# Aigon：多智能体协作的规范驱动开发框架

> 一个开源的多智能体编排系统，支持Claude、Gemini、Codex、Cursor等主流AI编程助手协同工作，通过Markdown规范驱动开发流程，实现多模型竞争与择优合并。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-04-17T23:44:47.000Z
- 最近活动: 2026-04-17T23:53:42.253Z
- 热度: 150.8
- 关键词: AI编程, 多智能体, Claude, Codex, Cursor, Gemini, 规范驱动, 开源工具
- 页面链接: https://www.zingnex.cn/forum/thread/aigon
- Canonical: https://www.zingnex.cn/forum/thread/aigon
- Markdown 来源: ingested_event

---

# Aigon：多智能体协作的规范驱动开发框架\n\n## 项目概述：AI编程的新范式\n\n随着Claude Code、Gemini CLI、Codex CLI、Cursor等AI编程助手的快速普及，开发者面临一个有趣的新问题：如何让这些强大的工具协同工作，而不是各自为战？Sen Labs开源的Aigon项目给出了一个优雅的答案——一个规范驱动的多智能体编排系统，让多个AI助手在同一个功能上"竞技"，然后择优合并最佳结果。\n\nAigon的核心理念是将软件开发流程中的需求、研究、反馈等环节固化为Markdown格式的规范文档，然后通过统一的编排层调度不同的AI代理执行这些规范。这种方法既保留了AI编程的高效率，又引入了工程化的可控性和可审计性。\n\n## 核心设计理念\n\n### 规范驱动（Spec-Driven）\n\n与传统AI编程工具不同，Aigon要求所有工作都从一个规范（Spec）开始。规范是用Markdown编写的文档，存储在项目仓库的`docs/specs/`目录下，与代码一起版本控制。这种设计带来了几个显著优势：\n\n- **可审计性**：每个功能都有清晰的规格说明，便于代码审查和知识传承\n- **可回溯性**：规范的修改历史完整记录在git中，随时可以回溯决策过程\n- **人机协作**：规范是人类可读的，开发者和AI可以在同一文档上协作迭代\n- **无厂商锁定**：纯文本格式，即使Aigon不再维护，规范文档依然可用\n\n### 多智能体编排\n\nAigon最大的特色是支持多智能体协作模式。在Fleet模式下，开发者可以同时启动多个AI代理（如Claude和Codex）处理同一个规范，然后比较它们的结果，选择最佳实现进行合并。这种模式充分利用了不同模型的优势：Claude可能在架构设计上表现更好，而Codex可能在代码细节上更加精准。\n\n### 厂商无关性\n\nAigon不绑定任何特定的AI模型或平台。它支持目前主流的所有AI编程助手：\n\n- Claude Code（cc）：Anthropic的编程助手，以上下文理解和代码质量著称\n- Gemini CLI（gg）：Google的轻量级命令行工具，响应速度快\n- Codex CLI（cx）：OpenAI的官方CLI，基于GPT-4系列模型\n- Cursor（cu）：流行的AI代码编辑器，内置强大的代码理解能力\n\n开发者可以根据任务特点灵活选择代理，甚至混合使用多个代理。\n\n## 工作流程详解\n\n### 功能开发流程（Feature Workflow）\n\nAigon的功能开发流程分为几个清晰的阶段：\n\n#### 1. 收件箱阶段（Inbox）\n\n所有新功能都从收件箱开始。开发者可以用自然语言描述需求，Aigon会协助生成初始规范。这个阶段鼓励快速记录想法，不需要完美的格式。\n\n#### 2. 待办阶段（Backlog）\n\n当功能被确认要开发时，它会被移动到待办阶段并分配一个ID。此时规范会被进一步完善，包含用户故事、验收标准等细节。\n\n#### 3. 开发阶段（In Progress）\n\n开发者选择执行模式启动开发：\n\n- **Drive模式**：单代理单工作树，适合简单任务或快速修复\n- **Fleet模式**：多代理并行开发，适合重要功能或需要对比不同实现方案的场景\n\n在Fleet模式下，每个代理在自己的工作树中独立工作，互不干扰。\n\n#### 4. 评估阶段（In Evaluation）\n\n开发完成后，Aigon提供评估工具来比较不同代理的实现。开发者可以查看代码差异、运行测试、检查性能指标，然后选择最优方案。\n\n#### 5. 完成阶段（Done）\n\n选定的实现被合并到主分支，功能标记为完成。整个过程的完整历史都被记录在规范文档中。\n\n### 研究工作流（Research Workflow）\n\n除了功能开发，Aigon还支持研究工作流。当需要调研新技术或解决方案时，可以启动多个代理并行研究不同方向，然后综合它们的发现形成结论。这种模式特别适合技术选型、架构决策等场景。\n\n### 反馈管理工作流（Feedback Workflow）\n\nAigon内置了反馈收集和分类机制。用户反馈被记录为Markdown文档，经过去重和分类后，有价值的反馈会被提升为功能规范进入开发流程。这确保了用户声音能够系统地转化为产品改进。\n\n## 三种交互界面\n\nAigon的一个设计亮点是提供了三种不同的交互方式，适应不同的使用场景：\n\n### 1. 代理内斜杠命令（Slash Commands）\n\n开发者可以直接在Claude Code、Cursor等代理中输入斜杠命令与Aigon交互。例如：\n\n```\n/aigon:feature-now dark-mode\n添加一个支持系统偏好检测的暗黑模式切换，将选择持久化到localStorage，默认跟随系统偏好。\n```\n\n这条命令会自动创建规范、分配ID、创建功能分支并开始实现，全程无需离开当前代理界面。\n\n### 2. 命令行界面（CLI）\n\n对于偏好终端的开发者，Aigon提供了完整的CLI命令集：\n\n```bash\n# 创建功能\naigon feature-create dark-mode --agent cc \"暗黑模式切换，支持系统偏好检测\"\n\n# 优先排序并分配ID\naigon feature-prioritise dark-mode\n\n# 启动Drive模式开发\naigon feature-start dark-mode cc\n\n# 启动Fleet模式开发\naigon feature-start dark-mode cc cx\n\n# 评估结果\naigon feature-eval dark-mode\n```\n\n### 3. Web仪表板（Dashboard）\n\nAigon还提供了一个运行在localhost上的Web界面，以看板形式展示所有功能、研究和反馈的状态。仪表板包含：\n\n- 功能看板：按阶段展示所有功能\n- 实时状态：显示当前运行的代理会话\n- 提交活动：展示最近的代码提交\n- 遥测图表：可视化各种指标\n- 全项目索引：快速搜索所有规范文档\n\n这三种界面共享同一套底层数据，开发者可以根据场景自由切换。\n\n## 技术架构与实现\n\n### 基于Node.js的模块化设计\n\nAigon使用Node.js 18+开发，采用模块化架构。核心功能包括：\n\n- **规范管理**：创建、读取、更新、移动规范文档\n- **代理适配器**：与不同AI代理的集成接口\n- **工作树管理**：Fleet模式下多工作树的创建和同步\n- **Git集成**：自动分支创建、提交、合并\n- **tmux集成**：用于管理代理会话\n\n### 存储与状态管理\n\nAigon不使用外部数据库，所有状态都存储在文件系统中：\n\n- 规范文档：`docs/specs/`目录下的Markdown文件\n- 配置：项目根目录的配置文件\n- 元数据：嵌入在规范文档中的YAML frontmatter\n\n这种设计确保了项目的可移植性和长期可维护性。\n\n### 扩展性设计\n\nAigon的架构支持扩展新的代理和工作流。添加对新AI代理的支持只需要实现相应的适配器接口，而自定义工作流可以通过组合现有命令来实现。\n\n## 使用场景与价值主张\n\n### 适合的使用场景\n\nAigon特别适合以下场景：\n\n1. **重要功能开发**：当需要确保代码质量时，使用Fleet模式让多个代理竞争\n2. **技术调研**：并行研究多个技术方案，综合各代理的发现\n3. **代码重构**：让代理从不同角度重构同一代码，选择最佳方案\n4. **团队协作**：规范文档成为团队沟通的共同语言\n5. **开源项目维护**：系统化处理社区反馈和功能请求\n\n### 价值主张\n\n相比直接使用AI编程助手，Aigon带来了几个独特价值：\n\n- **质量保障**：多代理竞争机制天然提供了质量筛选\n- **过程可追溯**：每个决策都有文档记录，便于复盘和学习\n- **降低风险**：规范阶段的人类审核避免了AI的"幻觉"问题\n- **知识积累**：规范文档成为团队的长期知识资产\n- **灵活可控**：开发者始终掌握最终决策权，AI只是执行工具\n\n## 与现有工具的对比\n\n### 与传统AI编程助手对比\n\n| 特性 | 传统AI助手 | Aigon |\n|------|-----------|-------|\n| 单代理支持 | ✅ | ✅ |\n| 多代理协作 | ❌ | ✅ |\n| 规范驱动 | ❌ | ✅ |\n| 结果评估 | 手动 | 内置 |\n| 工作流管理 | 无 | 完整 |\n| 版本控制集成 | 基础 | 深度 |\n\n### 与AI代码生成平台对比\n\n相比一些商业AI代码生成平台，Aigon的优势在于：\n\n- **数据隐私**：所有数据留在本地，不会发送到第三方SaaS\n- **无订阅费用**：开源免费，没有按使用量计费的压力\n- **完全可控**：开发者拥有完整的代码和配置，不受平台政策变化影响\n- **可定制**：可以根据团队需求修改和扩展\n\n## Aigon Pro：商业版展望\n\n项目团队正在开发Aigon Pro商业版，计划在开源版基础上增加：\n\n- **自主编排（AutoConductor）**：实现实现→审查→合并的无人值守自动化\n- **深度洞察**：基于历史数据的代理质量趋势分析、成本效率分析\n- **AI教练**：基于团队工作模式提供优化建议\n\n开源版的核心功能（Drive模式、手动Fleet、仪表板、遥测等）将保持免费。\n\n## 社区与生态\n\nAigon由Sen Labs维护，采用Apache 2.0许可证。项目活跃于GitHub，提供：\n\n- 详细文档：aigon.build/docs\n- 社区讨论：GitHub Discussions\n- 问题追踪：GitHub Issues\n- 贡献指南：CONTRIBUTING.md\n\n项目鼓励社区贡献，无论是bug修复、功能增强还是文档改进。\n\n## 总结与展望\n\nAigon代表了一种新的AI辅助开发范式——不是简单地让AI生成代码，而是建立一套人机协作的工程化流程。通过规范驱动、多代理竞争、结果择优的机制，Aigon在保持AI编程效率的同时，引入了传统软件工程的可控性和可审计性。\n\n对于正在探索AI编程最佳实践的团队来说，Aigon提供了一个值得尝试的框架。它可能不会立即替代现有的开发流程，但其核心理念——规范驱动、多代理协作、择优合并——很可能会成为未来AI辅助开发的标准模式。随着AI能力的持续提升，如何有效地组织和利用这些能力将成为软件工程的核心挑战，而Aigon正是应对这一挑战的先锋探索。