# Open Dynamic Workflows：开源多智能体工作流编排引擎

> 一个MIT许可的开源项目，实现脚本即编排器的多智能体工作流模式，支持本地运行、多模型接入和六种工作流拓扑结构。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-06-05T13:43:55.000Z
- 最近活动: 2026-06-05T14:53:06.121Z
- 热度: 160.8
- 关键词: multi-agent, workflow, orchestration, open-source, Claude Code, OpenCode, Codex, local-first, MIT license
- 页面链接: https://www.zingnex.cn/forum/thread/open-dynamic-workflows
- Canonical: https://www.zingnex.cn/forum/thread/open-dynamic-workflows
- Markdown 来源: ingested_event

---

## 原作者与来源

- **原作者/维护者**: Suraj1235
- **来源平台**: GitHub
- **原始标题**: open-dynamic-workflows
- **原始链接**: https://github.com/Suraj1235/open-dynamic-workflows
- **发布时间**: 2026年6月5日
- **许可证**: MIT

---

## 项目概述

Open Dynamic Workflows 是一个开源的多智能体工作流编排引擎，其核心创新在于采用**脚本即编排器（Script-as-Orchestrator）**的架构模式。这种模式最初出现在 Claude Code 的动态工作流和 ultracode 功能中，而本项目将其以 MIT 许可证开源，使其可用于 OpenCode、OpenAI Codex、Google Antigravity 和 VS Code 等多种开发环境。

传统的多智能体系统通常让单个大型语言模型同时协调数十个智能体，这会导致模型将大量上下文窗口消耗在跟踪其他智能体的状态上。Open Dynamic Workflows 的解决方案是让模型**只编写一次执行计划**——一个普通的 JavaScript `execute()` 函数——然后由本地守护进程负责执行，模型本身退出执行循环。

---

## 核心架构与设计理念

### 脚本即编排器模式

该项目的核心哲学可以概括为：**模型是作者，脚本是编排器**。当用户描述一个工作流任务时，模型生成一个包含 `execute(context)` 函数的 JavaScript 脚本，然后将其交给本地守护进程执行。

守护进程在 WASM 隔离的 QuickJS 沙箱中运行该脚本，沙箱中唯一可用的范围是工作流原语——包括 `agent`、`parallel`、`pipeline`、`verify`、`loop` 和 `checkpoint`。每个 `agent()` 调用都会变成对模型提供商的一个 HTTP 请求，通过并发队列进行调度。用户的聊天窗口只会看到最终答案，而不会看到中间过程。

### 本地优先与零遥测

项目坚持本地优先（Local-first）原则：
- 支持自托管模型（通过 Ollama）
- 零遥测，数据不会离开用户机器
- 支持多种模型提供商（Anthropic、OpenAI、Ollama 等）
- 自动模型路由，根据模型 ID 前缀智能选择提供商

---

## 六种工作流拓扑结构

Open Dynamic Workflows 提供六种工作流拓扑，规划器会根据任务特点自动选择最合适的形状，而不是对所有任务都使用相同的模式：

### 1. MapReduce（映射归约）
适用于对大量项目进行相同检查的场景，如审计500个文件。工作流程为：分割 → 并行映射 → 归约汇总。

### 2. Pipeline（管道）
适用于需要按顺序执行多个阶段的任务，如迁移 → 测试 → 修复。每个项目可以独立流转，不需要等待其他项目完成前一阶段。

### 3. Adversarial（对抗验证）
适用于对正确性要求极高的场景。工作流程为：提出 → 批判 → 修复 → 重新验证。通过对抗性批评者捕获误报，确保输出质量。

### 4. Consensus（共识投票）
适用于存在不确定性的事实核查、研究和判断类任务。多个评估器进行加权投票，得出更可靠的结论。

### 5. Tree Search（树搜索）
适用于根本原因追踪和分支探索类任务。工作流程为：扩展 → 评分 → 剪枝 → 回溯。

### 6. Hybrid（混合）
将上述拓扑组合使用，适用于具有多个阶段的复杂真实功能。

---

## 容错与状态管理

### 持久化与恢复

项目使用 SQLite 配合预写式日志（WAL）存储状态。即使在运行中途杀死守护进程，使用 `--resume` 重新启动后，已完成的智能体结果会从缓存恢复，只有未完成的工作会重新运行。

### 失败处理

- 失败的智能体被丢弃，不会导致整个运行失败
- 节点身份通过 `sha1(workflow | phase | role | prompt)` 计算，确保重放结果完全一致
- 自验证机制：发现必须经过怀疑者小组的审查才能被确认

---

## 编辑器集成与生态

Open Dynamic Workflows 提供多种编辑器适配器：

- **OpenCode**: 通过插件集成，支持 "run a workflow"、ultracode 和 `/deep-research` 触发
- **Codex / Antigravity**: 通过技能文件夹（SKILL.md + 桥接脚本）集成
- **VS Code**: 提供扩展，包含实时工作流侧边栏、仪表板视图和状态栏

---

## 快速开始

项目目前需要从 GitHub 克隆安装：

```bash
git clone https://github.com/Suraj1235/open-dynamic-workflows
cd open-dynamic-workflows
npm install
npm run setup
```

配置完成后，可以通过命令行驱动：

```bash
odw-daemon start
odw-daemon run --prompt "workflow: find every TODO that hides a real bug" --cwd ./my-project
```

---

## 实际意义与应用场景

Open Dynamic Workflows 代表了 AI 辅助开发工具的一个重要演进方向：从单一模型对话转向结构化、可复现、可验证的多智能体协作。

对于开发团队而言，这意味着：
- **成本可控**: 通过本地模型和智能调度降低 API 调用成本
- **质量可验证**: 对抗验证机制减少误报和幻觉
- **过程可审计**: 完整的执行日志和检查点便于问题追踪
- ** vendor 无关**: 支持多种模型提供商，避免 vendor lock-in

---

## 总结与展望

Open Dynamic Workflows 将原本锁定在专有工具中的多智能体编排能力开源化，为开发者提供了一个功能完整、架构清晰、易于扩展的工作流引擎。其脚本即编排器的设计模式、六种灵活的拓扑结构、以及本地优先的实现理念，使其成为当前多智能体开发工具生态中的一个重要补充。

随着 AI 编程助手从简单的代码补全向复杂的软件工程任务演进，类似 Open Dynamic Workflows 这样的编排工具将成为连接人类意图与 AI 执行能力的关键基础设施。