Supertech：AI驱动的全自动软件公司原型架构解析

Supertech是实验性AI驱动软件公司原型，通过GitHub Actions、多角色AI代理和Telegram集成，实现从任务触发到代码合并的全自动化流程，探索AI在软件工程全流程的应用边界，展示全新软件开发范式。

随着大语言模型能力提升，Supertech探索AI代理完全自主运行软件公司的可能性。受xqliu的AI公司概念启发，目标是验证AI在软件工程全流程的应用边界，通过GitHub Actions（编排层）、多角色AI代理（执行层）、Telegram（交互层）构建全自动化原型。

Supertech架构分为四层：

1. 触发层：支持GitHub Actions定时、Linux定时、Telegram机器人、手动触发四种方式，汇聚到GitHub Issues任务队列；
2. 任务队列层：GitHub Issues作为调度中心，通过标签分类路由（ai-impl/ research/ needs-human）；
3. 执行层：定义CEO、CTO、ENG等多角色AI代理，各有明确职责，通过专门工作流和提示词实现；
4. 反馈层：GitHub Discussions保存历史决策与经验，支持AI持续学习。

Supertech包含13个自动化工作流，覆盖核心调度、日常运营、分析研究、战略规划、发布集成等场景。典型AI执行流程：

• 任务创建分类：issue-triage自动为新需求打标签；
• 任务执行：生成代码、审查、测试并提交PR；
• 质量把关：CI测试通过后自动合并PR，失败则尝试修复或转人工；
• 部署监控：ops-monitor跟踪部署状态与运行指标。

技术实现关键：

• GitHub Actions运用：workflow_call复用、schedule定时、workflow_dispatch手动、issue_comment响应；
• 提示词工程：prompts目录为各角色设计详细提示词；
• 状态管理：利用GitHub原生功能（Issues/ Labels/ PR状态/ Discussions）； Telegram机器人提供远程触发、状态查询、紧急干预、通知推送等功能，确保系统可观测与可控。

适用场景：内容型产品、数据驱动应用、标准化工具、原型验证； 当前局限：复杂架构决策能力有限、创新性需求难独立完成、安全敏感操作需人工审核、深层故障调试需人工介入。

未来趋势：AI代理角色专业化、流程自动化、人机协作模式（AI执行+人类监督）； 总结：Supertech是大胆实验，证明特定场景下高度自动化开发可行，价值在于提出AI作为团队成员的新范式，为AI在软件工程应用提供参考。