AIScientists-Dev/Flowtrace
AIScientists-Dev/Flowtrace has 483 GitHub stars and 32 forks. GitHot measured 0 stars in 24 hours. Last checked 2026-11-09 05:19 UTC. Last push 2026-06-09.
Run a task with AI as a flow of steps you keep, reuse, and refine, not a one-off chat.
实测星标增长
- 24小时
- 0
- 7天
- 更新延迟
- 15天
- 更新延迟
- 1个月
- 更新延迟
各周期内的星标净变化,周期相互重叠,并非每日新增。缺失的测量保持空白。星标代表关注度,不代表软件质量。
docs/README.zh-CN.md
原文
Flowtrace
把 agent 的工作跑成一串你能看懂、能核验、能复用的 step,而不是一段把你淹没、转头就消失的文字。
兼容你已经在用的 agent:Claude Code、Codex、Cursor。
English · 简体中文
⭐ 觉得 Flowtrace 有用,就给个 star (按钮在右上角) —— 这是我们判断要不要继续公开打磨它的依据。
与 agent 的实际工作,呈现为一段文字流。你运行一个 skill,它一次性完成整个任务;或在一段不断变长的 chat 中反复往返。无论哪种,信息累积的速度都快于你能跟进的速度;任务结束时,留给你的是一整面墙的消息。
对于一次随手的提问,这样没问题。但对于一个买入或卖出的判断、一份尽职调查备忘、一道安全门禁,以及任何你真正需要核验、或需要重复运行的工作,这就成了问题:
- 信息过载。 对话不断变长,超出你能掌握的范围,当初做了哪些决策、依据为何,逐渐无从追溯。
- 无法核验。 一个自信的错误结论,与正确结论在外观上无从区分。
- 无法干预。 中途一处前提有误,往往意味着整体重做,且只能寄望其中有效的部分得以保留。
- 难以留存。 每次 session 都是冷启动,有价值的成果消散在历史记录之中。
Flowtrace 把同样的工作跑成一条 trace:一串 step 组成的流程,agent 一次只走一步,每一步都把产出写进一个文件。下面就是这样一条 trace,一个买入或卖出的判断,最终落成一份格式固定、可引用的 PDF:
它能做什么
同样的 skill,同样的 agent。变的是:把这份工作跑成一条 trace。
透明(Transparent)。 工作是一串一眼就能看清的 step,而不是一段需要滚动的线程。每一步的产出都是一个能打开的文件,中间过程就摆在那里,而不是埋在消息里。
每一步依次运行,并把产出写进一个文件。
有据可查(Grounded)。 每个结论都能指回它来自的文件,所以你是核验,而不是盲信。
可介入(Steerable)。 改其中一步,只有依赖它的部分会重跑,其余的原地不动。
可追溯(Traceable)。 整次 run 都是文件加 git,关掉标签页也不会消失。随时停下、随时继续,交给同事,翻看完整历史。
选中任意一步,打开它的历史,回到任意一个历史 commit。
可复用(Reusable)。 一件做完的任务,变成一条你能在新输入上再跑一遍的 trace。方法是被复用,而不是被重建。
会进化(Evolving)。 trace 运行得越多,就越完善。当某一步未达到其标准,下一个版本会改用一种能达标的方法,而通过的那个版本会被保留下来。
结构化阅读。 一条 trace 把工作呈现为一张由文件组成的图,而不是一条线性记录。agent 按结构、按需来读:只在处理某一步时载入它的契约、输入与输出,并沿显式声明的依赖前进,而不是把整段历史一直带在上下文里。这把工作上下文限定在小范围、降低跑偏,得到的表示也能被人与 agent 共同审查、扩展。
你不必从零开始。一个 skill、一段很长的 session、一份 plan、一次做完的 run:把它们中的任何一个作为 trace 来运行,你都会得到同样一串可跟进、可核验、可重复运行的 step。点开任意一张可看大图。
不是每件事都需要这样。随手一次性的小事,聊聊就好。当结果重要到值得核验,或者你会把这件任务再跑一遍时,Flowtrace 才真正派上用场。
快速开始
最快的路径是把这个 repo 交给一个 agent。把一个 coding agent(Claude Code、Codex、Cursor)指向这个文件夹,然后说:
「安装 Flowtrace,并跑一下 tailored-resume 这个示例。」
它会装好 CLI,在 ~/traces/tailored-resume/ 下构建一条真实的 trace,并在 http://localhost:3000 打开网页视图,流程会在那里一步步亮起来。
拿到一条 trace 的两种方式:
试一个参考示例。 每个示例都附带一个 builder,它会创建一个真实的 trace 文件夹,并完整走一次 run。
bash scripts/examples/tailored-resume/build.sh # → ~/traces/tailored-resume/ flowtrace serve # → http://localhost:3000做你自己的。
make-trace这个 skill 会把任意来源(一个SKILL.md、一份操作手册、一段 chat 记录、一件做完的任务)变成一条 trace。把skills/make-trace/复制到 agent 的 skills 目录,然后运行/make-trace。
一次 run 是可以中途介入的:在任意一步停下、改它,依赖它的那些步会重跑,其余的原地不动。
手动安装
git clone https://github.com/AIScientists-Dev/flowtrace.git
cd flowtrace
./scripts/install.sh # 构建 + 把 flowtrace 软链到 ~/.local/bin/
用 git pull && ./scripts/install.sh 更新。用 INSTALL_DIR=… 覆盖软链目标。要从源码构建或参与贡献?见 CONTRIBUTING.md。
示例
九个示例,基于流行的开源 skill 构建,覆盖不同领域。在示例画廊里打开任意一个,看它的流程和一行命令的演示:
另外还有六个:
- 求职:定制简历生成器
- 投资:全面股票分析
- 研究 / 写作:行业深度报告
- 软件工程:Bug 修复学习闭环
- 增长 / 营销:每周付费广告优化
- 设计 / 演示:演讲 → 杂志风格幻灯片
文档
一条 trace 就是一个 git 仓库。trace.json 声明这些 step、它们的依赖,以及最终交付物。每次 run 落在 runs/<run_id>/ 下:
<trace_root>/
├─ .git/ 标准 git 仓库,审计轨迹
├─ trace.json 静态计划(steps + 交付物)
├─ scripts/ 被 2 步以上共享的代码
├─ resources/ 共享的静态素材(参考、论文、主数据)
├─ steps/<step_id>/
│ ├─ STEP.md 每一步的契约 + 实现提示
│ ├─ scripts/ 步内代码
│ └─ resources/ 步内素材(图表、PDF、夹具)
└─ runs/<run_id>/
├─ state.json run 状态(唯一事实来源)
├─ replies/NNNN.json 仅追加的结构化输出流
└─ <step_id>/ 运行期文件(产物 + 草稿)
同一套两名约定(scripts/ 放会运行的代码,resources/ 放不运行的静态素材)在 trace 根和每个 step 内部都成立。任何被 2 步以上复用的东西放在 trace 根;单步专用的素材留在该 step 文件夹里。STEP.md 用相对路径引用二者。
每次 CLI 写入都会产生一个 git commit,精确限定在它声明的路径上:state.json 加上任意 --asset 路径,或者新的 reply 文件加上它引用的 evidence 路径。草稿文件保持未跟踪。git 历史就是审计轨迹,UI 可以在它之间时间旅行。
step 之间通过文件传递数据,而不是参数:每一步写出自己的产出,下游的步去读它。
| 想了解 | 阅读 |
|---|---|
| 深入理念 | PHILOSOPHY.md |
| 作为 agent 驱动一条 trace | docs/trace/CLI.md |
| 做一条 trace | skills/make-trace/SKILL.md,或运行 /make-trace |
| 格式规范 | SCHEMA.md 和 FIELDS.md |
| 全部示例 | EXAMPLES.zh-CN.md |
社区
如果 Flowtrace 对你有用,欢迎给 repo 点个 star,这能帮到更多人找到它。
- 参与贡献:见 CONTRIBUTING.md,也可以看看 good first issues。
- GitHub Issues:报告 bug / 提出改动
- Discord:discord.gg/x9mtbMEx
- X:@morphmind__ai
MIT 许可证。见 LICENSE。
探索相关项目
affaan-m/ECC
智能体执行与控制框架的性能优化系统。面向 Claude Code、Codex、Opencode、Cursor 等,涵盖技能、本能、记忆、安全与研究优先的开发。
300,256 星标NousResearch/hermes-agent
与你一同成长的智能体
262,088 星标multica-ai/andrej-karpathy-skills
一个用于改进 Claude Code 行为的 CLAUDE.md 文件,源自 Andrej Karpathy 对 LLM 编程陷阱的观察。
231,377 星标firecrawl/firecrawl
借助来自网络及其他来源的数据,强化你的 AI 智能体。正在构建面向超级智能的资料库。🔥
199,847 星标









