RocketRide

开源 AI 元装配线(meta-harness),以企业级 C++ 运行时构建、测试并发布可在生产环境扩展的持久化 Agent。

Star 数
★ 20k
最近更新
今天
License
MIT
主语言
Python

30 秒速览

可在哪里用
通用 · 跨平台
开始前需要
Docker(可选,用于容器部署)Python SDK(pip install rocketride)TypeScript SDK(npm install rocketride)VS Code / Open VSX 兼容的 IDE 扩展Qdrant(可选,用于本地 RAG 向量检索)Shell / 命令行网络访问本地文件系统MCP Server
典型场景
后端开发者想给现有 Python 或 TypeScript 服务添加 AI 功能:把 document-processor.pipe 当作一个函数,用 SDK 一次调用获取结果。
主要局限
官方 Docker 镜像仅 amd64,Apple Silicon 用户必须以 --platform linux/amd64 模拟运行,存在性能与兼容成本。
官网
rocketride.ai ↗ 来自 GitHub 仓库设置
维护状态
近 30 天有提交最近提交 2026-11-21

这个 Agent 能做什么,适合哪些场景?

RocketRide(rocketride-org/rocketride-server)是一个 MIT 许可的开源 AI 元装配线,覆盖 AI 开发生命周期(AIDLC)的构建、暂存、测试、发布与维护。它以原生多线程 C++ 引擎为核心运行时,通过 VS Code / Open VSX 扩展在 IDE 内以可视化画布编写、调试和观察流水线。流水线以 .pipe JSON 文件表示,可版本控制、可移植,由源节点(webhook、chat 或 dropper)开始,串接 LLM、向量数据库、OCR、NER、PII 匿名化等 Python 可扩展节点,最终由响应节点返回结果。内置 CrewAI 与 LangChain 多 Agent 支持,配备调用树追踪、Token 用量与延迟分析等深度可观测能力,并提供 Python/TypeScript SDK、MCP 服务器与编码 Agent 自动检测。部署可选择本地运行、Docker/自有基础设施自托管,或托管版 RocketRide Cloud。

用户在 IDE 中安装 RocketRide 扩展并启动引擎(本地、Docker 或源码构建),在可视化画布上把节点连线为流水线,保存为 .pipe JSON 文件。按下源节点上的 ▶ 启动流水线后,它以 webhook、chat 或 dropper 作为请求入口,依次执行节点图:LLM 提供商、向量/图/SQL 数据库、OCR、NER、PII 匿名化、分块策略、嵌入模型,以及可被父节点当作工具调用的 Agent 节点。示例流水线 examples/document-processor.pipe 可接收 PDF 或图片,抽取文字(含图片内文字)、识别人名地址等个人数据并返回脱敏副本,全程使用本地模型。应用通过 Python SDK(pip install rocketride)或 TypeScript SDK(npm install rocketride)调用:RocketRideClient.use(filepath=...) 加载流水线,client.send(token, text) 提交输入并返回结果,client.terminate(token) 结束运行。内置 MCP 服务器允许 Claude、Cursor 等编码 Agent 以自然语言构建、修改和部署流水线。运行期间可查看调用树、Token 用量、内存消耗等追踪数据。

  1. 后端开发者想给现有 Python 或 TypeScript 服务添加 AI 功能:把 document-processor.pipe 当作一个函数,用 SDK 一次调用获取结果。
  2. 需要在本地处理含个人数据的文档(PDF、图片)并做 PII 匿名化的团队,可运行全本地模型、数据不出机器。
  3. 想搭建“对我的文档提问”式 RAG 检索的用户,可直接使用 rag-pipeline.pipe,配合本地 Qdrant 向量库。
  4. 需要编排多 Agent 工作流(链式 Agent、跨运行共享内存)的工程团队,可借助内置 CrewAI 和 LangChain 支持。
  5. 使用 Claude 或 Cursor 等编码 Agent 的开发者,可通过内置 MCP 服务器用自然语言构建和部署流水线。
  6. 无运维资源的初创团队可把相同的 .pipe 文件部署到 RocketRide Cloud,由托管服务负责扩容与运行。

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。

安装 / 启动命令
  • docker pull ghcr.io/rocketride-org/rocketride-engine:latest
  • pip install rocketride
  • npm install rocketride
端口
5565
环境变量
ROCKETRIDE_APIKEY
配置文件
.env
安装说明涉及
Linux · Docker

如何安装或部署这个 Agent?

安装 IDE 扩展:在 VS Code 扩展市场搜索 "RocketRide",或从 Open VSX Registry 直接下载。启动引擎可任选其一:

1) 本地(推荐):在扩展的 Connection Manager 中选择 Local,服务器直接在 IDE 内运行,无需注册。

2) Docker:

docker pull ghcr.io/rocketride-org/rocketride-engine:latest
docker create --name rocketride-engine -p 127.0.0.1:5565:5565 ghcr.io/rocketride-org/rocketride-engine:latest
docker start rocketride-engine

注意:镜像仅支持 amd64,Apple Silicon 需在 pull 和 create 时加 --platform linux/amd64。引擎未设置密钥时客户端可传任意非空值,例如:

export ROCKETRIDE_APIKEY=rr_local

3) 源码构建:克隆本仓库并按 CONTRIBUTING.md 构建,单一构建工具 ./builder 会自动管理 C++ 工具链、Python 环境和 Java/Tika。

SDK 安装(按需):

pip install rocketride
npm install rocketride

如何使用这个 Agent?

1) 在 IDE 中点击 RocketRide 扩展,部署服务器(选 Local、Docker 或自有硬件)。

2) 打开示例流水线 examples/document-processor.pipe,按源节点上的 ▶ 启动;其源为 webhook,等待输入。

3) 扩展会把引擎连接信息写入当前目录的 .env,SDK 自动读取。然后即可从代码调用:

import asyncio
from rocketride import RocketRideClient


async def main():
    async with RocketRideClient() as client:
        run = await client.use(filepath='examples/document-processor.pipe')
        out = await client.send(
            run['token'], 'Alice Smith, 12 Elm St, Springfield.', objinfo={'name': 'note.txt'}, mimetype='text/plain'
        )
        print(out)
        await client.terminate(run['token'])


asyncio.run(main())

TypeScript 同理。进阶:在源与响应节点间插入 llm_* 节点并配一个 API 密钥;用 rag-pipeline.pipe 做语义检索(需一个 LLM 密钥,Qdrant 可本地运行);用 agent-workflow.pipe 给流水线加入可调用其他节点的 Agent。若连接 Cloud,则设置:

ROCKETRIDE_URI=https://api.rocketride.ai
ROCKETRIDE_APIKEY=your-api-key

这个 Agent 有哪些优点和局限?

优点
  • 唯一以企业级原生多线程 C++ 引擎为核心的 Agent 运行时,为高吞吐 AI 与数据工作负载设计,区别于纯 Python 框架。
  • 整个引擎 MIT 许可且 OSI 合规,无企业版、无付费墙,自托管无锁定;同一 .pipe 文件在 Cloud 与本地引擎上语义一致,可随时迁移。
  • 零依赖负担:Python 环境、C++ 工具链、Java/Tika 等节点依赖全部由 ./builder 自动管理,克隆即可构建运行。
  • 深度可观测:调用树追踪、Token 用量、内存与延迟分析内置于画布,可在扩展前优化流水线。
  • 对编码 Agent 友好:自动检测 Claude、Cursor 等,提供 llms.txt 与 MCP 服务器,可用自然语言构建和部署流水线。
局限
  • 官方 Docker 镜像仅 amd64,Apple Silicon 用户必须以 --platform linux/amd64 模拟运行,存在性能与兼容成本。
  • 接入 LLM 能力需要额外配置 API 密钥(示例流水线默认仅用本地模型),语义检索还需自备向量数据库(如 Qdrant)。
  • 托管版 RocketRide Cloud 为付费服务,把数据交给供应商云;不想使用托管路径的团队只能自行运维引擎。
  • 引入可视化画布 + .pipe JSON + 引擎进程的整套架构,对只需要一个嵌入式 Agent 库的简单场景是较重的迁移成本。
  • 文档虽完整,但扩展至集群需依赖 Helm chart 等运维工作,具体生产规模性能数据在源材料中未提供。

这个 Agent 与同类方案有什么区别?

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
RocketRide 当前 84 · 表现良好 — ★ 20k 今天 Python —
VoltAgent 50 · 缺口较多 命令行工具免费版 + 付费版 ★ 11k 14 天前 TypeScript ChatGPT · OpenAI API · Claude API
XERJ 65 · 存在缺口 命令行工具免费 ★ 19k 1 天前 Rust Claude Code
LlamaAgents 59 · 缺口较多 代码库 / SDK免费 + 模型费 ★ 469 今天 Python —

FollowAgents 如何评估这个 Agent?

FollowAgents 源码审查 · FARS-2.1
表现良好
84/ 100 五分制 4.2 / 5
信任安全 24/29
可靠稳定 12/14
适用触发 15/18
规范维护 16/18
有效结果 12/13
证据核验 5/8
查看各维度的扣分理由
信任安全24 / 29 · 4.1/5

证据显示权限最小化与用户确认做得非常扎实:CI 工作流默认 contents:read 并按需提权、Actions 按 SHA 固定;技能强制硬性门控(等待即结束回合、.context/GATE_STATE.md 防止上下文重置后自动批准)、成本门控(Gate C.5)和拒绝穿透。密钥处理明确:只用 ${ROCKETRIDE_*} 环境引用,凭据走带外配置,秘钥扫描与推送保护启用。扣分点:外部效果(外部工具节点、云计费)有门控但静态证据有限;回滚(rollback)在材料中几乎未提及,仅'管道是可版本控制的 JSON'一句带过;来源归属方面 LICENSE/AGENTS.md 显示实为 Aparavi(RocketRide/Aparavi 双重身份),README 未突出说明。

可靠稳定12 / 14 · 4.3/5

技能与文档高度自洽:三套层级工具(MCP/shim/离线索引)有明确回退阶梯,节点不得凭记忆发明,必须引用索引;失败消息处理堪称范本——要求逐字引用错误、ERROR_TABLE 将错误映射到原因与修复阶段。扣分点:捆绑节点索引'可能与实际引擎注册集漂移',依赖可用性存在已知的静态/动态偏差;未见 CHANGELOG 式的版本一致性说明。

适用触发15 / 18 · 4.2/5

受众分层清晰(本地用户、贡献者、云用户、编码代理),术语表、分步示例、Mermaid 图俱全;技能 frontmatter 的 description 精确界定触发场景(构建/运行/调试/配置管道)。扣分点:能力边界仅零散披露(amd64-only 镜像、索引漂移、traceLevel=none 时无 traces),无系统性限制文档;环境适配方面云回退行为('从其他目录运行则回退到 RocketRide Cloud')可能令用户意外。

规范维护16 / 18 · 4.4/5

信息架构出色:AGENTS.md 是任务路由的单一事实源,文档契约随同变更更新的规则明确并有 CI 校验(docs:check、validate-node-readme)。安装说明覆盖 IDE/Docker/本地/云四路径,命名(.pipe、rocketride-*)稳定,贡献/安全/治理文档齐全。扣分点:已知限制散落各处而非集中披露;未见 CHANGELOG 文件,版本(3.6.0 vs 3.1.x 支持表)之间关系未在样本中说明。

有效结果12 / 13 · 4.6/5

输出可用性强:管道是可 diff 的 JSON、validate() 作为编译器、可观测性(trace/token/延迟);边际价值在于 Schema 驱动配置 + 强制校验流程确实降低幻觉节点/字段风险。扣分点:成本收益存在隐患——SDK 在非项目目录运行时'自动回退到 RocketRide Cloud'是隐式计费路径,虽有 Gate C.5 但默认回退本身未提示。

证据核验5 / 8 · 3.1/5

仓库内事实可追溯性较好(节点须引用索引、validate 结果须逐字引用、CI 门控有 issue 编号 #1754/#1828 等具体出处)。扣分点:营销性断言与事实混杂——'唯一企业级 C++ 运行时'、'0/24 on Haiku'(方法与范围未说明)、'battle-tested' 均不可在包内验证;跨源印证仅限仓库内部一致,未验证 publisher 为未认证身份。

风险与缓解建议
  • 发布者身份未经认证;LICENSE 显示版权归属 Aparavi Software AG,与 RocketRide 品牌并存,使用前应确认实际运营主体。
  • SDK 客户端在项目目录外运行时会回退到 RocketRide Cloud(计费端点);若无意使用云服务,请始终在本地目录内运行并显式设置 ROCKETRIDE_URI。
  • Docker 镜像仅支持 amd64,Apple Silicon 需手动加 --platform linux/amd64;捆绑节点索引可能与实际引擎注册集漂移,节点选择务必以线上 schema 为准。
  • README 中的性能与可靠性断言('唯一企业级 C++ 运行时'、'0/24 on Haiku')为厂商自述,未经独立验证。
  • 支持版本表(3.1.x)与包版本(3.6.0)之间的关系未在样本材料中说明,部署前请核对安全支持范围。
  • 静态审查仅基于提供的文件样本;未执行任何运行验证,validate()/运行结果正确性不在本评分范围内。
证据充分度:低 评估于 2026年11月21日 审查版本 ac95345cd331
查看完整评分方法 →
你是这个项目的维护者?把 FARS 徽章加到 README

徽章显示当前的评审分数和结论,点击回到本页。重新评审后约一小时内更新。

FARS

[![FARS 评测](https://followagents.com/badge/rocketride-server.svg?lang=zh)](https://followagents.com/zh/agents/rocketride-server)
<a href="https://followagents.com/zh/agents/rocketride-server"><img src="https://followagents.com/badge/rocketride-server.svg?lang=zh" alt="FARS 评测"></a>

常见问题

RocketRide 用哪个端口?
本页安装说明里用的是 5565 端口(例如 http://localhost:5565)。如果项目支持修改端口,方法以 README 为准。
RocketRide 官网是什么?
RocketRide 的 GitHub 仓库填写的官网是 https://rocketride.ai。这个链接由仓库作者设置;源码在 GitHub(rocketride-org/rocketride-server)。
RocketRide 开源吗?
开源。源码在 GitHub(rocketride-org/rocketride-server),许可证是 MIT。
RocketRide 安全吗?
FollowAgents 的 FARS 评审(2026年11月21日)给 RocketRide 的“信任与安全”打了 24/29 分。评审检查的 8 项安全措施没有完全缺失的。
RocketRide 还在维护吗?
在维护。GitHub 上最近一次提交是 2026-11-21,在最近 30 天内。
RocketRide 是谁开发的?
RocketRide 由 GitHub 账号 rocketride-org 发布。FollowAgents 没有核实这个账号背后是哪个人或公司。
这页内容对你有帮助吗?
在 GitHub 查看 ↗ 安装 ↓

对比同类 Agent

用同一套 FARS 评审,横向比较这个 Agent 所属的短名单。

相关核心概念