自适应 Agent 框架：动态拓扑与运行时演化

自适应 Agent 框架：动态拓扑与运行时演化 | 前端进阶之旅

Full translation

完整中文译文

用于生产工作负载的 Agent 框架

OpenHive 是一个零配置、模型无关的执行框架，能够动态生成多 Agent 拓扑结构来处理复杂的长期业务工作流，无需任何编排样板代码。只需定义你的目标，运行时就会编译出一个严格的、基于图的执行 DAG，安全地协调专用 Agent 并行执行并发任务。由持久化、基于角色的内存支持，能够随着项目上下文智能演进，OpenHive 确保确定性容错、深层状态可观测性以及跨任意底层 LLM 的无缝异步执行。

✅ 多 Agent 协调用于并行任务执行

✅ 基于图的执行用于反复出现的复杂流程

✅ 随项目演进的基于角色的内存

✅ 零配置 - 无需技术配置

✅ 通用计算和浏览器使用与原生扩展

✅ 自定义模型支持

访问 adenhq.com 获取完整文档、示例和指南。

访问 HoneyComb 查看 AI 自动化的工作。这是一个由我们社区的 AI Agent 进展驱动的工作股票市场。你可以根据你认为一份工作被 AI 替代的程度，用 AI Agent 来做多和做空工作（用计算代币而非真实货币）。

Hive 是为团队将 AI Agent 从原型迁移到生产的多 Agent 框架层。像 Openclaw 和 Cowork 这样的单 Agent 能够很好地完成个人工作，但缺乏履行业务流程的严谨性。

在以下情况下，Hive 很适合你：

希望 AI Agent 执行实际的业务流程，而不是演示

需要一个在规模上处理状态、恢复和并行执行的运行时

需要自我修复和随时间改进的自适应 Agent

需要人工干预控制、可观测性和成本限制

计划在生产环境中运行 Agent，其中正常运行时间、成本和可审计性很重要

何时使用 Hive？

当瓶颈不再是模型而是其周围的框架时，使用 Hive：

需要状态持久化和崩溃恢复的长期运行 Agent

需要成本强制、可观测性和审计线索的生产工作负载

通过失败捕获和图演进实现自我修复的 Agent

具有会话隔离和共享缓冲区的多 Agent 协调

随模型改进而扩展的框架，而非与之对抗

文档 - 完整指南和 API 参考

自托管指南 - 在你的基础设施上部署 Hive

更新日志 - 最新更新和发布

路线图 - 即将推出的功能和计划

报告问题 - 错误报告和功能请求

贡献 - 如何贡献和提交 PR

快速入门

Python 3.11+ 用于 Agent 开发

驱动 Agent 的 LLM 提供商

ripgrep（可选，在 Windows 上推荐）：search_files 工具使用 ripgrep 来更快地搜索文件。如果未安装，将使用 Python 回退方案。在 Windows 上：winget install BurntSushi.ripgrep 或 scoop install ripgrep

Windows 用户：原生 Windows 通过 quickstart.ps1 和 hive.ps1 支持。在 PowerShell 5.1+ 中运行这些脚本。WSL 也是一个选项但不是必需的。

注意：Hive 使用 uv 工作区布局，不通过 pip install 安装。从仓库根目录运行 pip install -e . 将创建一个占位符包，Hive 将无法正常工作。请使用下面的快速启动脚本来设置环境。

# Clone the repository
git clone https://github.com/aden-hive/hive.git
cd hive

# Run quickstart setup (macOS/Linux)
./quickstart.sh

# Windows (PowerShell)
.\quickstart.ps1

安装过程

framework - 核心 Agent 运行时和图执行器（在 core/.venv 中）

aden_tools - Agent 能力的 MCP 工具（在 tools/.venv 中）

credential store - 加密 API 密钥存储（~/.hive/credentials）

LLM provider - 交互式默认模型配置，包括 Hive LLM 和 OpenRouter

所有必需的 Python 依赖项与 uv

最后，它将在你的浏览器中打开 Hive 界面

提示：要稍后重新打开仪表板，从项目目录运行 hive open。

构建你的第一个 Agent

在主页输入框中键入你想要构建的 Agent。queen 将向你提问并与你制定解决方案。

点击"尝试示例 Agent"并检查模板。你可以直接运行模板或选择在现有模板基础上构建你的版本。

现在你可以通过选择 Agent（现有 Agent 或示例 Agent）来运行一个 Agent。你可以点击左上角的运行按钮，或与 queen Agent 交谈，它可以为你运行 Agent。

模型和系统无关

Hive 被设计为模型无关和系统无关。

LLM 灵活性 - Hive Framework 支持 Anthropic、OpenAI、OpenRouter、Hive LLM 以及通过 LiteLLM 兼容提供商的其他托管或本地模型。

业务系统连接 - Hive Framework 设计用于连接各种业务系统作为工具，如 CRM、支持、消息、数据、文件和内部 API，通过 MCP。

随着模型的改进，Agent 能做的事情的上限会上升——但它们的可靠性和生产价值由框架决定。Hive 专注于生成运行真实业务流程的 Agent，而不是通用 Agent。与其要求你手动设计工作流、定义 Agent 交互和被动处理故障不同，Hive 颠覆了范式：你描述目标，系统自己构建自己——提供一个以结果为驱动的、自适应的体验，配备易于使用的工具和集成集。

flowchart LR
    GOAL["Define Goal"] --> GEN["Auto-Generate Graph"]
    GEN --> EXEC["Execute Agents"]
    EXEC --> MON["Monitor & Observe"]
    MON --> CHECK{{"Pass?"}}
    CHECK -- "Yes" --> DONE["Deliver Result"]
    CHECK -- "No" --> EVOLVE["Evolve Graph"]
    EVOLVE --> EXEC

    GOAL -.- V1["Natural Language"]
    GEN -.- V2["Instant Architecture"]
    EXEC -.- V3["Easy Integrations"]
    MON -.- V4["Full visibility"]
    EVOLVE -.- V5["Adaptability"]
    DONE -.- V6["Reliable outcomes"]

    style GOAL fill:#ffbe42,stroke:#cc5d00,stroke-width:2px,color:#333
    style GEN fill:#ffb100,stroke:#cc5d00,stroke-width:2px,color:#333
    style EXEC fill:#ff9800,stroke:#cc5d00,stroke-width:2px,color:#fff
    style MON fill:#ff9800,stroke:#cc5d00,stroke-width:2px,color:#fff
    style CHECK fill:#fff59d,stroke:#ed8c00,stroke-width:2px,color:#333
    style DONE fill:#4caf50,stroke:#2e7d32,stroke-width:2px,color:#fff
    style EVOLVE fill:#e8763d,stroke:#cc5d00,stroke-width:2px,color:#fff
    style V1 fill:#fff,stroke:#ed8c00,stroke-width:1px,color:#cc5d00
    style V2 fill:#fff,stroke:#ed8c00,stroke-width:1px,color:#cc5d00
    style V3 fill:#fff,stroke:#ed8c00,stroke-width:1px,color:#cc5d00
    style V4 fill:#fff,stroke:#ed8c00,stroke-width:1px,color:#cc5d00
    style V5 fill:#fff,stroke:#ed8c00,stroke-width:1px,color:#cc5d00
    style V6 fill:#fff,stroke:#ed8c00,stroke-width:1px,color:#cc5d00

核心工作流

定义你的目标 → 用普通英文描述你想要达成的目标

Coding Agent 生成 → 创建 Agent 图、连接代码和测试用例

Workers 执行 → SDK 包装节点以完整可观测性和工具访问运行

Control Plane 监控 → 实时指标、预算强制和政策管理

自适应性 → 失败时，系统演进图并自动重新部署

资源

开发者指南 - 面向开发者的综合指南

入门指南 - 快速设置说明

配置指南 - 所有配置选项

架构概述 - 系统设计和结构

贡献

我们欢迎来自社区的贡献！我们特别寻求帮助构建工具、集成和框架示例 Agent 的人员（查看 #2805）。如果你有兴趣扩展其功能，这是开始的完美地方。请查看 CONTRIBUTING.md 获取指南。

重要：在提交 PR 前请获得问题分配。在问题上评论以认领它，维护者将分配给你。具有可重现步骤和提案的问题优先考虑。这有助于防止重复工作。

查找或创建一个问题并获得分配

创建你的功能分支（git checkout -b feature/amazing-feature）

提交你的更改（git commit -m 'Add amazing feature'）

推送到分支（git push origin feature/amazing-feature）

社区支持

我们使用 Discord 进行支持、功能请求和社区讨论。

Discord - 加入我们的社区

LinkedIn - 公司页面

我们正在招聘！加入我们的工程、研究和市场进入角色。

安全

关于安全问题，请查看 SECURITY.md。

许可

本项目在 Apache License 2.0 下获得许可 - 详见 LICENSE 文件。

常见问题（FAQ）

Q: Hive 支持哪些 LLM 提供商？

Hive 通过 LiteLLM 集成支持 100+ LLM 提供商，包括 OpenAI（GPT-4、GPT-4o）、Anthropic（Claude 模型）、Google Gemini、DeepSeek、Mistral、Groq、OpenRouter 和 Hive LLM。只需设置适当的 API 密钥环境变量并指定模型名称。有关特定于提供商的配置示例，请查看 docs/configuration.md。

Q: 我能在 Ollama 这样的本地 AI 模型中使用 Hive 吗？

可以！Hive 通过 LiteLLM 支持本地模型。只需使用模型名称格式 ollama/model-name（例如 ollama/llama3、ollama/mistral）并确保 Ollama 在本地运行。

Q: Hive 与其他 Agent 框架的区别是什么？

Hive 是一个 Agent 框架，不仅仅是编排框架。它提供生产运行时层——会话隔离、基于检查点的崩溃恢复、成本强制、实时可观测性和人工干预控制——使 Agent 足够可靠以运行真实工作负载。此外，Hive 从自然语言目标生成你的整个 Agent 系统，并在 Agent 失败时自动演进图。稳健框架与自我改进生成的结合是 Hive 的与众不同之处。

Q: Hive 是开源的吗？

是的，Hive 在 Apache License 2.0 下完全开源。我们积极鼓励社区贡献和协作。

Q: Hive 支持人工干预工作流吗？

是的，Hive 完全通过干预节点支持人工干预工作流，这些节点暂停执行以获取人工输入。这些包括可配置的超时和升级策略，允许人类专家和 AI Agent 之间的无缝协作。

Q: Hive 支持哪些编程语言？

Hive 框架用 Python 构建。JavaScript/TypeScript SDK 在路线图上。

Q: Hive Agent 可以与外部工具和 API 交互吗？

可以。Aden 的 SDK 包装节点提供内置工具访问，框架支持灵活的工具生态系统。Agent 可以通过节点架构与外部 API、数据库和服务集成。

Q: Hive 中的成本控制如何工作？

Hive 提供粒度预算控制，包括支出限额、限流和自动模型降级策略。你可以在团队、Agent 或工作流级别设置预算，具有实时成本跟踪和告警。

Q: 我在哪里可以找到示例和文档？

访问 docs.adenhq.com 获取完整指南、API 参考和入门教程。仓库还包括 docs/ 文件夹中的文档和综合开发者指南。

Q: 我如何为 Aden 贡献？

欢迎贡献！Fork 仓库，创建你的功能分支，实现你的更改，并提交拉取请求。详见 CONTRIBUTING.md 获取指南。

Made with 🔥 Passion in San Francisco