Arachne
用自然语言描述目标，自动编织 DSPy 原生的可检查智能体执行图，失败时自我修复。
- Star 数
- ★ 10
- 最近更新
- 9 天前
- License
- MIT
- 主语言
- Python
- FA 评分
- 50/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 兼容但需适配
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 研究型用户需要将'调研人形机器人现状'这类模糊目标拆解为可并行执行的子任务图
- 不适合
- 需要 0.1.x 之外稳定 API 保证的生产团队
- 想要纯图形界面而非 CLI 的用户
- 源码审查
- 50/100 · 缺口较多
这个 Agent 能做什么，适合哪些场景？
Arachne 是一个 DSPy 原生的自主智能体运行时，将自然语言目标转换为结构化的 GraphTopology 图模型，而不是隐藏在提示链中。它通过 GraphWeaver 编织有向图，用 WaveExecutor 按拓扑波次并行执行节点，并由 ToolResolver 解析内置工具和 MCP 工具。执行结果经 Evaluator 评估，AutoHealer 可对失败或低质量运行进行重试、重路由或重新编织图。每次运行都有持久化的会话记录，支持审计、恢复（resume）与图复用（rerun）。项目处于 0.1.x Beta 阶段，接口可能变动，适合实验、研究工作流和早期集成反馈。
用户通过 CLI（uv run arachne run "目标"）输入自然语言目标；系统先澄清目标，再由 GraphWeaver 生成结构化 GraphTopology（基于 DSPy 签名和 Pydantic 模型），ToolResolver 提供内置工具与 MCP 工具，WaveExecutor 在依赖满足后以异步并发方式按波次执行节点。执行完毕后 Evaluator 依据规则与语义评分评估输出，必要时人工审核门控介入；AutoHealer 对失败运行执行定向重试、重路由或重新编织。所有运行记录在本地会话存储中，可用 arachne ls、arachne cat last、arachne graphs、arachne rerun <graph-id> 和 arachne resume <session-id> 查看、复用和恢复。
- 研究型用户需要将'调研人形机器人现状'这类模糊目标拆解为可并行执行的子任务图
- 分析师生成市场图谱，如'为开源智能体运行时创建市场地图'，并保留可审计的运行记录
- 工程师比较框架选型，如'比较 DSPy 与 LangGraph 在图智能体上的差异'，可先用 weave 只生成图不执行
- 需要工具失败的韧性工作流的团队，依赖自愈循环而非昂贵盲目重试
- 希望人工审核生成计划的用户，使用 --interactive 模式审查和引导图执行
如何安装或部署这个 Agent？
前置要求：Python 3.11+ 和 uv。克隆仓库并运行安装向导：
bash
git clone https://github.com/Strategic-Automation/arachne.git
cd arachne
./quickstart.sh向导会检查 Python 与 uv 环境、安装依赖并协助创建本地配置文件。配置支持项目级 ./arachne.yaml 或用户级 ~/.arachne/config.yaml（两者不合并，项目级优先），运行时覆盖值优先级最高。
如何使用这个 Agent？
编织并执行一个目标：
bash
uv run arachne run "Research the current state of humanoid robotics"启用交互式人工审核：
bash
uv run arachne run "Research the current state of humanoid robotics" --interactive常用命令：
bash
uv run arachne weave "Compare DSPy and LangGraph for graph-based agents"
uv run arachne ls -n 5
uv run arachne cat last
uv run arachne graphs
uv run arachne rerun <graph-id>
uv run arachne resume <session-id>这个 Agent 有哪些优点和局限？
- 图拓扑以 Pydantic 模型和 DSPy 签名显式建模，可检查、可缓存、可复用（arachne graphs / rerun），而非隐藏的提示链
- WaveExecutor 按拓扑波次异步并行执行独立节点，比顺序计划更快
- 自愈循环区分定向重试、重路由和重新编织，避免昂贵盲目重试；失败会话可 resume 恢复
- 内置工具与 MCP 工具走同一 ToolResolver 解析路径，扩展点统一
- 0.1.x Beta 状态，接口可能随版本变化，生产采用有迁移风险
- 需要 Python 3.11+ 和 uv 工具链，并配置 YAML 文件，安装不止一条命令
- 依赖 LLM 调用，使用成本取决于所选模型供应商的 API 费用
- 配置加载不合并项目级与用户级 YAML，多环境部署需注意选择逻辑
这个 Agent 与同类方案有什么区别？
README 在功能对比表和示例命令中提到 LangGraph 作为图智能体方案的对照对象，但未提供正式基准数据；选择 Arachne 的理由主要是其 DSPy 原生建模、波次并行执行和自愈会话模型。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Arachne 当前 | 50 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 10 | 9 天前 | Python | — |
| Swarms 多智能体编排框架 | 0 · 缺口较多 | 代码库 / SDK免费 + 模型费 | ★ 7.2k | 1 天前 | Python | Claude Code · OpenAI API · Claude API |
| Langroid 多智能体框架 | 70 · 存在缺口 | 代码库 / SDK免费 + 模型费 | ★ 4.1k | 4 天前 | Python | Claude Code · OpenAI API |
| OpenRath | 47 · 缺口较多 | 代码库 / SDK免费 + 模型费 | ★ 1.1k | 1 个月前 | Python | OpenAI API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
SECURITY.md 披露了严重信任缺口：自定义 Python 工具经 exec_module 无沙箱加载、read_file/write_file 存在路径穿越、会话日志含关键数据未加密——这三项直接压低最小权限、外部副作用与回滚评分；交互式审查模式仅一句带过，无具体确认流程证据；敏感数据处理有 SecretStr、.env 忽略与 Deno 沙箱等实际措施故给 2；依赖面极宽（playwright、browser-use、googlesearch 等）但无审计/锁定证据；归属仅有个人邮箱，发布方未经验证。
README、pyproject 与测试相互一致，连配置不合并的怪癖都如实记录，自洽性 2；依赖可用性扣分：24+ 运行时依赖、uv 向导是唯一安装路径，无镜像/降级方案；失败消息有部分证据（测试断言 'Tool discovery failed'、mock LM 安全默认返回），故 2。
明确标注 Beta、给出目标场景（实验/研究/早期集成）与命令面，受众 2、触发 2；但能力边界除 planned areas 一句外缺乏实质描述，环境适配依赖 Deno、uv、3.11+ 等多重前提而未论证，均 1。
文档结构（tutorials/explanation/reference）清晰、快速上手完整、命名一致，均 2；known_limitations 得 3——SECURITY.md 对自身安全缺陷的坦诚披露是罕见亮点；license 3（LICENSE 与 badge 一致）；扣分项：CHANGELOG 仅是链接无实体文件、维护责任集中于单一未验证个人邮箱、examples/FAQ 无实质内容。
CLI 提供 ls/cat/rerun/resume 使输出可检索复用，2；以 DSPy 原生图而非提示链为差异化主张有一定边际价值，2；成本效益扣分：虽有 default_max_usd 预算设置，但依赖膨胀（同时引入 browser-use、playwright、langchain-openai）且 Beta 状态下修复成本低/收益未证实，1。
核心主张（自愈、并行波执行、可观测性）在提供的文件中无代码可追溯，仅测试覆盖 weaver/executor 的窄切片，1；README、pyproject、CI、测试四源在版本、命令、角色模型上相互印证，2；事实与推断区分良好（Beta 标注、已知问题明确列出、planned areas 与现状分离），2。
- SECURITY.md 自认 read_file/write_file 存在路径穿越、自定义 Python 工具无沙箱加载，部署前应限定文件系统权限并优先使用 Deno 沙箱。
- 会话日志未加密且可能含任务关键数据，敏感场景请勿使用或自行加密存储。
- 依赖面极宽且版本区间宽松（如 browser-use 未设上限），供应链风险需自行评估。
- 维护责任集中于单一未验证个人邮箱，企业采用前应确认响应承诺。
- 0.1.x Beta，接口可能变更；CHANGELOG 文件缺失，升级前请核对提交记录。