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
- ★ 12
- 最近更新
- 5 个月前
- License
- MIT
- 主语言
- Python
- FA 评分
- 52/100 · 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
- 维护状态
- 近半年有提交最近提交 2026-06-21最新版本 v0.1.0(2026-04-26)
- 源码审查
- 52/100 · 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
安装与配置要点
摘自下方的安装和使用说明,以项目 README 的最新说明为准。
- 配置文件
./arachne.yaml~/.arachne/config.yaml- 运行环境
- Python 3.11+
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 | 52 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 12 | 5 个月前 | Python | — |
| Swarms 多智能体编排框架 | 53 · 缺口较多 | 代码库 / SDK免费 + 模型费 | ★ 7.4k | 今天 | Python | Claude Code · OpenAI API · Claude API |
| Langroid 多智能体框架 | 72 · 存在缺口 | 代码库 / SDK免费 + 模型费 | ★ 4.2k | 1 天前 | Python | Claude Code · OpenAI API |
| OpenRath | 57 · 缺口较多 | 代码库 / SDK免费 + 模型费 | ★ 956 | 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
安全文档明确指出 shell_exec、MCP 命令和进程内 Python 自定义工具的高权限风险,并建议限制配置、审查工具和设置资源限制,因此最小权限仅部分落实。交互式模式可审查计划,且 Reminders 技能要求创建前确认,但默认流程仍会自动配置并执行工具,确认机制不充分。安全策略、配置文档和教程说明了凭据环境变量、会话目录、遥测与工具边界;但会话日志未加密,安全日志也被描述为有限。依赖有版本范围,但材料未显示漏洞审计或供应链控制。任务可能启动 MCP、访问网络或执行 shell/工具操作,材料未说明统一的外部副作用确认机制。会话支持恢复、重跑和删除,但没有通用撤销外部操作的机制。仓库、作者和私下漏洞报告联系人有记录,但发布者身份未由策展注册表验证。
README、配置与代码说明了图执行、持久化和恢复,但文档对 MCP 命令校验存在冲突:安全文档称命令未校验,故障排查却建议核对允许列表。CI 配置和测试样例提供了部分佐证;本审查未执行它们,且声明的生产级能力不应视为已验证。依赖范围和安装入口清楚,但多项功能依赖外部 LLM、网络、浏览器或本机程序。故障排查列出凭据、模型、MCP、会话和成本问题的处理步骤,信息较实用但不全面。
README 和教程定位于开发者、实验研究与早期集成,并给出研究、图复用和交互审查场景。安全文档列出不可信输入、生成代码、MCP、shell 和自定义 Python 工具的信任边界,说明了能力限制及风险。交互模式适合宽泛目标或需审查计划的任务;默认运行方式的适用触发条件较少。Python、uv、LLM 提供方、macOS 技能和本地目录设置均有说明,体现一定环境适配;不同工具及平台的支持范围仍不完全统一。
README、教程、指南、配置、CLI、安全及故障排查材料有清晰分层,并指出了主要入口。安装步骤涵盖 Python、uv、配置和首次运行,但不同文档在 `uv sync` 与 `uv sync --all-groups` 上略有差异。Arachne 的核心命名较稳定,材料中也出现 `ExecutionManager`、`WaveExecutor` 等多个组件名,但没有足够证据确认所有接口的一致性。命令示例和故障排查覆盖常见任务;未见完整 FAQ。安全限制与 Beta 状态已说明,但部分修复仍标为计划中。MIT 许可证正文和元数据明确,给满分。版本为 0.1.0,README 标明 Beta,项目链接指向变更日志;没有提供变更日志内容供核对。维护责任有作者信息、漏洞联系邮箱、问题跟踪入口及 0.x 支持说明,但缺少更广泛的维护承诺。
CLI 的 run、weave、查看、重跑和恢复命令,以及结构化会话记录,有助于用户取得和复用结果。图编排、并行执行、评估与修复是明确的差异化能力,但主要以项目文档中的功能描述呈现,静态材料不能证明实际效果。配置提供每次运行的美元与 token 上限及硬停止开关,降低成本风险;默认上限较高,重试与多阶段执行仍可能增加费用,成本收益说明有限。
多项功能声明对应到具体文档、配置项、CLI 示例、源文件路径或测试样例,具备一定追踪依据。README、架构说明、安全文档和测试样例部分互相印证,但 MCP 校验说明冲突,且样本并非完整仓库。文档通常能区分已实现措施、已知风险和未来计划;一些性能、安全和生产级表述仍是未经本次执行验证的项目陈述。
- 安全文档将 shell_exec、MCP 命令和自定义 Python 工具列为高风险;仅在审查工具来源并限制其文件系统、网络及资源权限后使用。
- 安全文档称 MCP 命令尚未验证,而故障排查提到允许列表;不要假设该限制已经实施。
- 会话日志尚未加密,且安全日志有限;避免将高敏感信息写入目标或工具输出。
- 默认运行可能自动配置和执行工具。对会产生现实影响的任务,使用交互审查并自行核查计划。
- 项目处于 0.1.x Beta,材料中的测试与 CI 声明未经本次执行验证。
最近版本
来自该项目 GitHub Releases 的最新发布记录,说明为上游原文摘录,未经本站改写或测试。
-
v0.1.0 v0.1.0 — Beta
发布说明摘录
Arachne is a DSPy-native autonomous AI agent runtime with graph orchestration, self-healing execution, and dynamic tool/skill provisioning. Beta — under active development. APIs may change. Core - 🧠 GraphWeaver — generates optimized execution DAGs from natural language goals - ⚡ WaveExecutor — true parallel wave-based execution via asyncio - 🛡️ TriangulatedEvaluator — Rules → Semantic → HITL verification - 🔄 AutoHealer — autonomous retry, re-route, or re-weave on failure - 💾 SearchMemoryStore — persistent search dedup across healing iterations …在 GitHub 查看 ↗
常见问题
Arachne 收费吗?
运行失败后怎么办?
生成过的图可以复用吗?
可以人工干预生成的计划吗?
适合生产环境吗?
Arachne 开源吗?
Arachne 安全吗?
Arachne 还在维护吗?
Arachne 是谁开发的?
谢谢反馈,我们会据此改进页面。