# Astonish：本地优先的AI智能体平台，用YAML构建可复用的工作流

> Astonish是一个受OpenClaw启发的本地AI智能体平台，采用Go语言实现为单一二进制文件。它支持动态工具调用、自动工作流提炼、语义化记忆系统和MCP协议，让用户通过YAML配置即可创建复杂的AI工作流，无需编写大量代码。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-03-30T21:15:41.000Z
- 最近活动: 2026-03-30T21:24:14.999Z
- 热度: 161.9
- 关键词: Astonish, AI智能体, 工作流, YAML, Go, MCP, 本地AI, 低代码, OpenClaw
- 页面链接: https://www.zingnex.cn/forum/thread/astonish-ai-yaml
- Canonical: https://www.zingnex.cn/forum/thread/astonish-ai-yaml
- Markdown 来源: ingested_event

---

## 项目背景与核心理念

在AI智能体（AI Agent）领域，大多数解决方案要么过于复杂需要大量编程，要么过于简单无法满足实际需求。Astonish试图在这两者之间找到平衡点，提供一个既强大又易用的本地AI智能体平台。

该项目深受OpenClaw启发——后者在个人AI助手领域开创了多项先河，包括常驻守护进程、技能即Markdown、多渠道消息和工具优先架构。Astonish将这些理念用Go语言重新实现，并加入了一个独特功能：自动工作流提炼。

核心理念可以概括为：

- **本地优先**：所有数据处理和模型推理都在本地完成，保护隐私
- **单一二进制**：整个系统编译为一个独立的可执行文件，零依赖部署
- **聊天优先**：通过自然语言对话与智能体交互，降低使用门槛
- **工作流可复用**：成功的任务执行可以提炼为可复用的YAML工作流

## 架构设计与技术实现

Astonish采用模块化架构，核心组件包括：

### 动态智能体引擎

智能体通过LLM驱动的工具使用循环（tool-use loops）动态解决问题。它根据任务需求决定调用哪些工具、如何组合工具链，无需预定义工作流即可完成多步骤任务。

内置58种工具，涵盖：

- **系统操作**：shell命令执行（支持PTY和后台进程）、文件操作
- **网络能力**：网页抓取（带可读性提取）、PDF阅读、浏览器自动化
- **通信功能**：邮件收发、搜索、验证码等待
- **AI能力**：语义记忆搜索、子智能体委托、技能查找

### MCP原生支持

Astonish原生支持Model Context Protocol（MCP），任何MCP服务器都可以即插即用。这意味着用户可以轻松添加GitHub、Slack、数据库等外部能力，无需修改代码即可扩展智能体功能。

### 多模型提供商支持

支持15种以上AI提供商，包括：

- 商业API：OpenAI、Anthropic、Google Gemini、Groq、OpenRouter、xAI
- 本地部署：Ollama、LM Studio
- 企业方案：SAP AI Core、LiteLLM

用户可以在会话中动态切换提供商和模型，系统支持热切换无需重启。

## 自动工作流提炼：核心创新

Astonish最具特色的功能是其三步式工作流提炼机制：

### 第一阶段：自由解决

智能体动态处理用户请求，调用所需工具完成多步骤任务。整个执行过程被完整记录为执行轨迹。

### 第二阶段：提炼

任务成功完成后，用户执行`/distill`命令。智能体分析执行轨迹，生成一个参数化、经过验证、可直接使用的YAML工作流文件。

### 第三阶段：复用

提炼后的工作流成为一等公民：

- 在聊天中，智能体识别相似请求时会使用保存的工作流作为执行指南
- 在Astonish Studio中可视化编辑和优化
- 通过守护进程调度为定期任务
- 作为版本控制的YAML文件与团队共享

示例场景：
```
用户：检查我的Proxmox服务器内存使用情况
智能体：[执行ssh命令获取内存信息]
用户：/distill
智能体：已保存为check_proxmox_memory.yaml
      下次运行：astonish flows run check_proxmox_memory -p host="192.168.1.100"
```

## 记忆系统与技能机制

### 双层记忆架构

Astonish维护一个由向量搜索驱动的持久化记忆系统，使用本地嵌入模型，无需外部API调用：

- **核心记忆（MEMORY.md）**：存储用户告知的关键事实
- **知识层**：存储长文档、项目笔记和技能内容
- **SELF.md**：智能体维护的自我画像，记录可用工具、已保存工作流和加载的技能

每次LLM调用前，系统会自动执行语义搜索，将相关上下文注入提示，无需手动工程。

### 技能系统

技能以Markdown文件形式存在，带YAML前置元数据。Astonish采用双层检索策略：

- 轻量级索引始终包含所有技能名称和描述（约500字符）
- 完整技能内容按需检索，可通过向量搜索自动匹配或显式调用

内置9个技能：github、docker、git、npm、python、kubernetes、terraform、aws、gcloud。技能仅在系统检测到对应二进制文件时激活。

社区技能可通过ClawHub注册表安装：
```bash
astonish skills install owner/docker-compose-advanced
```

## 浏览器自动化能力

Astonish实现了32个浏览器工具，基于Go的rod库和Chrome DevTools协议，纯Go实现，无需Node.js、Playwright或npm：

| 类别 | 能力 |
|------|------|
| 导航 | URL跳转、后退、元素等待 |
| 交互 | 点击、输入、悬停、拖拽、按键、表单填充 |
| 观察 | 无障碍树快照、截图、控制台消息、网络请求 |
| 状态 | Cookie、localStorage、sessionStorage、响应体拦截 |
| 模拟 | 36种设备预设、地理位置、时区、语言、离线模式 |

## 安装与使用

### 安装

macOS/Linux用户可通过Homebrew安装：
```bash
brew install schardosin/astonish/astonish
```

或使用curl：
```bash
curl -fsSL https://raw.githubusercontent.com/schardosin/astonish/refs/heads/main/install.sh | sh
```

### 快速开始

```bash
# 配置AI提供商
astonish setup

# 启动对话
astonish chat

# 使用特定提供商和模型
astonish chat -p anthropic -m claude-4

# 恢复上次会话
astonish chat --resume
```

## 应用场景与价值

Astonish适合以下场景：

- **运维自动化**：服务器检查、日志分析、部署流程
- **开发辅助**：代码审查、文档生成、测试用例编写
- **数据处理**：文件转换、数据清洗、报告生成
- **研究辅助**：文献检索、信息汇总、多源数据整合

对于希望构建AI工作流但又不想深入编写复杂代码的用户，Astonish提供了一个理想的中间地带——既有低代码的便捷，又有足够的灵活性应对复杂任务。

## 总结

Astonish代表了AI智能体工具向本地优先、低代码方向发展的一个有趣尝试。它结合了OpenClaw的架构理念和Go语言的性能优势，通过自动工作流提炼机制，让用户的每次成功交互都能转化为可复用的资产。随着AI应用从实验走向生产，这类兼顾易用性和可控性的工具将发挥越来越重要的作用。