@tom_doerr: 用14个专业AI代理运营虚拟公司 https://github.com/MaxMiksa/Auto-Company…
摘要
Auto-Company 是一个开源项目,它协调14个自主AI代理,实现24/7全自动化公司运营,涵盖构思、编码、部署和市场营销,无需人工干预,由Claude Code和Codex CLI驱动。
查看缓存全文
缓存时间: 2026/06/03 01:39
Runs a virtual company with 14 expert AI agents https://t.co/nVw63JHOcE https://t.co/cdMNlpQuLy — # MaxMiksa/Auto-Company Source: https://github.com/MaxMiksa/Auto-Company # Auto Company 一家全天候自主运行的AI公司 本项目由智能体工作流驱动,编排了14个自主AI智能体,每个智能体都模拟各自领域的世界级专家。它们能够自主构思产品、做出决策、编写代码、部署和营销,无需人类干预。 基于 Claude Code(默认)和 Codex CLI (https://www.npmjs.com/package/@openai/codex),运行于 macOS + Windows/WSL,两个平台均有本地仪表盘。 macOS Windows WSL Codex CLI (https://www.npmjs.com/package/@openai/codex) Claude Code 许可证:MIT (https://opensource.org/licenses/MIT) — ## 仪表盘预览 Auto Company 仪表盘 ## 这是什么? 您启动一个循环。AI 团队被唤醒,读取共享的共识记忆,决定要做什么,组建一个 3-5 人的小队,执行任务,更新共识记忆,然后短暂休眠。接着重复该过程。 daemon (launchd / systemd --user,崩溃后自动重启) └── scripts/core/auto-loop.sh (持续循环) ├── 读取 PROMPT.md + consensus.md ├── LLM CLI 调用 (Codex CLI / Claude Code) │ ├── 读取 CLAUDE.md (章程 + 护栏) │ ├── 读取 .claude/skills/team/SKILL.md (组队方法) │ ├── 组建智能体团队 (3-5 个智能体) │ ├── 执行:研究、编码、部署、营销 │ └── 更新 memories/consensus.md (接力棒) ├── 失败处理:速率限制等待 / 熔断器 / 共识回滚 └── 休眠 -> 下一周期 每个周期是一次独立的 CLI 调用。memories/consensus.md 是唯一的跨周期状态。 ## 从何开始(按平台) - Windows 用户:从 Windows (WSL) 快速启动开始,然后阅读 docs/windows-setup.md - macOS 用户:从 macOS 快速启动开始,然后查看命令快速参考(按平台) ## 团队成员(14 个智能体) 这不是“你是一个通用开发者”。而是“你是 DHH”风格的角色提示,具有真实专家的思维模型。 | 层级 | 角色 | 专家形象 | 核心优势 | |——|——|——|–––––| | 战略 | CEO | Jeff Bezos | PR/FAQ、飞轮思维、Day 1 心态 | | | CTO | Werner Vogels | 面向失败设计、API 优先架构 | | | 逆向思维 | Charlie Munger | 逆向思维、事前验尸、误判清单 | | 产品 | 产品设计 | Don Norman | 示能性、心智模型、以人为本的设计 | | | UI 设计 | Matias Duarte | 材料隐喻、排版优先设计 | | | 交互设计 | Alan Cooper | 目标导向设计、人物驱动决策 | | 工程 | 全栈 | DHH | 约定优于配置、宏伟单体 | | | QA | James Bach | 探索性测试、测试不等于检查 | | | DevOps/SRE | Kelsey Hightower | 自动化优先、可靠性纪律 | | 业务 | 营销 | Seth Godin | 紫牛、许可营销、最小可行受众 | | | 运营 | Paul Graham | 做不可扩展的事、拉面盈利 | | | 销售 | Aaron Ross | 可预测收入、漏斗系统 | | | CFO | Patrick Campbell | 基于价值的定价、单位经济学 | | 情报 | 研究分析师 | Ben Thompson | 聚合理论、价值链分析 | 另外还有 30+ 个可复用技能(深度研究、爬取、财务建模、SEO、安全审计、UX 审计等)。 ## macOS 快速启动 bash # 先决条件: # - macOS # - 已安装并验证 Codex CLI 或 Claude Code # - 有可用的模型配额 # 克隆 git clone https://github.com/MaxMiksa/Auto-Company.git cd auto-company # 前台运行(实时输出) make start # 或安装守护进程(自动启动 + 自动重启) make install ## Windows (WSL) 快速启动 powershell # 先决条件: # - Windows 10/11 + WSL2 (Ubuntu) # - 在 WSL 内已安装并验证 Codex CLI 或 Claude Code # - 在 WSL 内可用 jq 和 make # - 有可用的模型配额 # 克隆 git clone https://github.com/MaxMiksa/Auto-Company.git cd auto-company # 启动(通过 PowerShell 的守护进程模式,默认引擎=claude) .\scripts\windows\start-win.ps1 # 显式切换引擎 .\scripts\windows\start-win.ps1 -Engine codex # 状态 .\scripts\windows\status-win.ps1 # 停止 .\scripts\windows\stop-win.ps1 关于监控、仪表盘和自动启动命令,请参见 docs/windows-setup.md。 ## 命令快速参考(按平台) | 任务 | macOS / WSL (终端) | Windows (PowerShell) | |—|—|—| | 启动 | make start | .\scripts\windows\start-win.ps1 | | 状态 | make status | .\scripts\windows\status-win.ps1 | | 实时日志 | make monitor | .\scripts\windows\monitor-win.ps1 | | 上次周期输出 | make last | .\scripts\windows\last-win.ps1 | | 周期摘要 | make cycles | .\scripts\windows\cycles-win.ps1 | | 停止 | make stop | .\scripts\windows\stop-win.ps1 | | Web 仪表盘 | make dashboard | .\scripts\windows\dashboard-win.ps1 | | 安装守护进程 | make install | 由 start-win.ps1 自动安装/启动 | | 卸载守护进程 | make uninstall | wsl -d Ubuntu --cd bash -lc 'make uninstall' | | 暂停守护进程 | make pause | wsl -d Ubuntu --cd bash -lc 'make pause' | | 恢复守护进程 | make resume | wsl -d Ubuntu --cd bash -lc 'make resume' | ### macOS 防休眠(仅限 macOS) macOS 屏幕锁定通常不会杀死进程,但系统休眠可能会暂停工作。对于长时间运行: bash make start-awake # 启动循环并保持系统唤醒,直到循环退出 # 如果循环已经在运行(在 make start 之后): make awake # 将 caffeinate 附加到 .auto-loop.pid 中的 PID 注意: - 两个命令都依赖于内置的 caffeinate - 当目标 PID 退出时,make awake 会自动退出 ## 架构与技术栈(5 层架构) Auto-Company 不是一个简单的 LLM API 封装,而是一个高度解耦的多智能体系统 (MAS)。其技术架构分为 5 个不同的层级: text ┌────────────────────────────────────────────────────────────┐ │ 5. 可观测性与人机协同 (HITL) 层 │ │ [ 仪表盘 ] [ 基于文件的引导 (consensus.md) ] │ ├────────────────────────────────────────────────────────────┤ │ 4. 工作流路由与组队层 │ │ [ 动态小队路由 ] [ 强制收敛流程 ] │ ├────────────────────────────────────────────────────────────┤ │ 3. 智能体模型与认知层 │ │ [ 14 个专家角色 ] [ 30+ 技能库 ] │ ├────────────────────────────────────────────────────────────┤ │ 2. 编排与状态机层 │ │ [ 24/7 自动循环 ] [ 状态机 ] [ 弹性 ] │ ├────────────────────────────────────────────────────────────┤ │ 1. 执行引擎与基础设施层 │ │ [ 双引擎 (Claude/Codex) ] [ 跨平台守护进程 ] │ └────────────────────────────────────────────────────────────┘ ### 第 5 层:可观测性与人机协同 (HITL) * 基于文件的引导:人类只需编辑 memories/consensus.md 并修改“下一个行动”。下一周期唤醒的 AI 团队将立即转向,实现极简的宏观控制。 * 全链路日志与仪表盘:logs/ 记录每个周期的完整输出和思考链。dashboard/ 提供一个基于 Python 服务器的本地可视化仪表盘,显示实时周期状态、成本消耗和智能体活动。 ### 第 4 层:工作流路由与组队 * 动态小队组建:由智能体团队驱动,系统根据 consensus.md 中的“下一个行动”,从 14 人池中动态选择 2-5 名最合适的专家,实例化为当前循环的子智能体。 * 强制收敛流程:PROMPT.md 中的硬编码流程控制。例如:周期 1 构思 -> 周期 2 验证(事前验尸,GO/NO-GO)-> 周期 3+ 执行(编码与部署,禁止纯讨论)。 ### 第 3 层:智能体模型与认知 * 专家角色注入:不使用通用提示,而是在 .claude/agents/ 中注入特定历史人物/行业领袖的思维模型(例如贝佐斯的“逆向工作法”、芒格的“检查清单”、DHH 的“宏伟单体”),使决策具有极深的商业和工程深度。 * 技能库:位于 .claude/skills/(例如 frontend-design、security-audit)的可插拔系统。具体方法论被封装为工具,任何唤醒的智能体都可以“临时加载”。 * 宪法护栏:CLAUDE.md 中的系统级提示设置了绝对底线(例如不删除仓库、不强制推送),确保在高自主性下的安全。 ### 第 2 层:编排与状态机 * 自动循环:由 scripts/core/auto-loop.sh 控制的执行循环,将 AI 从“单轮对话”中解放出来,实现 24/7 连续运行。 * 轻量级状态机(共识记忆):放弃复杂的向量数据库或记忆管理系统,将跨周期上下文压缩到单个 Markdown 文件:memories/consensus.md。在每个周期之前读取,在周期结束前重写,充当系统的“接力棒”。 * 弹性与自我修复:内置熔断器(连续错误触发冷却)、速率限制退避(429 错误自动休眠)和沙盒重置(未输出有效共识时自动回滚)。 ### 第 1 层:执行引擎与基础设施 * 双引擎执行器:通过调用成熟的 AI CLI(Claude Code 或 Codex CLI)作为底层执行器,自然地继承了它们的文件 I/O、Bash 执行和 Git 操作能力。 * 跨平台守护进程:macOS 使用 launchd 实现自动启动和崩溃恢复;Windows/WSL 通过 WSL 容器内的 systemd --user 运行,并通过 PowerShell 从外部控制和保持存活。 * 沙盒边界:目前依赖于底层 CLI 配置(如 Codex 的 danger-full-access 或 Claude 的 bypassPermissions)。系统级操作直接发生在宿主环境(或 WSL 容器)中。 ## 运行模式 ### 自动收敛(无休止讨论) | 周期 | 行动 | |——|——| | 周期 1 | 头脑风暴:每个智能体提出想法,排名前三 | | 周期 2 | 验证 #1:芒格事前验尸 + 汤普森市场检查 + 坎贝尔经济学 -> GO / NO-GO | | 周期 3+ | GO -> 创建仓库、构建、部署。NO-GO -> 转向下一个想法。禁止纯讨论循环 | ### 六种标准工作流 | # | 工作流 | 协作链 | |—|——|––––| | 1 | 新产品评估 | 研究 -> CEO -> 芒格 -> 产品 -> CTO -> CFO | | 2 | 功能开发 | 交互 -> UI -> 全栈 -> QA -> DevOps | | 3 | 产品发布 | QA -> DevOps -> 营销 -> 销售 -> 运营 -> CEO | | 4 | 定价与货币化 | 研究 -> CFO -> 销售 -> 芒格 -> CEO | | 5 | 周回顾 | 运营 -> 销售 -> CFO -> QA -> CEO | | 6 | 机会发现 | 研究 -> CEO -> 芒格 -> CFO | ## 引导 团队自主运行,但您可以随时干预: | 方法 | 行动 | |——|——| | 改变方向 | 编辑 memories/consensus.md 中的“下一个行动” | | 暂停 | make pause (macOS/WSL 守护模式) 或 .\scripts\windows\stop-win.ps1 (Windows 入口) | | 恢复 | make resume | | 审查输出 | 检查 docs/*/ 中由智能体生成的工件 | ## 安全护栏 CLAUDE.md 中的硬约束,对所有智能体强制执行: - 不要删除 GitHub 仓库 (gh repo delete) - 不要删除 Cloudflare 项目 (wrangler delete) - 不要删除系统目录(~/.ssh/、~/.config/ 等) - 不要进行非法活动 - 不要将凭据泄露到公共仓库 - 不要强制推送到 main/master - 所有新项目创建在 projects/ 下 ## 配置 环境变量覆盖: bash ENGINE=claude make start # 默认引擎 (claude|codex) ENGINE=codex make start # 切换到 codex MODEL=sonnet make start # 可选的模型覆盖 CLAUDE_PERMISSION_MODE=bypassPermissions make start # Claude 权限模式 LOOP_INTERVAL=60 make start # 60 秒间隔(默认 30) CYCLE_TIMEOUT_SECONDS=3600 make start # 1 小时周期超时(默认 1800) MAX_CONSECUTIVE_ERRORS=3 make start # 熔断器阈值(默认 5) CODEX_SANDBOX_MODE=workspace-write make start # 可选的沙盒覆盖 CLAUDE_BIN=/usr/local/bin/claude make start # 可选的 Claude 二进制路径覆盖 CODEX_BIN=/usr/local/bin/codex make start # 可选的 Codex 二进制路径覆盖 Windows start-win.ps1 将相同的值写入 .auto-loop.env: powershell .\scripts\windows\start-win.ps1 -Engine claude -ClaudePermissionMode bypassPermissions .\scripts\windows\start-win.ps1 -Engine codex -SandboxMode workspace-write # 向后兼容: .\scripts\windows\start-win.ps1 -Engine codex -CodexSandboxMode workspace-write 不执行自动引擎回退。如果所选引擎缺失,则启动快速失败。 ## 项目结构 auto-company/ ├── CLAUDE.md # 公司章程(使命 + 护栏 + 团队 + 工作流) ├── PROMPT.md # 每周期执行提示(收敛规则) ├── Makefile # 通用命令入口 ├── INDEX.md # 脚本索引 + 职责表 ├── dashboard/ # 本地 Web 状态仪表盘(macOS: make dashboard, Windows: dashboard-win.ps1) ├── scripts/ │ ├── core/ # 核心循环和控制脚本(auto-loop/monitor/stop) │ ├── windows/ # Windows 入口/守护/自动启动脚本 │ ├── wsl/ # WSL systemd --user 守护进程脚本 │ └── macos/ # macOS launchd 守护进程脚本 ├── memories/ │ └── consensus.md # 跨周期共享的交接记忆 ├── docs/ # 智能体输出(14 个文件夹 + Windows 指南) ├── projects/ # 生成项目的工作区 ├── logs/ # 循环日志 └── .claude/ ├── agents/ # 14 个智能体定义(专家角色) ├── skills/ # 30+ 可复用技能 └── settings.json # 权限 + 智能体团队开关 ## 依赖项 | 依赖项 | 备注 | |——|——| | Claude Code / Codex CLI | 支持的 CLI 引擎(默认:Claude) | | macOS 或 Windows + WSL2 (Ubuntu) | macOS 使用 launchd;Windows 使用 WSL 执行核心 | | node | npm 安装的 CLI 工具的运行时 | | make | 启动/停止/监控命令入口 (WSL/macOS) | | jq | 推荐用于日志处理 | | gh | 可选,GitHub CLI | | wrangler | 可选,Cloudflare CLI | ## 常见问题 ### 1) WSL .sh 文件报错 ^M / bad interpreter - 原因:shell 脚本的 CRLF 行尾 - 修复: - 在 .gitattributes 中保留 LF 规则 - 运行 git config core.autocrlf false && git config core.eol lf ### 2) WSL 提示 codex/claude 命令未找到 - 原因:CLI 仅安装在 Windows 上,WSL 中缺失 - 修复:在 WSL 内安装 node 和您选择的 CLI(@openai/codex 或 Claude Code) ### 3) Claude 等待权限导致周期看似阻塞 - 原因:Claude CLI 中的严格权限模式 - 修复:设置 CLAUDE_PERMISSION_MODE=bypassPermissions(或在 start-win.ps1 中传递 -ClaudePermissionMode bypassPermissions) - 验证:检查 logs/auto-loop.log 中的 Engine: claude 和 PermissionMode: ... ### 4) make install 在 WSL 内失败 - 原因:当前会话中没有可用的 systemctl --user - 修复: - 验证 WSL 是否启用了 systemd - 运行 systemctl --user --version - 如有必要,重新打开 WSL 会话并重试 ## 免责声明 这是一个实验性项目: - 守护进程模式在 macOS 和 WSL 上均有效:macOS 使用 launchd,WSL 使用 systemd –user - Windows 入口需要 WSL:PowerShell 仅是控制层 - 仍在测试中:可以运行,但稳定性不保证 - 消耗资金:每个周期都会消耗模型配额 - 完全自主:智能体无需批准提示即可行动;请仔细配置 CLAUDE.md 中的护栏 - 无担保:定期审查 docs/ 和 projects/ 建议的部署流程:从 make start(前台)开始,然后切换到守护进程模式(macOS/WSL 上使用 make install,Windows 上使用 .\scripts\windows\start-win.ps1)。 ## 致谢 -
相似文章
@tom_doerr: 零配置多代理AI编码设置 https://github.com/lee-to/ai-factory…
AI Factory 是一个零配置的开发者工具,它搭建了一个多代理AI编码环境,内置技能、规范驱动开发,并支持多种AI代理(如 Claude、Cursor 和 Codex),让用户只需一条命令即可开始构建。
@tom_doerr: 用于跨多台机器管理AI代理的2D IDE https://github.com/49Agents/49Agents…
49Agents IDE 是一个开源2D IDE,用于跨多台机器管理AI代理,具有无限画布、集成终端和零SSH连接功能。
@tom_doerr: 在 tmux 中全天候运行 Claude agent https://github.com/Jedward23/Tmux-Orchestrator…
Tmux-Orchestrator 是一款开源工具,通过 tmux 会话内的多 agent 层级结构,实现 Claude AI agent 的自主全天候运行,支持并行项目管理与编码。
@tom_doerr: 用于数据分析、插件和网页浏览的AI智能体 https://github.com/xlang-ai/OpenAgents…
OpenAgents 是一个开放平台,用于在日常生活中使用和托管语言智能体,提供数据分析、插件和网页浏览等智能体功能,并开放代码和演示。
@tom_doerr: 利用持久内存编排AI编码代理 https://github.com/RedPlanetHQ/core…
CORE是一个开源AI操作系统层,利用持久内存编排编码代理,协调跨工具和代理的任务。