用于协调多台机器上的 AI Agent 协同完成开发任务。基于 Git 分支实现无中心数据库的任务总线，总控负责拆卡、分派、验收，worker 原子领取后在独立 worktree 中执行。内置能力感知自动分派、MCP 接口供 Agent 自助领活、零依赖看板，支持 exec/verify/manual 三种模式。【此简介由AI生成】

hive —— 多机 AI Agent 协同的任务总线

状态：活跃开发中，按任务卡迭代，变更记在 CHANGELOG.md。 hive 是自包含的工具，没有并入任何其它项目。「光明（LightLang）」是一门独立的中文编程语言，与本项目无关——只是早期拿它的代码仓当过登记示例。

第一次用？直接看使用指南：人照着命令跑，AI 照着工具序列用。

一个 Python 脚本（hive.py）+ 一个 git 仓库，把「总控 AI 拆任务」和「多台机器上的 agent 干活」连起来。 MCP server 与 LLM 总控已拆成独立模块（mcp_server.py / llm_controller.py）。

总控只做三件事：写任务卡、分派、验收。
worker 自己拉取、原子领取、在独立 worktree 里干活、把结果推回。
不需要 SSH 进 Windows，不需要共享目录，不需要中央数据库。
领取靠 git push 的原子性：两个 worker 抢同一张卡，只有一个 push 成功。
自带 dispatch（能力/负载/依赖感知）、doctor（体检）、stats（成功率/耗时）。

0. 约定：先进入工作目录

hive 按每台机器一个 agent 工作目录来用：仓库都放在工作目录下，日常命令也在里面跑。

平台	工作目录	hive 仓位置
FreeBSD / Linux / macOS	`~/dswork`	`~/dswork/hive`
Windows（PowerShell）	`G:\dswork`（或 `D:\dswork`）	`G:\dswork\hive`

Windows 老机器上的目录叫 G:\dswork\duan-light-merge（历史命名），它等价于 G:\dswork；本文统一写后者，老机器把路径替换过去即可。

# FreeBSD / Linux / macOS
cd ~/dswork

# Windows
cd G:\dswork

下文所有命令都假设你已经在这个工作目录里，因此统一用仓内相对路径：

# FreeBSD / Linux / macOS
python3 hive/hive.py --dir hive cluster start

# Windows：路径分隔符换成反斜杠，参数不变
python3 hive\hive.py --dir hive cluster start

--dir hive 指工作目录下的 hive 仓（任务卡/结果/agent 配置都在里面），不是家目录。
Windows 上 python3 不在 PATH 时，换成 python 或 py -3，其余参数不变。
不要写 python3 ~/hive/hive.py --dir ~/hive：那要求把仓 clone 到家目录，和本约定冲突。
除路径分隔符外，两个平台的命令参数完全一致。

1. 协调仓库

推荐做法：把本工具仓直接推成你自己的 hive 仓，这样 hive.py、windows/、docs/ 都跟着仓库走（下面地址是本项目在用的 Gitea，换成你自己的）：

# 在工作目录里
cd hive
git remote add origin <你的仓库地址>
git push -u origin main

任意机器在工作目录里 clone 成 hive/，再跑一次 init 补齐任务目录：

# FreeBSD / Linux / macOS（公网）
git clone https://github.com/skywalk163/hive.git hive
# 内网可达时更快（作者自建 Gitea，外部访问不到）：
# git clone http://192.168.1.5:3000/skywalk/hive.git hive
python3 hive/hive.py --dir hive init

# Windows（公网；国内慢可用 https://gitcode.com/skywalk163/hive.git）
git clone https://github.com/skywalk163/hive.git hive
python3 hive\hive.py --dir hive init

也可以从空仓库开始（init --remote ... 会建目录并推第一版），但那样就没有现成的 windows/ 和 docs/，需要自己拷。

init 会把 hive.py（以及可选的 hive_ports.py / hive_cluster.py / conflict.py / dispatch_prompt.py）一起放进仓库，之后每台机器 clone 下来就能直接跑，不用另外装。

hive/
├── hive.py              # 工具本体（随仓库走）
├── hive_ports.py        # 端口默认值的唯一来源（8787/8788/8789/8799）
├── hive_cluster.py      # 常驻集群（可选：发现/注册/选主/实时进度）
├── tasks/T-*.md         # 任务卡（总控写）
├── inbox/<agent>/       # 分派信号（总控写）
├── results/T-*.json     # 结果（worker 写，在 res/<task> 分支）
├── claims/T-*.json      # 租约（worker 写，在 claim/<task> 分支）
└── agents/<agent>.json  # 每台机器的配置

1.5 常驻集群（可选，但强烈建议）

建议每台跑 agent 的机器都起一个常驻集群进程：自动发现同网段的其他 hive、向主节点注册、实时同步进度和租约；主节点退出后自动重选。不跑也能用，只是跨机信息要等 git push。 git 仍是唯一真相，集群只是把「等下一次 git push 才能看到进度」变成秒级。

python3 hive/hive.py --dir hive cluster start     # 后台常驻
python3 hive/hive.py --dir hive cluster status    # 谁是主节点 / 谁在线
python3 hive/hive.py --dir hive cluster peers
python3 hive/hive.py --dir hive cluster watch     # 事件流
python3 hive/hive.py --dir hive cluster sync      # 本机代码同步状态
python3 hive/hive.py --dir hive cluster leader    # 主控是谁、租约还剩多久
python3 hive/hive.py --dir hive cluster promote   # 人工把本机推上主控（可 --node 指定别台）
python3 hive/hive.py --dir hive cluster prefer    # 设本机为首选：主控失联时它最先接手
python3 hive/hive.py --dir hive cluster start --leader   # 启动即宣告「我当主控」

Windows 同理，只换分隔符：

python3 hive\hive.py --dir hive cluster start
python3 hive\hive.py --dir hive cluster status

默认 HTTP 8788、UDP 发现 8789；跨网段用 --seed 192.168.1.5:8788。
端口规划（看板 8787 / 集群 8788 / 发现 8789 / 冒烟 8799）集中在 docs/端口与服务规划.md，代码默认值只在 hive_ports.py 定义一次；hive ports 查看，hive ports --check 体检。
跨机建议设置同一个 HIVE_CLUSTER_TOKEN。
hive work / hive orchestrate 会自动拉起本机集群（HIVE_CLUSTER_AUTOSTART=0 关闭）。
新机器在同网段启动即可自动注册；主节点停掉后 1~8 秒内自动出新主。
verify-only / GUI 机器用 cluster start --no-elect 做 observer，只观察不参选。
P0 起进度默认不写 Git：HIVE_STATUS_GIT=auto 只在里程碑且集群不可用时兜底； land 后各机按 repo.updated 自动 ff-only 同步主检出。
P1 起 hive daemon 默认带本机 MCP HTTP：127.0.0.1:8790，一个 agent 一个 token； hive agent enroll --name <agent> 生成 token 和客户端配置。
P2a/P2b 可选 store 控制面：--store --claim-backend store（实验）；claim/lease、 dispatch/assign、result accepted/archive 已接；hive store 看本机状态，默认仍是 Git claim。
细节、API、选主/任期/化身号/宽限期的取舍：见 docs/集群服务.md。

2. 登记机器

agent 配置里写清楚：这台机器能干什么、仓库在哪、用什么命令启动 agent。

# FreeBSD 主力机：dsh headless，prompt 从 stdin 进
python3 hive/hive.py --dir hive agent add \
  --name fb88-dsh \
  --command "dsh --profile headless -" \
  --capabilities freebsd python compiler pytest \
  --repo hive=/home/skywalk/dswork/hive \
  --worktrees /home/skywalk/.hive/wt

Windows VM（没有 agent CLI 也能当验收机）：

# 工作目录 G:\dswork（D 盘就换盘符）
python3 hive\hive.py --dir hive agent add --name win10 --mode verify `
  --capabilities windows exe powershell `
  --repo hive=G:\dswork\hive --worktrees G:\dswork\hive-wt

--repo / --worktrees 写绝对路径：worker 可能被计划任务从别的 cwd 拉起，相对路径会解析到错误位置。

三种模式：

模式	配置	行为
`exec`	`--command "..."`	调 agent，prompt 从 stdin 进，cwd 是 worktree
`verify`	`--mode verify`	不调 agent，只跑任务卡的 `verify`，不产出代码分支
`manual`	`--manual`	备好 worktree，等人/GUI agent 干完写 `.hive/summary.md`

exec 的约定：任务提示词从 stdin 传入，进程的 cwd 就是任务 worktree。 dsh --profile headless - 正好满足；Claude Code 用 claude -p；Codex 用 codex exec -。国产 GUI agent 大多没有 CLI，用 verify 或 manual（见 §6、§7）。

3. 建卡与分派（总控做的事）

python3 hive/hive.py --dir hive task new \
  --title "修复 LLVM 后端 Windows 路径分隔符" \
  --repo hive \
  --paths src/codegen/ tests/ \
  --verify "python -m pytest -q tests/test_llvm_paths.py" \
  --depends T-0100 \
  --body-file /tmp/card.md

# 手工指定
python3 hive/hive.py --dir hive assign T-0101 --agent win10

# 自动分派：先看计划，再 --apply
python3 hive/hive.py --dir hive dispatch
python3 hive/hive.py --dir hive dispatch --apply --limit 3

任务卡就是 tasks/T-0101.md，可以直接改、可以 review、可以回滚。 dispatch 只看 ready、依赖已完成的卡，按 needs/repo 匹配 agent，按 max_concurrency 控负载。

4. worker

# FreeBSD：丢进 tmux，断线也不怕（在工作目录里执行）
tmux new -s hive-fb88 -d "python3 hive/hive.py --dir hive work --agent fb88-dsh --interval 30"

# Windows：计划任务 / 开机启动，登录后常驻
python3 hive\hive.py --dir hive work --agent win10 --interval 60

# 推送 task/<tid> 后自动开 PR（Gitea/GitLab，见 docs/PR自动化.md）
python3 hive\hive.py --dir hive work --agent win10 --pr

# 不想要本机集群的秒级同步（默认会拉起），加 --no-cluster
python3 hive\hive.py --dir hive work --agent win10 --no-cluster

scripts/ 下有两个省事的壳：start-worker.sh <agent>（自动把 OPENAI_API_KEY 映射成 dsh 要的 DEEPSEEK_API_KEY，多 worker 用 HIVE_DIR 各自 clone）； dispatch-loop.sh（总控侧每分钟 dispatch --apply，自动分派循环）。

每轮：

git fetch + reset --hard origin/main（协调仓库只读）；
扫 inbox/win10/T-*.md，跳过已完成 / 被别人领走的；
推 claim/T-xxxx 分支抢锁，输了就下一张；
在代码仓库建独立 worktree（exec/manual 用 task/T-xxxx，verify 用只读的 verify/T-xxxx）；
exec 跑 --command（stdin 喂任务卡）；manual 等人；verify 跳过；
exec/manual 提交、push task/T-xxxx；verify 不产出代码分支；
跑 --verify，写 results/T-xxxx.json 到 res/T-xxxx 分支。

日志在 ~/.hive/agents/<agent>/logs/，--keep 可以保留 worktree 排查。

5. 看板与运维

下面以 Unix 写法为例；Windows 把 hive/hive.py 写成 hive\hive.py，参数不变。

python3 hive/hive.py --dir hive status
#  ID      STATE      OWNER        RESULT   CLAIM            TITLE
#  T-0101  assigned   win10        done     win10@10-22T23 修复 LLVM 后端…

python3 hive/hive.py --dir hive doctor   # 任务卡/租约/结果/agent 配置体检
python3 hive/hive.py --dir hive stats    # 成功率、中位耗时、按 agent/仓库

python3 hive/hive.py --dir hive land   T-0101            # 合入 dry-run（默认，不动东西）
python3 hive/hive.py --dir hive land   T-0101 --apply    # 合入 main 并 close
python3 hive/hive.py --dir hive land   --all --apply     # 把能合的都合掉
python3 hive/hive.py --dir hive land   T-0101 --remote gitcode  # 分支在非 origin 远端

python3 hive/hive.py --dir hive result T-0101      # 看摘要
python3 hive/hive.py --dir hive retry  T-0101      # 失败重跑（清结果+租约，续用原分支）
python3 hive/hive.py --dir hive retry  T-0101 --fresh  # 从 main 重来
python3 hive/hive.py --dir hive gc --minutes 180   # 回收跑飞的租约
python3 hive/hive.py --dir hive lease list         # 本机租约留底（lease_id / fence）
python3 hive/hive.py --dir hive prune              # 清代码仓里已合并的 task/verify 分支（dry-run）
python3 hive/hive.py --dir hive close T-0101 --note "已 land 合入"

# PR 自动化（可选）：建 / 补 / 预览
python3 hive/hive.py --dir hive pr T-0101
python3 hive/hive.py --dir hive pr T-0101 --dry-run

# 不跑 worker 的人工链路（GUI agent 场景，与该 agent 的 worker 二选一）
python3 hive/hive.py --dir hive take   T-0101 --agent workbuddy
python3 hive/hive.py --dir hive submit T-0101
python3 hive/hive.py --dir hive submit T-0101 --pr   # 提交后顺手开 PR

land 是最后一步的自动化：在临时 worktree 里真跑一遍 merge（不是靠 merge-tree 猜），干净就推 main 并 close，冲突就把文件清单列出来交给人/回给 owner 开新卡 —— 不自动解、不 force。默认 dry-run，--apply 才动；详见 docs/操作手册.md §5.1。远端默认自动探测（origin → gitcode → github → 其它），分支只在别的远端上时用 --remote 点名。

close 会把 res/ 里的结果归档到 main:results/T-0101.json，然后删掉 claim/T-0101、res/T-0101 两个分支——Gitea 分支列表里只留正在跑的任务，审计记录仍在 main 上。

5.1 跨机留言：看板上的聊天框

机器 A 对机器 B 上某张卡有话说（「你理解反了」「这个坑注意下」「这段 prompt 给你」），不用再找渠道转述：看板右下角点「留言」，选频道发即可。频道三种—— 大厅、某张卡的讨论（任务卡/详情里的「讨论 n」直达）、私信某 agent。

留言走集群而不是 git（worker 的 worktree 和 MCP 的 clone 每轮 reset --hard，写仓里会被冲掉），别的机器 1~2 秒就能看到；集群没起时自动降级到本机文件，看板照样能发。

python3 hive/hive.py --dir hive chat post --task T-0231 "判据不要改弱，换 git grep"
python3 hive/hive.py --dir hive chat post --agent raccoon --file /tmp/prompt.md
python3 hive/hive.py --dir hive chat list --unread --mark-read
python3 hive/hive.py --dir hive chat wait --task T-0231 --timeout 300

agent 侧用 MCP 的 hive_chat_post / hive_chat_read；hive_claim 返回里带这张卡的留言，hive prompt 也会把留言附在派发指令末尾。详见 docs/跨机留言.md。合并进代码仓 main 之后跑一次 prune：它只删「已合并且不在飞」的 task/*、verify/* 分支（在飞的卡哪怕内容已并入也保留），默认 dry-run，--apply 才真删。

retry 会把远端结果分支删掉；worker 下一轮发现「本地有完成标记但远端没结果」会自动重跑，不需要去每台机器清缓存。

6. verify 模式（Windows 验收机）

适合没有 agent CLI 的机器：只跑验收，不改代码。任务卡里必须至少有一条 verify。

# 在验收机上登记（FreeBSD / Linux / macOS）
python3 hive/hive.py --dir hive agent add --name win10 --mode verify \
  --repo hive=/path/to/hive --worktrees ~/.hive/wt

# Windows 验收机
python3 hive\hive.py --dir hive agent add --name win10 --mode verify `
  --repo hive=G:\dswork\hive --worktrees G:\dswork\hive-wt

要验证某个修复分支，把任务卡的 base 写成 task/T-0101 即可；worker 检出那条分支跑命令，结果里带 "mode": "verify"，不会产生新的代码分支。

Windows 专属 bug 的三卡闭环：诊断卡（win10/verify）→ 修复卡（fb88/exec）→ 验收卡（win10/verify, base=task/T-xxxx）。

7. GUI agent（小浣熊 / WorkBuddy / IDE 里的 agent）

这类 agent 没有稳定的命令行入口，用 --manual：

# Windows 里的 dumate / Trae / CodeArts：直接打开工作区（工作目录 G:\dswork）
python3 hive\hive.py --dir hive agent add --name win10-gui --mode manual `
  --launch "trae {worktree}" `
  --repo hive=G:\dswork\hive --worktrees G:\dswork\hive-wt

launch 支持 {worktree}、{task}、{prompt}；trae 不在 PATH 就写完整路径，或用 explorer {worktree}。 worker 把 worktree 和 .hive/task.md 准备好、把提示词放进 Windows 剪贴板、执行 launch，然后等 GUI agent 改完并写出 .hive/summary.md。

GUI 卡的 timeout_minutes 统一写 180、lease_minutes 写 240——实测小浣熊一张文档卡就要 65 分钟左右，默认 60 分钟会在它写完 summary 前超时；超时之后 GUI 才写完的恢复步骤（补 commit/push + 补 summary + retry 不带 --fresh）见 chroot 文档。压根不想在这个 agent 上跑 worker 的话，也可以走人工链路：take 领取、submit 提交（见 §5）。

chroot 里的小浣熊 / WorkBuddy 的完整接法（共享 /home、manual worker、WorkBuddy root 权限坑）： docs/CHROOT_GUI_AGENTS.md。适合：

需要人盯着界面的操作（浏览器验证、IDE 重构）；
小浣熊这种深链登录、沙箱受限的 Electron 客户端；
暂时不想给 agent 配 API key 的机器。

小浣熊接 MCP 的现成配置（已在 ~/.box-agent/config/mcp.json 验证可用，15 个工具）：

{"command": "python3",
 "args": ["/home/skywalk/dswork/hive/hive.py", "mcp", "--agent", "raccoon"]}

接上后它就能自己查卡/领卡/交了，不用人喂；流程见 AGENT 快速上手。

8. 限制（有意为之）

一个 worker 串行跑任务；要并行就在同一台机器起多个 worker + 多个 agent 名（max_concurrency 只影响 dispatch 的分配）。
dispatch 的并发锁粒度是 paths 不是 repo：同一个仓里改互不相干目录的卡可以同时派给不同 agent； paths 重叠（含父子目录）或没声明 paths 的卡才互相排队，上限 --max-per-repo（默认 1）。
claim/res 是分支，只在进行中存在；close 会归档结果并删分支。
没有自动合并到 main；合并留给人（review PR）或总控用 land 做。PR 自动化是可选的（work --pr / submit --pr / hive pr，只支持 Gitea/GitLab，不碰 GitHub）。
看板的写操作默认只在回环绑定下可用；暴露到内网必须配 token（hive agent enroll），每次写操作落 dashboard/audit.log。见 docs/看板写操作与鉴权.md。
任务卡 frontmatter 只支持标量和标量列表，够用就好。
自建裸仓建议关掉 receive.autogc + gc.auto，夜间手动 gc；原因见 docs/操作手册.md §8。
国产 GUI agent 没有 CLI，走 manual。
纯 Git 租约靠 lease_id + fence 兜住「旧 worker 复活」：过期写入会被拒，事后 land 也会识别过期结果。见 docs/租约与fencing.md。
Windows 作为 verify 验收机已有可重复的官方基准（windows/verify-smoke.ps1，真机 17/17 通过），见 docs/windows-baseline.md； GUI 客户端的 MCP 粘贴仍是 best-effort。

9. 自测

# 在工作目录里
python3 hive/selftest.py

# Windows
python3 hive\selftest.py

会在临时目录里模拟「一个代码仓库 + 两个 worker 抢同一张卡」，断言只有一个领取成功、只产出一个结果；还覆盖 verify-only 模式、跨卡验收（base=task/T-xxxx）、失败上报、retry/gc。

10. 看板

# 在工作目录里（脚本会自己定位 hive 仓）
PORT=8787 INTERVAL=20 ./hive/scripts/serve-dashboard.sh
# 浏览器打开 http://127.0.0.1:8787

远程看：ssh -L 8787:127.0.0.1:8787 skywalk@192.168.0.88，浏览器开 http://127.0.0.1:8787 （这条 ssh 在 Windows PowerShell 里用法相同）。Windows 上不跑看板服务，隧道到 FreeBSD 看即可。

端口只有一个来源：HIVE_DASHBOARD_PORT（默认 8787），PORT 是历史兼容的覆盖项。服务化入口 scripts/dashboard-service.sh start|stop|status、hive dash、各平台自启安装器用的都是这个默认值；任何 hive 命令也会顺手探活并拉起看板（HIVE_DASH_AUTOSTART=0 可关）。全部端口（看板/集群/发现/测试/预留段）见 docs/端口与服务规划.md，现场用 hive ports --check 查占用。页面右上角会显示「快照 N 分钟前」——刷新循环停摆时，数据不会静默停在旧快照上。

五列看板（待领取 / 进行中 / 待合并 / 异常 / 已关闭），租约过期实时变红，支持仓库/owner/搜索筛选、详情抽屉、深浅色。零依赖静态页，serve.py 只用标准库。看板只读，写操作走 CLI（take / submit / close / retry）。说明见 dashboard/README.md，实跑验收见 dashboard/VERIFICATION.md。

11. MCP：让 agent 自己来领活

hive mcp 起一个 MCP stdio server，把任务总线暴露成 15 个工具。接上之后 agent 不用等人喂卡，自助闭环：查任务 → 领卡 → 干活 → 提交 → 干不下去还回去。

python3 hive/hive.py mcp --agent workbuddy --dir hive

客户端配置（MCP 客户端的工作目录不是你的终端，路径要绝对）：

{
  "mcpServers": {
    "hive-workbuddy": {
      "command": "python3",
      "args": ["/home/skywalk/dswork/hive/hive.py",
               "mcp", "--agent", "workbuddy", "--dir", "/home/skywalk/dswork/hive"]
    }
  }
}

--dir 必须写在 mcp 后面。写在前面会被顶层的同名参数吃掉、子命令取不到而静默回退 到默认 clone（~/.hive/clones/mcp-<agent>），不报错。不确定就看启动那行 stderr 的 dir=。也可以干脆不传 --dir，用默认独占 clone（推荐）。 Windows 上把 command 换成 python、路径换成 G:\\dswork\\hive\\hive.py（JSON 里反斜杠要写两个）。

工具	作用
`hive_whoami` / `hive_list_tasks` / `hive_get_task`	我是谁、有哪些卡、某张卡的全文
`hive_next`	推荐一张现在就能干的卡（跳过能力不匹配/依赖未就绪/已被领走）
`hive_claim`	领取：指派给我 + 抢 claim 租约 + 备好 worktree 和提示词
`hive_submit`	提交：commit + push `task/<id>` + 跑 verify + 写结果
`hive_abort` / `hive_extend_lease` / `hive_progress`	放弃还卡 / 续租 / 中途记进度
`hive_block` / `hive_unblock`	条件没到先冻卡 / 解冻
`hive_result` / `hive_stats` / `hive_doctor`	查结果 / 吞吐统计 / 体检

零第三方依赖（标准库实现的 stdio JSON-RPC 2.0）；一个 server 进程 = 一个 agent， 只能操作自己：不能替别人领卡、提交、终止租约，越权调用直接返回错误。返回沿用 LightMem 的 {status, message, details} 信封，失败时 hint 告诉你下一步。详见 MCP 接入。

12. 更多文档

使用指南：从单机到多机、从 Git claim 到 P2 store，人和 AI 都能照着做
AGENT 快速上手：第一次接 hive 的 agent 从这里开始（agent 视角，含实测输出和踩坑）
操作手册：每天的命令、总控流程、故障处理
主控与分发：任务卡怎么跑到某台机器的某个 AI 手上；master.sh / worker.sh / join-agent 三个脚本怎么用
任务卡模板：代码卡 / 验收卡 / 诊断卡 / 手动卡
迁移指南：从聊天里手工分发迁到蜂巢
多机并行开发：多台机器 + 多个 agent 并行的部署、host 路由、防冲突、合流
Windows 接入：bootstrap.ps1 + 计划任务
Windows verify 基准：真机可重复的「已验证」判据（windows/verify-smoke.ps1）
租约与 fencing：lease_id / fence、本地留底、旧 worker 复活的拦截
PR 自动化：work --pr / submit --pr / hive pr（Gitea/GitLab）
看板写操作与鉴权：token、角色、审计日志
Gitea 接入：私有仓、host-scoped 凭据 helper、T-0001 冒烟记录
chroot GUI agent：小浣熊 / WorkBuddy 的完整接法
MCP 接入：让任意 agent 通过 MCP 查/领/交/终止任务
集群架构 v3.1：目标架构（P0/P1 + P2a 已落地，P2b 进行中）：hived、本地副本、OSPF 式自适应、Git 里程碑
方案全文
CHANGELOG

商业支持

这套工具我们每天在用。开源部分永久免费，用不着为「使用」付钱——真的卡住了、或者要把它接进你自己的多机产线，可以让我们代跑一次或做定制（付费）：

方案与陪跑：http://aitest.quye.com/solutions.html
直接写信：hello@quye.com

站点目前挂在这个测试域名上，正式域名 quye.com 迁移后链接会替换；hello@quye.com 长期有效。

Introduction

MIT Python 916Commits多智能体应用

Customize your domain

README

Rulesets

hive:基于 Python 和 Git 的多机 AI Agent 协同任务调度项目