Agents Squads
用持久记忆、验证与反馈循环协调多模型 AI 团队。
- Star 数
- ★ 53
- 最近更新
- 3 天前
- License
- MIT
- 主语言
- TypeScript
- FA 评分
- 73/100 · 存在缺口
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台Claude Code
- 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
- 工程负责人希望让规划者、实现者和验证者围绕同一目标协作，并在 Git 中保留可审计状态。
- 不适合
- 无法安装 Claude Code 的团队
- 需要免 Git、免文件系统状态管理的团队
- 寻找托管式无服务器平台的用户
- 源码审查
- 73/100 · 存在缺口
这个 Agent 能做什么，适合哪些场景？
Agents Squads 是一个用 TypeScript 构建的命令行框架，用于组织承担工程、营销、财务和运营工作的 AI agent 团队。它把业务背景、系统规则、团队身份、目标、学习记录和反馈保存为 Git 仓库中 `.agents/` 目录下的 Markdown 文件，不需要数据库、服务器或专用 DSL。每次运行前，系统会按角色加载由公司战略、团队目标、上一轮反馈和当前工作组成的上下文级联，然后由负责人规划、执行者工作、验证者检查结果。CLI 可调用 `claude`、`gemini`、`aider` 等原生 AI 命令行工具，并支持为不同 agent 选择不同模型。用户通过 `squads run` 发起团队或定向任务，通过 `squads inbox` 处理需要人工批准、拒绝或延后的事项；状态、记忆、目标、反馈和仪表板也属于仓库描述所列的管理范围。它完全在用户机器上运行，状态和审计轨迹由本地文件与 Git 承载，但需要 Node.js、Git、Claude Code 以及相应 AI 提供商的凭据。
运行时，Squads 从 .agents/BUSINESS_BRIEF.md 读取业务背景，从 .agents/config/SYSTEM.md 读取共享规则，从 .agents/squads/ 读取 SQUAD.md 和各 agent 的 Markdown 定义，并从 .agents/memory/ 读取战略、目标、学习记录与反馈。它根据角色组装上下文级联，让扫描型角色获得较轻的上下文，让负责人获得更完整的信息。squads run research 执行规划、工作、评审和验证组成的团队对话；squads run intelligence --task "Scan X" 发起有明确边界的定向任务。执行阶段会 shell out 到 claude、gemini、aider 等原生 AI CLI，因此不同角色可以路由到不同模型。每轮反馈会注入下一轮，团队状态则继续保存在 Markdown 文件和 Git 历史中；squads inbox 汇总等待用户批准、拒绝或延后的决策。
- 工程负责人希望让规划者、实现者和验证者围绕同一目标协作，并在 Git 中保留可审计状态。
- 研究团队需要先用成本较低的模型扫描信息，再交给推理能力更强的模型处理，并由另一模型复核。
- 营销或运营负责人希望把业务背景和团队目标放入持久记忆，减少 agent 在不同运行之间重复工作。
- 本地优先的团队希望在自己的机器和 API 密钥范围内运行多 agent 工作流，不部署数据库或服务器。
- 需要人工治理的管理者希望集中查看待决事项，并使用
squads inbox批准、拒绝或延后处理。
如何安装或部署这个 Agent？
先安装 Node.js 20 或更高版本、Git 和 Claude Code。Claude Code 必须已经安装并通过 claude /login 登录；其他提供商为可选项。随后安装 CLI 并初始化一个 Git 工作目录：
npm install -g squads-cli
mkdir my-workforce && cd my-workforce
git init
squads init
squads run demo hello-world可以运行以下检查来确认机器满足要求：
squads doctor如果要从源码开发，则使用：
git clone https://github.com/agents-squads/squads-cli.git
cd squads-cli
npm install
npm run build && npm link
npm test如何使用这个 Agent？
完成初始化和演示运行后，可启动第一个实际 agent：
squads run research/analyst运行完整 research 团队对话，其流程包括规划、执行、评审和验证：
squads run research为 intelligence 团队提交一个有边界的任务：
squads run intelligence --task "Scan X"查看等待人工决策的事项：
squads inbox团队定义、业务背景、规则和记忆均位于 .agents/ 中，可通过 Markdown 文件和 Git 工作流进行管理。
这个 Agent 有哪些优点和局限？
- 用 Markdown 和 Git 同时承载状态与审计轨迹，不需要数据库、常驻服务器或专用 DSL。
- 明确提供负责人、执行者和验证者组成的规划—工作—评审—验证闭环，并将每轮反馈注入下一轮。
- 可 shell out 到
claude、gemini、aider等原生 CLI，为不同角色组合不同模型。 - 上下文级联会按角色调整载入内容，兼顾轻量扫描任务和需要完整背景的负责人任务。
- 数据、密钥和运行环境留在用户机器上，且项目声明不要求登录其自有云服务或发送遥测。
- 首次运行明确依赖 Claude Code 已安装并登录，即使项目也支持其他可选提供商。
- 需要 Node.js 20 以上、Git、本地文件系统和 AI 提供商凭据，设置复杂度高于单一托管式聊天产品。
- 状态以 Markdown 和 Git 管理；需要数据库事务、集中式服务状态或无 Git 工作流的团队需要改变现有流程。
- 混合模型运行依赖多个外部原生 CLI，各提供商的安装、认证和使用成本仍需用户自行承担。
- 来源没有给出仪表板的具体启动命令、界面形式或部署方式，因此无法据此评估其成熟度。
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 |
|---|---|---|---|---|---|---|
| Agents Squads 当前 | 73 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 53 | 3 天前 | TypeScript | Claude Code |
| AI DevOps 框架（aidevops） | 65 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 400 | 1 天前 | Shell | OpenAI API · Claude API |
| VCP ToolBox | 11 · 缺口较多 | 自托管服务免费 + 模型费 | ★ 2.3k | 1 天前 | JavaScript | OpenAI API · Claude API |
| taOS 自托管智能体操作系统 | 71 · 存在缺口 | 自托管服务免费 | ★ 550 | 今天 | Python | Claude Code · OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示契约默认为拒绝、按角色限制工具和写入范围、设置运行与费用上限，并拒绝无门控的重大操作；分支测试还要求工作产物不进入 main，因此最小权限处理较完整。README 的 inbox 审批和契约中的 HITL 门控支持用户确认，但所给材料未证明所有有外部影响的命令都统一经过确认。README 说明状态存于本地 Git、上下文级联会被代理读取、执行会调用外部 AI CLI，数据流具备基本透明度，但未逐项披露发送给各提供商的字段、保留策略和网络端点。SECURITY.md 对密钥、文件权限、提示注入、加密和安全删除给出具体建议，但没有证据表明这些保护被默认强制执行。CI 运行 critical 级 npm audit，依赖版本也有约束，但未提供锁文件、供应链固定策略或审计结果。Git 分支隔离、审计轨迹和 consequential gate 降低外部影响风险，然而代理仍可执行系统命令，且裸 Bash 被视为可执行工具。Git 提供一定回滚基础，但没有展示专门的撤销流程或失败后的自动恢复。作者、仓库、问题渠道和许可证归属清楚，但发布者身份未经企业注册验证，材料也未提供可独立确认的维护者身份链。
README、package.json、CI 和测试对 Node 版本、CLI 名称、本地 Git 状态及提供商依赖大体一致，并有代码生成和命令参考漂移检查；扣分点是部分 smoke test 对 status/context 使用“|| true”，分支测试依赖固定等待，缺少执行结果，无法确认所有承诺持续成立。依赖可用性通过 npm ci、Node 20/22 矩阵、doctor 检查和缺失提供商 CLI 的非零退出码得到处理，但默认运行仍依赖另行安装并登录 Claude Code，其他提供商的可用性未在材料中验证。失败信息有缺失文件提示、CI 漂移错误、安全报告路径和缺失 CLI 的机器可检测退出状态，但没有完整展示用户态错误分类、重试或恢复消息。
工程、营销、财务、运营以及 scanner、worker、lead、verifier 等受众和场景描述明确，并同时给出会话式与定向运行方式，因此场景覆盖充分。角色契约、允许工具、写入范围、预算、超时和上下文层明确了一般能力边界，但裸 Bash 仍是广泛能力，且未提供全部实现文件以确认运行时边界。命令路径、squad/agent 定位、--task、--dry-run 和提供商选项提供较好的触发精度，不过自然语言任务的歧义处理和危险意图拦截没有完整证据。Node、Git、Claude Code、本地文件结构、doctor 和多提供商概念支持环境适配，但 README 所称其他提供商开箱即用未由给定配置或端到端证据充分支撑。
README 给出清晰的目录树、工作机制、文档索引、要求、开发和贡献入口，信息架构完整。全局安装、初始化、端到端演示、本地开发以及先决条件说明具体，安装说明可直接采用。命令名、目录名和角色词汇在材料间一致，且有生成式命令参考漂移守卫，但项目仍处于 0.x，未展示兼容性承诺。示例覆盖首次运行、定向任务、审批和开发，然而未提供 FAQ 或较广的故障排除实例。SECURITY.md 列出提示注入、命令执行、内存敏感性等限制，README 也披露默认提供商要求，但缺少集中、完整的产品限制清单。MIT 元数据与完整 LICENSE 一致，故许可证满分。Changesets 工作流和 0.9.0 版本提供更新机制，但所给材料没有实际 CHANGELOG 或发布说明。安全邮箱、一般联系地址、问题入口和安全更新流程明确了维护路径，但发布者身份未获注册验证，且没有具名维护者或治理说明。
CLI 输出面向人的 status、context、inbox、dry-run、doctor 和机器可检测退出码表明结果具备日常可用性，Git/Markdown 产物也便于审阅；但没有实际输出样本或完整交互实现，不能评为全面。共享上下文、持久记忆、反馈循环、验证角色和混合模型编排相对单一代理具有合理增量价值，不过重复工作减少和质量提升主要是产品陈述，缺少静态证据中的对照数据。按角色设置费用和时间上限、使用廉价模型扫描的设计体现成本意识，但“仅 API 调用成本”等效益主张没有基准、规模数据或总拥有成本分析。
多项行为可追溯到具体测试、问题编号、CI 检查和配置字段，包括缺失 CLI 的退出码、契约约束、初始化产物及分支隔离；不过若干宣传性能力未连接到所给实现或测试，因此仅属充分而非彻底。README、package.json、SECURITY.md、两个工作流和测试文件对安装要求、本地 Git 架构、版本、许可证、权限控制及维护流程相互印证，跨来源佐证较强。材料通常能区分要求、建议和测试断言，例如 SECURITY.md 使用建议性措辞，但 README 中“开箱即用”“不会重复工作”“没有遥测意外”等结论未附直接实现证据，事实与推断分离仍有欠缺。
- 代理可调用原生 AI CLI 和系统命令；在处理不可信提示或仓库前，应使用沙箱、审查工具授权，并避免授予裸 Bash。
- 持久记忆和业务上下文存放在 Git 工作区中，可能包含敏感信息；应限制 .agents/ 权限、排除密钥，并评估提交历史中的长期泄露风险。
- README 的本地运行、无遥测意外和多提供商开箱即用属于未由所给实现完整验证的声明，部署前应检查实际网络请求与提供商配置。
- Git 分支提供恢复基础，但材料未展示统一撤销或失败恢复机制；重大运行前应建立可验证的备份、审批和回滚流程。
- CI 的依赖审计只阻断 critical 级问题，且未提供锁文件或审计结果；采用前应在固定修订上执行完整供应链与漏洞审查。
常见问题
软件本身收费吗？
可以完全不用 Claude Code 吗？
claude /login 登录。虽然系统还能调用 Gemini、Aider 等 CLI，但来源没有说明可完全移除这一初始依赖。它需要数据库或后台服务器吗？
运行数据会发送到项目方的云端吗？
如何发现环境或登录问题？
squads doctor。它会检查机器环境和 Claude Code，并指出缺少的组件；来源没有进一步列出所有故障恢复行为。