dsh-plugin-verified-search
f0909172434
Verified current-source search workflow for DeepSeek Harness
PROJECT TOPICS
PROJECT README
中文 · English
让 AI 告别聊天,开始执行
本地优先 · 数据不出本地 · 连接你自己的 LLM / 数据库 / 知识库 · ReAct 推理 · 300+ 技能模板 · 确定性工作流执行
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
# Homebrew(macOS / Linuxbrew)
brew install alib8b8/tap/aflare
# 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
deb / rpm 包见每个 Release 的附件。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 BTC 价格,超过 70000 发 Telegram 通知"
# 输出: 工作流已生成 → btc-monitor.yaml
aflare run btc-monitor.yaml
# 5. 交互式 AI Agent 对话(ReAct Agent + 300+ 技能)
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
aflare 目前处于 v0.9.0 阶段。核心 Runtime 能力(DAG 调度、WAL 崩溃恢复、Saga 事务补偿、幂等、重试/熔断)已实现并通过 CI 验证。v0.8 重点交付离线/内网首选项体验、隐私安全硬化、本地 LLM 丝滑接入与 CLI 体验优化;v0.8.1 为发布审计修复;v0.9.0 交付国密算法支持(SM3 审计链 / SM4 密钥存储,opt-in)、审计链安全硬化(每安装随机 HMAC 密钥、跨进程日志锁、bundle 截断伪造防护)、MCP server 一键安装(aflare mcp install)与 0.8.x 字节级升级兼容。国产芯片(昇腾/寒武纪/海光)场景通过 OpenAI 兼容接口接入本地推理服务(非原生 SDK 集成),持续完善中。硬件设备控制(机器人等)不在内置范围——用户可通过自定义节点或 MCP Server 自行接入,数据不出内网。
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。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 300+ 技能模板 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,拥有 300+ 预置技能模板(16 个领域),支持 7 类可插拔能力(反思、人机协同、效用驱动、自适应等)。
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。
L0: Agent — "帮我监控 BTC,跌 5% 通知我"
├── ReAct 推理循环(思考 → 调工具 → 观察 → 回答)
├── 300+ 技能模板(16 个领域)
└── 7 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 → telegram)
↓
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
aflare 面向内网 / 本地优先、对数据隐私与安全敏感的企业用户与个人。核心优势:
本地优先,数据不出本地 — 单二进制零运行时依赖,~5MB 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、332 模板内嵌进二进制首跑自动释放)。
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,不窃取企业内部数据。
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;7 类可插拔能力(反思 / 人机协同 / 效用驱动 / 自适应 / 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。300+ 预置技能模板覆盖 16 个领域。
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、aflare template run <id> 一键运行模板(无需 clone 或记路径)、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)、社区模板贡献(aflare template submit)、场景包一键安装(aflare install-pack)。已有 332 Skill 覆盖 17 个领域,目标 1000+。
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)。
| 功能 | 状态 | 验证状态 |
|---|---|---|
ReAct Agent 对话 (aflare chat) |
✅ | 有测试 |
守护进程式 Agent (aflare agent) |
✅ | 有测试 |
| 300+ 技能模板(16 个领域) | ✅ | 有测试 |
| 7 类可插拔能力(反思/HITL/效用驱动等) | ✅ | 有测试 |
| 多源输入融合(stdin + 定时任务 + 文件监听) | ✅ | 有测试 |
| DAG 并行调度 | ✅ | 有测试 + TLA+ 形式化验证 |
| WAL 崩溃恢复 + Session 持久化 | ✅ | 有测试 |
| Saga 事务补偿 | ✅ | 有测试 |
| Idempotency(幂等) | ✅ | 有测试 |
| Retry / Rate Limit / Circuit Breaker | ✅ | 有测试 |
| HMAC 审计链 | ✅ | 有测试 |
| Secret 脱敏 | ✅ | 有测试 |
| 表达式引擎(字节码 IR + 向量化) | ✅ | 有测试 |
| 关键词匹配生成工作流 | ✅ | 有测试 |
| MCP 协议支持(Server/Client) | ✅ | 有测试 |
| LLM 节点(22+ 模型) | ✅ | 有测试 |
| 安全等级(L0-L3) | ✅ | 有测试 |
实验性功能见下方 实验性支持 章节。
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| 能力 | 类型 | 说明 |
|---|---|---|
reflection |
反思/自我批评 | 每轮执行后自动评估输出质量,触发自我修正 |
human-in-loop |
人机协同 | 关键操作暂停,请求人类确认后继续 |
utility |
效用驱动 | 6 维度评分(正确性/完整性/效率/安全/清晰/可操作),优化决策 |
adaptive |
学习型/自适应 | 从反馈中学习,跨轮次改进表现 |
memory |
有状态 | 跨会话长期记忆,记住用户偏好 |
planning |
规划式 | 行动前生成计划,逐步执行 |
workflow |
工作流/管道式 | 优先使用已有模板,稳定可预测 |
--resume 从中断处恢复;Session 跨轮次保持上下文aflare create,见 generator.go)docs/tla/dag_scheduler.tla,Go 测试 dag_formal_test.go 可执行有界模型检查)┌──────────────────────────────────────────────────────┐
│ aflare │
│ │
│ ┌──────────────────────────────────────────────────┐ │
│ │ Agent Layer (L0) │ │
│ │ │ │
│ │ aflare chat / aflare agent │ │
│ │ ┌──────────┐ ┌──────────┐ ┌────────────────┐ │ │
│ │ │ ReAct │ │ 300+ │ │ 7 类可插拔 │ │ │
│ │ │ 推理循环 │ │ 技能模板 │ │ 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) • Devices (Phone/HarmonyOS) │ │
│ │ Robots (Drone, extensible) • IoT │ │
│ └──────────────────────────────────────────────────┘ │
└──────────────────────────────────────────────────────┘
| 版本 | 状态 | 重点 |
|---|---|---|
| v0.6 | 已完成 | Agent 记忆基础设施、语音 AI 工具链、WAL 持久化、TLA+ 验证 |
| v0.7 | 已完成 | 金融场景增强(Saga / 幂等 / 审计链)、ReAct Agent 对话、300+ 技能模板、7 类可插拔能力、Agent 统一事件循环 |
| v0.8 | 已完成 | 离线/内网首选项体验、隐私安全硬化、本地 LLM 丝滑接入、CLI 体验优化(template run / 智能命令提示)、CI 提速 |
| v0.8.1 | 已完成 | 发布审计修复:国内安装 404、aflare mcp 子命令、execute 白名单错误定位、govulncheck 漏洞清零 |
| v0.9 | 已完成 | 国密算法支持(SM3/SM4,opt-in)、审计链安全硬化(随机 HMAC 密钥、跨进程锁、bundle 防截断伪造)、aflare mcp install 一键安装、供应链场景包、loong64 |
| v0.10 | 计划中 | 国产芯片适配完善、Agent 能力深化 |
| v1.0 | 计划中 | 稳定 API、LTS |
详情见 CHANGELOG.md
aflare 内置多层安全防护,支持四级安全等级(--security-level):
| 等级 | 说明 |
|---|---|
| L0 | 宽松:允许所有节点,沙箱降级时仅警告 |
| L1 | 标准:沙箱降级时警告,启发式拦截 |
| L2 | 严格:无 bwrap 沙箱时拒绝执行 code_interpreter,命令白名单校验 |
| L3 | 极严:禁用 code_interpreter 节点,最大安全策略 |
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。
欢迎社区贡献!除了代码,你还可以提交 Skill 模板:
templates/ 对应领域目录下创建 YAML 模板(参考 YAML 语法)go test ./... 验证或者使用一键提交命令:
# 创建模板
aflare template submit my-workflow.yaml --category devops-infra --author "Your Name"
# 一键安装场景包
aflare install-pack devops # 安装 DevOps 全套模板 + 推荐能力配置
aflare install-pack --list # 查看所有可用场景包
已有 332 Skill 覆盖 17 个领域,目标 1000+。你的模板可以补上缺失的一环。
GNU Affero General Public License v3.0 — LICENSE
GitHub · Issues · Discussions
CLASSIFICATION EVIDENCE
系统优先读取 GitHub Topics,再与站内分类词典和词根规则比对。