 持久化 + CRC32 校验，--resume 从中断处恢复；Session 跨轮次保持上下文
• Saga 事务补偿 — 多步骤写入失败自动反向回滚
• Idempotency — Idempotency-Key + 原子占位 + 跨进程锁，防重复执行
• Retry / Rate Limit / Circuit Breaker — 指数退避 + 令牌桶 + 熔断器状态机

安全与合规

• HMAC 哈希链审计日志（防篡改）
• AES-GCM 加密 + PBKDF2（600K 迭代）
• Secret 自动脱敏（10+ 种模式：AWS/GitHub/JWT/私钥）
• SSRF 防护 / Path Traversal / Command Injection 白名单
• 出站数据量异常监控 + 熔断器自动隔离

工作流生成

• 关键词匹配生成 YAML 工作流（aflare create，见 generator.go）

LLM 节点（工作流中调用 LLM API）

• 18 家内置提供商（OpenAI / DeepSeek / Qwen / GLM / Kimi / Anthropic / Gemini / Mistral / Ollama 等），任意 OpenAI 兼容模型可用
• 完全离线运行（Ollama 本地 LLM）
• LLM 智能路由（EWMA 延迟预测 + 帕累托成本排序）

MCP 协议支持

• 内置 MCP Server，可被任何 MCP 客户端（Claude、VS Code、Cursor 等）连接
• 提供工作流运行、验证、节点查询、代码图谱等工具
• 内置 MCP Client，工作流中可直接调用外部 MCP 服务
• aflare mcp install <name> 一键安装 8 个内置社区 server
• 也可通过 DeepSeek Harness (DSH) 集成 将 aflare 工具暴露给 DSH 智能体（MCP 桥接零代码接入，或原生 Cordis 插件）

Connector API（个人数据接入主线）

命名连接器 = 你显式授权的数据源 + 策略天花板。工作流只写连接器名，凭据永不进 YAML：

# 授权笔记目录（默认只读，symlink 逃逸无条件拒绝）
aflare connector add my-notes --type notes --root ~/notes

# 授权文档目录（只允许 md/txt，显式开启写入）
aflare connector add my-docs --type files --root ~/Documents --include '*.md' --include '*.txt' --writable

# 个人 SQLite 库（DSN 强制 mode=ro 只读）
aflare connector add my-library --type sqlite --database ~/calibre/metadata.db

# 远程数据库（凭据存 secrets store，spec 只有引用）
aflare connector add my-pg --type postgres --host db.example.com --database analytics \
  --username readonly --credential-group connectors

• 五类连接器：files / notes（目录，file_read/file_write/files_list 节点）+ sqlite / mysql / postgres（数据库，sql_query 节点）
• 凭据隔离：workflow 只引用连接器名；凭据只存 secrets store（aflare secrets set）或环境变量
• 权限天花板：连接器声明只读 / max_rows / max_bytes / 扩展名白名单 / 超时——节点参数只能收紧、不能放宽
• 根目录遏制：workdir 沙箱的同一套规则（禁绝对路径、禁穿越）应用到授权根，符号链接逃逸无条件拒绝；SQLite 只读模式纵深防御
• 详细设计见 docs/connector-api.md

记忆批判-重构（MemHarness 模式）

• memory 节点 harness_search 操作：检索候选记忆时携带完整来源状态（类型/层级/置信度/记录时间/相关度），生成自包含批判 prompt；LLM 批判（keep/rewrite/discard）作为显式可重试的工作流步骤执行，无适用记忆输出 <EMPTY> 而非编造
• Agent 会话注入走确定性批判：陈旧且从未复用的记忆直接丢弃，幸存记忆带来源标注注入
• 完整示例见 examples/real-world/memharness-critique/

步骤级类型化输出契约与有界预览

• output_schema：任意节点输出按 JSON Schema（draft-07 子集）强制校验，违规按步骤失败处理并报出首个违规位置，自然流入 retry / on_error / capture_error
• preview_input: true：超 16KiB 的输入替换为头尾样本有界预览，完整值保留在工作流状态、原样传给其他步骤——LLM 看样本，确定性节点操作完整数据

工程能力

• 表达式引擎：字节码 IR + 向量化批量求值
• DAG 调度器经 TLA+ 形式化验证（spec 见 docs/tla/dag_scheduler.tla，Go 测试 dag_formal_test.go 可执行有界模型检查）
• Prometheus 指标端点
• 单二进制部署，零运行时依赖
• CI 双架构验证（x86-64 + ARM64）

实验性支持

• 昇腾 / 寒武纪 / 海光上的本地推理服务接入（通过 OpenAI 兼容接口，非原生 SDK 集成，持续完善中）
• 硬件设备控制通过自定义节点 / MCP Server 接入（aflare 不内置特定硬件驱动，避免绑定单一厂商）

架构

┌──────────────────────────────────────────────────────┐
│                    aflare                             │
│                                                       │
│  ┌──────────────────────────────────────────────────┐ │
│  │ Agent Layer (L0)                                  │ │
│  │                                                    │ │
│  │  aflare chat / aflare agent                       │ │
│  │  ┌──────────┐  ┌──────────┐  ┌────────────────┐  │ │
│  │  │ ReAct    │  │ 节点工具  │  │ 6 类可插拔      │  │ │
│  │  │ 推理循环  │  │ 工具调用  │  │ 能力            │  │ │
│  │  └──────────┘  └──────────┘  └────────────────┘  │ │
│  │                                                    │ │
│  │  ┌──────────────────────────────────────────────┐ │ │
│  │  │ AgentLoop 统一事件循环                         │ │ │
│  │  │ stdin · scheduler · filewatch · MCP · HTTP   │ │ │
│  │  └──────────────────────────────────────────────┘ │ │
│  └──────────────────────────────────────────────────┘ │
│                        ↓                               │
│  ┌──────────┐   ┌──────────┐   ┌──────────────────┐  │
│  │ Intent   │──▶│ Workflow │──▶│ Deterministic     │  │
│  │ (描述)   │   │ (YAML)   │   │ Executor          │  │
│  └──────────┘   └──────────┘   │                    │  │
│                                 │ • DAG Scheduler   │  │
│                                 │ • WAL / Checkpoint│  │
│                                 │ • Session 持久化   │  │
│                                 │ • Saga / Retry    │  │
│                                 │ • Circuit Breaker │  │
│                                 │ • Audit / HMAC    │  │
│                                 └──────────────────┘  │
│                                                       │
│  ┌──────────────────────────────────────────────────┐ │
│  │ 执行目标                                          │ │
│  │ Software (API/Web/DB/文件)                         │ │
│  │ 外部设备（经自定义节点/MCP 接入，实验性）             │ │
│  └──────────────────────────────────────────────────┘ │
└──────────────────────────────────────────────────────┘

路线图

详情见 CHANGELOG.md

安全

aflare 内置多层安全防护，支持四级安全等级（--security-level）：

其他防护：SSRF 防护、Path Traversal 防御、Command Injection 白名单、AES-GCM 加密、Secret 脱敏、HMAC 审计链、熔断器、出站监控。CI 自动运行 gofmt / go vet / gosec / govulncheck。

安全指南 →

金融场景与合规说明

aflare 提供的是数据处理与自动化执行能力，金融场景（股价监控、行情提醒、复盘报告等）只是工作流的一种应用。使用前请阅读以下说明：

数据来源

• aflare create 生成的股价监控工作流使用腾讯行情公开接口（web.ifzq.gtimg.cn）获取 A 股行情，数据可能有延迟，仅供个人学习与研究参考，不保证实时性与准确性。
• 其他公开行情接口（东方财富、新浪财经等）可通过 http_request 节点直接调用，覆盖 A 股 / 港股 / 美股 / 基金等品种。
• 任何第三方数据源（腾讯、东方财富、新浪等）的合规使用责任由使用者承担，商用前请确认数据授权。

通知渠道

行情提醒等通知通过 notify 节点发送，国内合规渠道均为各平台官方群机器人 webhook：

• 个人微信与 QQ 没有官方机器人推送接口，为实现合规推送，微信生态请使用企业微信群机器人（wecom）。
• 生成工作流时在描述中写明渠道即可，如 aflare create "每 10 分钟检查贵州茅台 600519 股价，超过 1400 发飞书通知"，运行前用 --set feishu_webhook_url=<你的 webhook 地址> 传入。

定位边界

免责声明

本项目及其生成的任何数据、报告、通知均不构成投资建议，不承诺任何收益，不承担因使用本项目产生的任何直接或间接损失。行情数据可能存在延迟或错误，请以交易所官方披露为准。投资者应独立判断并自担风险，必要时咨询持牌投资顾问。

文档

• 入门指南 · 教程 · YAML 语法
• 数据流 · 调度 · MCP · 插件 · 连接器
• Web UI · 可视化 · 自定义节点
• API 文档 · 节点参考
• 部署指南 · Docker · 多租户
• 故障排除

贡献

欢迎社区贡献！

贡献指南 →

许可证

GNU Affero General Public License v3.0 — LICENSE