de-agentic-workflow：数据工程团队的AI辅助工作流框架

本文介绍开源项目de-agentic-workflow，这是一个面向数据工程团队的配置优先型AI辅助工作流框架。它通过标准化配置、分层智能体编排和人类监督机制，解决团队规模使用AI工具时的一致性（如提示词风格、安全规则）和安全性问题，支持Snowflake、Airflow等主流数据栈，无需额外基础设施，易于定制和版本控制。

随着Claude Code、GitHub Copilot等AI编程助手普及，数据工程团队面临挑战：10人团队成员使用AI工具方式不一致，包括提示词风格、安全边界、代码质量假设差异。这种"漂移"导致代码风格不统一、审计缺口、知识孤岛，影响协作效率和代码质量。

配置优先设计：框架以配置文件形式存在（非独立服务），AI工具读取为上下文，优势包括无需额外基础设施、版本可控（Git存储）、易于定制、快速迭代。 智能体编排体系：根编排器识别意图并路由请求；13个专业智能体（如数据建模、ETL管道）有明确职责；策略继承（安全规则、Git工作流、架构决策）确保一致性。 分层审批模型：读取操作（查询、分析）自主执行；写入操作（数据修改、代码部署）需人类批准，平衡效率与安全。

外部集成：通过MCP协议连接Jira（任务管理）、Notion（知识库）、Snowflake（数据操作）、Azure DevOps（CI/CD）；Git集成支持GitHub/Azure DevOps。 工作流标准化：分支策略（主分支保护、命名规范）、PR审查流程（审查者数量、检查清单）、事件响应（分级、升级路径）、迁移流程（模板、回滚策略）。

应用价值：

• 团队：保持AI辅助一致性，避免混乱；
• AI开发者：验证配置优先架构可行性；
• 管理者：分层审批平衡效率与安全。 局限：主要面向Claude Code生态，对其他AI工具适配需调整；配置优先设计对复杂编排场景可能不足。

未来方向：支持更多AI工具（如GitHub Copilot Chat）、可视化配置编辑器、智能体性能优化、跨团队配置共享。 总结：de-agentic-workflow为数据工程团队提供实用AI辅助框架，通过配置优先、智能体编排和人类监督，解决规模使用AI的一致性与安全性问题，值得参考。