zh-CN.md

English | 简体中文 | Español | हिन्दी | Português | 日本語 | Русский | 한국어

概述

构建可靠的、自主的、自我改进的 AI 智能体，无需硬编码工作流。通过与编码智能体对话来定义目标，框架会生成带有动态创建连接代码的节点图。当出现问题时，框架会捕获故障数据，通过编码智能体进化智能体，并重新部署。内置的人机协作节点、凭证管理和实时监控让您在保持适应性的同时拥有完全控制权。

访问 adenhq.com 获取完整文档、示例和指南。

Hive 适合谁？

Hive 专为想要构建生产级 AI 智能体而无需手动编写复杂工作流的开发者和团队设计。

以下情况 Hive 非常适合您：

• 希望 AI 智能体执行真实业务流程，而不仅仅是演示
• 偏好目标驱动开发，而非硬编码工作流
• 需要自愈和自适应智能体，随时间不断改进
• 要求人机协作控制、可观测性和成本限制
• 计划在生产环境中运行智能体

如果您只是在做简单的实验性智能体链或一次性脚本，Hive 可能并不是最佳选择。

何时使用 Hive？

在以下场景中使用 Hive：

• 长时间运行的自主智能体
• 强护栏、流程和控制要求
• 基于失败持续改进
• 多智能体协调
• 随目标演进的框架

快速链接

• 文档 - 完整指南和 API 参考
• 自托管指南 - 在您的基础设施上部署 Hive
• 更新日志 - 最新更新和版本
• 路线图 - 即将推出的功能和计划
• 报告问题 - Bug 报告和功能请求
• 贡献指南 - 如何贡献和提交 PR

快速开始

前置要求

• Python 3.11+ - 用于智能体开发
• Claude Code、Codex CLI 或 Cursor - 用于使用智能体技能

Windows 用户注意： 强烈建议使用 WSL（Windows Subsystem for Linux） 或 Git Bash 运行本框架。某些核心自动化脚本在标准命令提示符或 PowerShell 中可能无法正确执行。

安装

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 . 只会创建一个占位包，Hive 将无法正常运行。 请使用下方的 quickstart 脚本来设置环境。

# 克隆仓库
git clone https://github.com/adenhq/hive.git
cd hive

# 运行 quickstart 设置
./quickstart.sh

该脚本将安装：

• framework - 核心智能体运行时和图执行器（在 core/.venv 中）
• aden_tools - 智能体能力所需的 MCP 工具（在 tools/.venv 中）
• 凭证存储 - 加密 API 密钥存储（~/.hive/credentials）
• LLM 提供商 - 交互式默认模型配置
• 使用 uv 安装所有必需的 Python 依赖

构建您的第一个智能体

# 使用 Claude Code 构建智能体
claude> /hive

# 测试您的智能体
claude> /hive-debugger

# （在单独终端）启动交互式仪表盘
hive tui

# 或直接运行
hive run exports/your_agent_name --input '{"key": "value"}'

编码智能体支持

Codex CLI

Hive 原生支持 OpenAI Codex CLI（v0.101.0+）。

1. 配置： .codex/config.toml 包含 agent-builder MCP 服务器（已纳入 git 追踪）
2. 技能： .agents/skills/ 指向 Hive 技能的符号链接（已纳入 git 追踪）
3. 启动： 在仓库根目录运行 codex，然后输入 use hive

Opencode

Hive 原生支持 Opencode。

1. 设置： 运行 quickstart 脚本
2. 启动： 在项目根目录打开 Opencode
3. 激活： 在聊天中输入 /hive 切换到 Hive Agent
4. 验证： 询问智能体 "List your tools" 确认连接

📖 完整设置指南 - 智能体开发的详细说明

Antigravity IDE 支持

技能和 MCP 服务器也适用于 Antigravity IDE（Google 的 AI 驱动 IDE）。最简单的方式： 在 hive 仓库文件夹中打开终端并运行（使用 ./ — 脚本在仓库内部）：

./scripts/setup-antigravity-mcp.sh

重要： 运行设置脚本后务必重启/刷新 Antigravity IDE — MCP 服务器仅在启动时加载。重启后，agent-builder 和 tools MCP 服务器应该可以连接。技能位于 .agent/skills/ 下（指向 .claude/skills/ 的符号链接）。

功能特性

• 目标驱动开发 - 用自然语言定义目标；编码智能体生成智能体图和连接代码来实现它们
• 自适应 - 框架捕获故障，根据目标进行校准，并进化智能体图
• 动态节点连接 - 没有预定义边；连接代码由任何有能力的 LLM 根据您的目标生成
• SDK 封装节点 - 每个节点开箱即用地获得共享内存、本地 RLM 内存、监控、工具和 LLM 访问
• 人机协作 - 干预节点暂停执行以等待人工输入，支持可配置的超时和升级
• 实时可观测性 - WebSocket 流式传输用于实时监控智能体执行、决策和节点间通信
• 交互式 TUI 仪表盘 - 带有实时图形视图、事件日志和对话界面的终端仪表盘
• 成本与预算控制 - 设置支出限制、节流和自动模型降级策略
• 生产就绪 - 可自托管，为规模和可靠性而构建

集成

Hive 被构建为模型无关和系统无关的框架。

• LLM 灵活性 - Hive 框架设计支持各种类型的 LLM，包括通过 LiteLLM 兼容提供商的托管和本地模型
• 业务系统连接 - Hive 框架设计通过 MCP 将各种业务系统作为工具连接，如 CRM、支持、消息、数据、文件和内部 API

为什么选择 Aden

Hive 专注于生成运行真实业务流程的智能体，而非通用智能体。Hive 颠覆了这一范式：您描述结果，系统自动构建自己——提供目标驱动的、自适应的体验，配备易用的工具集和集成。

flowchart LR
    GOAL["定义目标"] --> GEN["自动生成图"]
    GEN --> EXEC["执行智能体"]
    EXEC --> MON["监控与观测"]
    MON --> CHECK{{"通过？"}}
    CHECK -- "是" --> DONE["交付结果"]
    CHECK -- "否" --> EVOLVE["进化图"]
    EVOLVE --> EXEC

    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

Loading

Aden 的优势

传统框架	Hive
硬编码智能体工作流	用自然语言描述目标
手动图定义	自动生成智能体图
被动错误处理	结果评估和自适应
静态工具配置	动态 SDK 封装节点
单独设置监控	内置实时可观测性
DIY 预算管理	集成成本控制与降级

工作原理

1. 定义目标 → 用简单语言描述您想要实现的目标
2. 编码智能体生成 → 创建智能体图、连接代码和测试用例
3. 工作节点执行 → SDK 封装节点以完全可观测性和工具访问运行
4. 控制平面监控 → 实时指标、预算执行、策略管理
5. 自适应 → 失败时，系统进化图并自动重新部署

运行智能体

hive CLI 是运行智能体的主要界面。

# 交互式浏览和运行智能体（推荐）
hive tui

# 直接运行特定智能体
hive run exports/my_agent --input '{"task": "Your input here"}'

# 使用 TUI 仪表盘运行特定智能体
hive run exports/my_agent --tui

# 交互式 REPL
hive shell

TUI 会扫描 exports/ 和 examples/templates/ 中的可用智能体。

直接使用 Python（替代方式）： 也可以使用 PYTHONPATH=exports uv run python -m agent_name run --input '{...}' 运行智能体

完整设置说明请参阅 environment-setup.md。

文档

• 开发者指南 - 开发者综合指南
• 入门指南 - 快速设置说明
• TUI 指南 - 交互式仪表盘使用
• 配置指南 - 所有配置选项
• 架构概述 - 系统设计和结构

路线图

Aden 智能体框架旨在帮助开发者构建面向结果的、自适应的智能体。详情请参阅 roadmap.md。

贡献

我们欢迎社区贡献！我们特别希望获得构建工具、集成和框架示例智能体的帮助（查看 #2805）。如果您有兴趣扩展其功能，这是最好的起点。请参阅 CONTRIBUTING.md 了解指南。

重要： 请在提交 PR 之前先认领 Issue。在 Issue 下评论认领，维护者将在 24 小时内分配给您。这有助于避免重复工作。

1. 找到或创建 Issue 并获得分配
2. Fork 仓库
3. 创建功能分支（git checkout -b feature/amazing-feature）
4. 提交更改（git commit -m 'Add amazing feature'）
5. 推送到分支（git push origin feature/amazing-feature）
6. 创建 Pull Request

社区与支持

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
• Twitter/X - @adenhq
• LinkedIn - 公司主页

加入我们的团队

我们正在招聘！ 加入我们的工程、研究和市场推广团队。

查看开放职位

安全

有关安全问题，请参阅 SECURITY.md。

许可证

本项目采用 Apache License 2.0 许可证 - 详情请参阅 LICENSE 文件。

常见问题（FAQ）

问：Hive 支持哪些 LLM 提供商？

Hive 通过 LiteLLM 集成支持 100 多个 LLM 提供商，包括 OpenAI（GPT-4、GPT-4o）、Anthropic（Claude 模型）、Google Gemini、DeepSeek、Mistral、Groq 等。只需设置适当的 API 密钥环境变量并指定模型名称即可。

问：我可以在 Hive 中使用 Ollama 等本地 AI 模型吗？

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 在本地运行即可。

问：Hive 与其他智能体框架有何不同？

Hive 使用编码智能体从自然语言目标生成整个智能体系统——您无需硬编码工作流或手动定义图。当智能体失败时，框架会自动捕获故障数据、进化智能体图并重新部署。这种自我改进循环是 Aden 独有的。

问：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。

问：Hive 能处理复杂的生产级用例吗？

可以。Hive 明确为生产环境设计，具备自动故障恢复、实时可观测性、成本控制和水平扩展支持等功能。该框架可处理从简单自动化到复杂多智能体工作流的各种场景。

问：Hive 支持人机协作工作流吗？

是的，Hive 通过干预节点完全支持人机协作工作流，这些节点会暂停执行以等待人工输入。包括可配置的超时和升级策略，实现人类专家与 AI 智能体的无缝协作。

问：Hive 支持哪些编程语言？

Hive 框架使用 Python 构建。JavaScript/TypeScript SDK 已在路线图中。

问：Hive 智能体可以与外部工具和 API 交互吗？

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

问：成本控制如何工作？

Hive 提供精细的预算控制，包括支出限制、节流和自动模型降级策略。您可以在团队、智能体或工作流级别设置预算，支持实时成本跟踪和告警。

问：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。仓库中的 docs/ 文件夹也包含文档，以及完整的开发者指南。

问：如何为 Aden 做贡献？

欢迎贡献！Fork 仓库，创建功能分支，实现您的更改，然后提交 Pull Request。详细指南请参阅 CONTRIBUTING.md。

---

用 🔥 热情打造于旧金山