Orbit：面向AI代理与人类协作的本地优先工作流引擎

一个轻量级Rust实现的执行引擎，为AI驱动的软件交付提供核心原语，支持Claude和Codex CLI，实现复杂多步骤AI工作流的本地编排。

随着Claude Code、Codex CLI等AI编程助手的普及，开发者们开始意识到一个新问题：如何让这些AI代理协同工作，完成复杂的软件交付流程？单个AI助手可以编写代码，但从需求分析到测试、审查、合并的完整流程，需要多个代理按顺序协作。

Orbit应运而生。这是一个轻量级的本地优先执行引擎，专门为代理驱动的软件交付设计。它提供了编排复杂多步骤AI工作流所需的核心原语，而且完全在本地开发环境中运行，无需API密钥。

Orbit的定位非常清晰：它不是要取代现有的AI工具，而是为它们提供编排能力。想象这样一个场景：你先让Claude分析需求并创建任务，然后让Codex实现代码变更，再自动运行测试，最后提交PR并启动审查流程。Orbit就是让这个流程自动化的"胶水"。

项目的核心设计理念是本地优先。所有配置、任务状态、执行日志都存储在本地文件系统中，用户对自己的数据拥有完全控制权。这与当前许多云原生的AI工作流工具形成鲜明对比。

Orbit采用Rust语言实现，这保证了性能和可靠性。项目结构采用分层设计，低层对高层一无所知：

orbit-types（叶子层——共享类型、OrbitError、ID生成）
     ↑
orbit-policy（RBAC策略评估）
orbit-exec（进程生成、沙箱、超时）
     ↑
orbit-tools（内置工具注册表：文件系统、git、GitHub、orbit、进程、时间、网络）
     ↑
orbit-store（基于文件的YAML + SQLite持久化、分层存储）
orbit-agent（代理提供程序抽象：Claude、Codex、mock）
     ↑
orbit-engine（活动/作业执行、模板渲染、重试逻辑）
     ↑
orbit-core（运行时引导、配置分层、命令调度、资源种子）

这种分层架构确保了系统的可维护性和可扩展性。每一层都有明确的职责边界，开发者可以独立地改进或替换某一层而不影响其他部分。

Orbit围绕三个核心概念构建，它们共同构成了完整的AI驱动工作流：

任务可以类比为Jira工单，代表一个离散的工作项（功能、bug修复、杂务、重构）。每个任务都有完整的生命周期：

• 生命周期状态：Proposed（提议）→ Backlog（待办）→ InProgress（进行中）→ Review（审查）→ Done（完成），支持分支到Blocked（阻塞）、Archived（归档）、Rejected（拒绝）、Someday（将来）
• 执行追踪：execution_summary记录实际完成的内容
• 代码关联：分支和PR编号
• 协作记录：团队成员评论
• 完整历史：所有状态转换和更新的日志

这种设计让AI代理和人类开发者能够在同一套系统中协作，任务状态对双方都是透明的。

活动是自包含的操作单元，具有定义的输入/输出模式。每个活动都有spec_type决定其实现方式（自动化、代理调用、API、CLI命令）。活动可以单独通过CLI运行，也可以作为作业的一部分执行。

示例活动包括：run_tests（运行测试）、review_pr（审查PR）、review_tasks（审查任务）、implement_change（实现变更）。

作业是将一个或多个活动串联成工作流的机制，专为自动化和可重复性设计。以下是一个典型的任务流水线作业定义：

schemaVersion: 1
job:
  job_id: job_task_pipeline
  state: enabled
  max_active_runs: 4
  default_input:
    base: agent-main
  steps:
    - target_type: activity
      target_id: dispatch_task
      agent_cli: claude
      model: sonnet
      timeout_seconds: 1000
    - target_type: activity
      target_id: create_branch
      condition: on_success
      timeout_seconds: 60
    - target_type: activity
      target_id: implement_change
      agent_cli: codex
      model: gpt-5.4
      condition: on_success
      timeout_seconds: 2000
    - target_type: activity
      target_id: run_tests
      condition: on_success
      timeout_seconds: 600
    - target_type: activity
      target_id: open_pr
      condition: on_success
      timeout_seconds: 300

这个作业定义展示了一个完整的AI驱动开发流程：Claude分配任务→创建分支→Codex实现变更→运行测试→提交PR。每个步骤都有超时设置和条件判断（on_success），确保流程的健壮性。