# CLI Agentic Workflow：将AI Agent CLI转化为可编排的工作流系统 > 介绍一个轻量级本地优先的CLI工具，通过简单的YAML配置将Claude、Codex等AI Agent CLI转化为强大、可检查、可恢复的工作流，实现AI任务的编排、追踪和自动化管理。 - 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm) - 发布时间: 2026-06-11T06:47:03.000Z - 最近活动: 2026-06-11T06:57:15.144Z - 热度: 152.8 - 关键词: AI Agent, 工作流, CLI, Claude, Codex, YAML, 编排, 自动化, 本地优先 - 页面链接: https://www.zingnex.cn/forum/thread/cli-agentic-workflow-ai-agent-cli - Canonical: https://www.zingnex.cn/forum/thread/cli-agentic-workflow-ai-agent-cli - Markdown 来源: ingested_event --- # CLI Agentic Workflow：将AI Agent CLI转化为可编排的工作流系统 ## 原作者与来源 - **原作者/维护者**: aigengame - **来源平台**: GitHub - **原始标题**: cli-agentic-workflow - **原始链接**: https://github.com/aigengame/cli-agentic-workflow - **发布时间**: 2026年6月11日 ## 项目背景：AI Agent CLI的痛点 随着Claude Code、Codex CLI等AI编程助手的普及，开发者越来越依赖这些智能工具来完成复杂的开发任务。然而，这些AI Agent CLI虽然功能强大，但在实际使用中存在一些明显的痛点： ### 会话管理的困境 传统的AI Agent CLI通常以交互式会话的形式运行，这意味着： - **任务不可恢复**: 一旦会话中断（网络问题、终端关闭、系统重启），之前的对话上下文和任务状态全部丢失 - **难以审查**: 长时间运行的任务缺乏清晰的执行记录，难以回溯和审计 - **无法编排**: 多个AI Agent任务之间缺乏协调机制，难以构建复杂的多步骤工作流 - **重复劳动**: 相似的任务每次都需要重新输入提示词和上下文 ### 从交互式到声明式的转变 CLI Agentic Workflow项目正是为了解决这些问题而生。它引入了一种声明式的工作流定义方式，让开发者可以用简单的YAML文件描述AI任务，从而实现任务的版本控制、可重复执行和自动化编排。 ## 核心设计理念 ### 本地优先（Local-First） 项目坚持本地优先原则，所有数据和执行状态都存储在本地文件系统中： - **数据主权**: 敏感代码和任务数据不会上传到云端 - **离线可用**: 不依赖网络连接即可查看和管理历史任务 - **版本控制友好**: 工作流定义和状态文件都可以纳入Git管理 - **隐私保护**: 特别适合处理私有代码库和企业敏感项目 ### 轻量级架构 项目设计简洁，没有复杂的依赖和繁重的运行时： - **单一二进制**: 可以作为一个独立的可执行文件运行 - **最小依赖**: 除AI Agent CLI外几乎无外部依赖 - **快速启动**: 毫秒级启动时间，不拖慢开发节奏 ### 可检查与可恢复 这是项目最核心的特性，也是区别于普通AI Agent CLI的关键： - **可检查（Inspectable）**: 每个任务的执行过程、输入输出、中间状态都被完整记录 - **可恢复（Resumable）**: 任务中断后可以从断点继续执行，无需重新开始 - **可重放（Replayable）**: 历史任务可以精确重放，便于调试和复现 ## 工作流定义：YAML的力量 ### 基本结构 CLI Agentic Workflow使用YAML作为工作流定义语言，这种选择有多重优势： 1. **人类可读**: YAML的语法直观易懂，非技术人员也能理解和编辑 2. **版本控制友好**: 文本格式便于Git diff和代码审查 3. **生态丰富**: 大量编辑器支持YAML语法高亮和校验 4. **灵活表达**: 支持复杂的数据结构和条件逻辑 ### 工作流示例 一个典型的工作流定义文件可能如下所示： ```yaml name: 代码重构工作流 description: 使用Claude Code进行模块化重构 steps: - name: 分析代码结构 agent: claude prompt: | 请分析 src/ 目录下的代码结构，识别出可以提取为独立模块的功能， 并给出重构建议。重点关注： 1. 重复代码的提取 2. 单一职责原则的违反 3. 可测试性的改进空间 - name: 创建新模块 agent: claude depends_on: [分析代码结构] prompt: | 根据上一步的分析结果，创建新的模块文件来封装提取的功能。 确保新模块有清晰的接口定义和完整的文档注释。 - name: 更新主代码 agent: claude depends_on: [创建新模块] prompt: | 更新主代码以使用新创建的模块，删除已提取的重复代码， 确保所有现有测试仍然通过。 - name: 运行测试 agent: codex depends_on: [更新主代码] prompt: | 运行完整的测试套件，确保重构没有引入回归问题。 如果测试失败，分析失败原因并提出修复建议。 ``` ### 关键概念解析 #### Steps（步骤） 每个工作流由多个步骤组成，每个步骤代表一个具体的AI Agent任务： - **name**: 步骤的标识名称，用于依赖关系引用 - **agent**: 指定使用的AI Agent（claude、codex等） - **prompt**: 发送给AI Agent的提示词 - **depends_on**: 声明依赖的其他步骤，实现执行顺序控制 #### Dependencies（依赖关系） 通过`depends_on`字段，可以构建复杂的有向无环图（DAG）： - **串行执行**: A依赖B，则B完成后才执行A - **并行执行**: 无依赖关系的步骤可以并行运行 - **条件分支**: 可以根据步骤输出决定后续执行路径 #### Context Management（上下文管理） 项目智能地管理工作流中的上下文传递： - **步骤间传递**: 前一步骤的输出自动作为后续步骤的上下文 - **选择性引用**: 可以指定引用特定步骤的输出 - **上下文压缩**: 对于长对话，自动进行上下文压缩和摘要 ## 支持的AI Agent ### Claude Code Anthropic的Claude Code是目前最强大的AI编程助手之一，具备： - **深度代码理解**: 能够分析复杂代码库的结构和依赖关系 - **文件操作能力**: 可以读取、编辑、创建文件 - **终端命令执行**: 可以运行shell命令和测试 - **长上下文窗口**: 支持高达20万token的上下文 CLI Agentic Workflow将Claude Code封装为可编排的工作流节点，充分发挥其能力。 ### Codex CLI OpenAI的Codex CLI是另一个强大的选择： - **快速响应**: 针对代码生成进行了优化 - **多语言支持**: 精通主流编程语言 - **与OpenAI生态集成**: 可以配合其他OpenAI服务使用 项目支持同时或交替使用多个AI Agent，实现最佳效果。 ### 可扩展架构 项目设计了插件化的Agent接口，未来可以轻松支持： - GitHub Copilot CLI - Amazon CodeWhisperer - 自定义的本地或远程Agent - 企业私有的AI服务 ## 实际应用场景 ### 大规模代码重构 当需要对遗留代码库进行大规模重构时，工作流的价值尤为明显： **场景**: 将一个单体应用拆分为微服务 ```yaml steps: - name: 识别服务边界 agent: claude prompt: 分析代码库，识别可以独立部署的服务边界 - name: 提取第一个服务 agent: claude depends_on: [识别服务边界] prompt: 将用户服务提取为独立的代码库 - name: 提取第二个服务 agent: claude depends_on: [识别服务边界] prompt: 将订单服务提取为独立的代码库 - name: 更新API网关 agent: claude depends_on: [提取第一个服务, 提取第二个服务] prompt: 创建API网关配置，路由请求到相应服务 ``` 这种工作流可以安全地分阶段执行，每个阶段都可以独立审查和回滚。 ### 自动化代码审查 可以构建自动化的代码审查工作流： ```yaml name: PR自动审查 trigger: pull_request steps: - name: 代码风格检查 agent: claude prompt: 检查代码是否符合项目风格规范 - name: 安全审查 agent: claude prompt: 扫描潜在的安全漏洞和注入风险 - name: 性能分析 agent: claude prompt: 识别性能瓶颈和低效代码模式 - name: 生成审查报告 agent: claude depends_on: [代码风格检查, 安全审查, 性能分析] prompt: 汇总以上审查结果，生成结构化报告 ``` ### 文档生成与维护 保持文档与代码同步是开发中的常见痛点： ```yaml name: 文档同步 steps: - name: 分析API变更 agent: claude prompt: 对比当前代码与上次文档生成时的版本，识别API变更 - name: 更新API文档 agent: claude depends_on: [分析API变更] prompt: 根据API变更更新OpenAPI规范文档 - name: 生成教程 agent: claude depends_on: [更新API文档] prompt: 为新API功能编写使用教程和示例代码 ``` ## 状态管理与持久化 ### 执行状态跟踪 项目维护完整的工作流执行状态： - **PENDING**: 等待执行 - **RUNNING**: 正在执行 - **COMPLETED**: 成功完成 - **FAILED**: 执行失败 - **CANCELLED**: 被取消 ### 检查点机制 每个步骤完成后都会创建检查点（checkpoint）： - 检查点包含完整的对话历史和文件系统状态 - 可以随时从任意检查点恢复执行 - 支持分支执行：从检查点分叉出新的执行路径 ### 存储后端 默认使用本地文件系统存储，支持： - **JSON格式**: 人类可读的状态文件 - **SQLite**: 大量工作流时的性能优化选项 - **Git集成**: 自动提交状态变更到Git历史 ## 与CI/CD集成 ### GitHub Actions CLI Agentic Workflow可以无缝集成到GitHub Actions中： ```yaml # .github/workflows/ai-workflow.yml name: AI Workflow on: [push, pull_request] jobs: ai-tasks: runs-on: ubuntu-latest steps: - uses: actions/checkout@v3 - name: Setup CLI Agentic Workflow run: | curl -fsSL https://cli.example.com/install | bash - name: Run workflow run: | cli-agentic run --workflow .ai-workflows/pr-review.yaml env: ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }} ``` ### 其他CI平台 同样的模式可以应用到： - GitLab CI - Jenkins - CircleCI - Azure DevOps - 自研CI系统 ## 未来发展方向 ### 可视化编辑器 虽然YAML已经足够友好，但可视化编辑器可以进一步降低使用门槛： - 拖拽式工作流设计 - 实时预览执行状态 - 集成调试和断点功能 ### 社区工作流市场 建立社区共享的工作流模板市场： - 常见开发任务的预定义工作流 - 特定技术栈的最佳实践模板 - 企业级的合规审查工作流 ### 智能优化建议 基于历史执行数据，提供智能化的优化建议： - 识别可以并行化的步骤 - 推荐更优的提示词写法 - 预测执行时间和成本 ## 结语 CLI Agentic Workflow项目代表了AI辅助开发工具演进的一个重要方向：从单一的交互式会话向可编排、可管理、可复用的工作流系统转变。 通过将AI Agent的能力封装为声明式的工作流节点，开发者可以： - 构建复杂的自动化任务链 - 确保任务的可重复性和可审计性 - 实现AI能力的团队协作共享 - 将AI深度集成到现有的DevOps流程中 对于希望规模化使用AI Agent的开发者团队来说，这是一个值得关注和尝试的开源项目。随着AI编程助手能力的不断增强，工作流编排将成为释放其全部潜力的关键基础设施。