【民间开源版 IFlow】OpenCode 插件 - opencode-flow-engine - IFlow 与 SFlow

opencode-flow-engine 开源地址:GitHub - nreg/opencode-flow-engine: IFlow Agent (GSD) + SFlow Agent(TDD) · GitHub

gitee:https://gitee.com/opencode-plugin/opencode-flow-engine

功能说明:

维度 功能
工作流编排 9 状态 SFlow + 6 状态 IFlow,自动状态检测与修复
子 Agent 系统 20+ 专业 Agent,支持 inline/async/interactive 三种调用模式
钩子系统 6 种生命周期钩子(pre_process, post_process, guard, state_transition, artifact_validation, continuation)
AFK 无人值守 3 级自动推进(Tier 1 自动回复 need-explorer + 合约批准,Tier 2 自动调试决策,Tier 3 全自动化)
通知系统 (P0) 文件系统通知,消除 10 秒轮询延迟
持久化与恢复 (P1) 子 Agent 上下文持久化,支持中断后恢复
输出结构化 (P2) JSON 输出自动提取,无需 LLM 解析自由文本
完成强制检测 (P3) 完成信号检测 + 自动重试
前端 UI 系统 71 个品牌设计参考,7 步美学决策流程,9 项前端技能合并
执行计划管理 Wave 调度,依赖验证,审查收据,三重哈希校验
MCP 管理 Skill 内嵌 MCP 服务器 + 项目级 MCP 配置
模型解析链 4 层模型选择,支持 fallback 和不可用标记
Slash 命令 /flow-test, /flow-review, /flow-afk, /flow-intel 等 8 个
校验工具集 validate_proposal, validate_spec, validate_design, validate_tasks, validate_contract, validate_implementation, detect_sync_conflicts

使用方式:

git clone https://gitee.com/opencode-plugin/opencode-flow-engine
cd opencode-flow-engine 
npm run build

在 opencode 的全局配置目录下配置文件:~/.config/opencode/opencode-flow-engine.json

{
  "version": "0.1.0",
  "mode": "full",
  "agents": {
    "sFlow": {
      "model": "sensemore/deepseek-v4-flash",
      "temperature": 0.6,
      "fallbackModels": [
        "freebuff/deepseek-v4-flash",
        "modelscopemore/deepseek-v4-flash"
      ]
    },
    "iFlow": {
      "model": "sensemore/deepseek-v4-flash",
      "temperature": 0.6,
      "fallbackModels": [
        "freebuff/deepseek-v4-flash",
        "modelscopemore/deepseek-v4-flash"
      ]
    },
    "need-explorer": {
      "model": "stepfunmore/step-3.7-flash",
      "temperature": 0.6,
      "fallbackModels": [
        "nvidiamore/step-3.7-flash",
        "nvidiamore/step-3.5-flash",
        "stepfunmore/step-3.5-flash",
        "stepfunmore/step-3.5-flash-2603",
        "modelscopemore/step-3.5-flash"
      ]
    },
    "spec-writer": {
      "model": "codearts/glm-5.1",
      "temperature": 0.6,
      "fallbackModels": [
         "sensemore/glm-5.2",
         "devecocode/glm-5"
      ]
    },
    "contract-builder": {
      "model": "devecocode/glm-5.1-w4a8",
      "temperature": 0.6,
      "fallbackModels": [
        "sensemore/glm-5.2",
        "devecocode/glm-5",
        "modelscopemore/glm-5",
        "devecocode/glm-5.1-w4a8"
      ]
    },
    "build-executor": {
      "model": "codearts/glm-5.1",
      "temperature": 0.7,
      "fallbackModels": [
        "sensemore/glm-5.2",
        "devecocode/glm-5"
      ]
    },
    "bug-investigator": {
      "model": "nvidiamore/minimax-m2.7",
      "temperature": 0.6,
      "fallbackModels": [
        "nvidiamore/kimi-k2.6"
      ]
    },
    "code-reviewer": {
      "model": "codearts/glm-5.1",
      "temperature": 0.6,
      "fallbackModels": [
        "sensemore/glm-5.2",
        "devecocode/glm-5"
      ]
    },
    "release-archivist": {
      "model": "codearts/glm-5.1",
      "temperature": 0.7,
      "fallbackModels": [
        "sensemore/glm-5.2",
        "devecocode/glm-5"
      ]
    },
    "spec-merger": {
      "model": "codearts/glm-5.1",
      "temperature": 0.7,
      "fallbackModels": [
        "sensemore/glm-5.2",
        "devecocode/glm-5"
      ]
    },
    "ui-implementer": {
      "model": "codearts/glm-5.1",
      "temperature": 0.6,
      "fallbackModels": [
        "nvidiamore/kimi-k2.6"
      ]
    },
    "iflow-discuss-planner": {
      "model": "nvidiamore/kimi-k2.6",
      "temperature": 0.6,
      "fallbackModels": [
        "stepfunmore/step-3.7-flash",
        "nvidiamore/step-3.5-flash"
      ]
    },
    "iflow-plan-executor": {
      "model": "codearts/glm-5.1",
      "temperature": 0.6,
      "fallbackModels": [
        "sensemore/glm-5.2",
        "devecocode/glm-5"
      ]
    },
    "iflow-verifier": {
      "model": "nvidiamore/minimax-m2.7",
      "temperature": 0.6,
      "fallbackModels": [
        "nvidiamore/kimi-k2.6"
      ]
    },
    "iflow-researcher": {
      "model": "codearts/glm-5.1",
      "temperature": 0.7,
      "fallbackModels": [
        "nvidiamore/kimi-k2.6",
        "sensemore/glm-5.2"
      ]
    },
    "iflow-shipper": {
      "model": "codearts/glm-5.1",
      "temperature": 0.6,
      "fallbackModels": [
        "sensemore/glm-5.2",
        "devecocode/glm-5"
      ]
    }
  },
  "features": {
    "workflow_manager": true,
    "state_manager": true
  },
  "hooks": {
    "state_transition": true,
    "artifact_validation": true,
    "guard": true
  },
  "tools": {
    "workflow_router": true,
    "contract_validator": true,
    "artifact_inspector": true
  }
}

在 OpenCode 的全局配置文件中注册插件:~/.config/opencode/opencode.json

  ...
  "plugin": [
    "E:/work/nreg/ai-agent/opencode-flow-engine",
    "oh-my-openagent@latest"
  ],
  ...

说明:

SFlow : OpenSpec 规划引擎 + Superpowers 执行纪律 线性工作流:从需求澄清到规划、实现、审查、调试、归档,全生命周期覆盖
IFlow : GSD(Get Stuff Done)迭代循环 工作流:讨论 → 研究 → 规划 → 执行 → 验证 → 发布 → 循环

SFow 与 IFlow 的关系:

SFlow 是基于 OpenSpec 风格的线性工作流(proposal → specs → design → contract → build → close),适用于需要严格规划、文档先行、门禁驱动的开发场景。然而,许多开发任务更适合 GSD(Get Stuff Done)风格的迭代循环:先讨论理解需求,再规划研究方案,然后执行实现,验证交付,最后发布归档。IFlow 提供这种循环式工作流,与 SFlow 互补而非替代。IFlow 的关键差异在于:(1) 循环执行——shipping 后回到 discussing 开始下一阶段,而非线性终止;(2) GSD 风格产出物——CONTEXT.md、PLAN.md、SUMMARY.md、UAT.md,更轻量更实用;(3) 始终完整循环——不支持快速模式,确保每个需求都经过完整验证;(4) 可与 SFlow 互相调用——通过 call_flow_agent 跨工作流协作。共享 packages/core 和 packages/opencode-adapter 基础设施,避免重复建设。

借鉴说明:
底层架构:借鉴了oh-my-openagent 的多智能体协作机制:

Agent 工厂模式、5 层钩子系统、工具注册、状态管理等运行时架构

实现逻辑上:

SFlow 主要是 spec-superflow 的移植,但也借鉴了 cometflow-kit 一些优秀的实现
IFlow 主要是 gsd-opencode 的移植,虽然 gsd-opencode 也是用于OpenCode,但是它的架构比较简单,仅仅只是把 agent 和 command 的文件移到了 OpenCode 的全局配置目录下,没有 PluginModule,没有 TypeScript 编译,没有 hooks,没有状态机。

关于借鉴的一些文章:
spec-superflow:

https://mp.weixin.qq.com/s/pgzZccGTxCVhaHLhOxXOvg

spec + superflow + comet:

https://mp.weixin.qq.com/s/1g7FRte8w_vV-kXcBxtVDw

flow-kit:

https://mp.weixin.qq.com/s/6NSD1WoKRXTHR0exWBKXtg

https://mp.weixin.qq.com/s/gvRWbnB1heYGhUtNGYetWQ

IFlow 与 SFlow 一定会走 工作流 吗?

不,IFlow 与 SFlow 都有任务复杂度评估机制,如果任务量小且简单,会直接调用 对应的 构建智能体,不会走工作流

当前状态:
SFLow 经过 多个实战项目测试,已经相对完善了,可以用于工作,IFlow 是由 SFlow 做的,迭代到目前 尚未使用实战项目测试。

实现这个项目的动机:

1、omo 的 Sisyphus 直接 实现代码 总会有遗漏 和 bug,一次性实现基本只能实现需求的 20%。
Prometheus 与 Atlas 的组合 由于 其子智能体各自为政,同一代码文件 不同子智能体实现不同功能,导致没有整体性,因而会有大量的bug。
总之,omo 的实战体验 总是要 review 多次。使用 omo 来实现 SFlow 进行了 几十轮的 review。
2、现在的agent未解决的弊端就是不会生成图片与短视频来生成项目的测试数据,或者装饰页面。

当前可用版本(gitee和github还在优化):
v1.0.0 · Gitee.com

1 个赞

如果安装了我的另一个插件:agnesmore: agnes-支持多key轮询,IFlow 与 SFlow 都将拥有 图片生成 与 视频生成的能力:

强啊,最近在用spec-superflow,感觉还不错

1 个赞

霸气侧漏,先占个坑

能不能做成通用skills工作流,而不仅仅在opencode使用

大佬的iflow更新还在继续吗?

空了试试 感觉很强啊

做成 skills 工作流,感觉上属于退化,就失去了优势:(毕竟我是从 spec-superflow 这样skill升级到omo的底层agent架构 做得 SFlow,IFlow 也是从GSD升级到omo的底层agent架构)

Agent 工厂模式、5 层钩子系统、工具注册、状态管理等运行时架构

最直观的好处:SFlow 的9个 子agent和 IFlow 的 6个子agent 都是另起子会话窗口执行任务,不会占用 他们自身的上下文,你在主会话中会有更多的操作空间。

详细优势:

Agent 编排体系 — 专业子 Agent 工厂 + 模型配置 + 独立工具集,更适合 AI 协作
5 层钩子系统 — 从 session 到 skill 的完整生命周期管理
守卫系统 — 文件写入/状态转换/契约过期的运行时保护
双工作流 — 线性(sFlow)+ 迭代(iFlow)覆盖不同场景
MCP 管理器 — 内置 MCP 服务器生命周期管理
UI 设计流水线 — 端到端前端设计实现
零外部依赖 — 核心功能完全自包含

不更新了没啥用,底层BUG太多不公开源码只能小修小补,而且市面上大把好用的agent工具,iflow已经落后一大截

1 个赞

最近发现刚开源完全rust编写的grok build的cli,界面非常美观而且省资源,操作很人性化

2026 年 7 月 14 日,xAI 旗下编程工具 Grok Build CLI 被曝会在用户不知情的情况下,将整个 Git 代码仓库上传至云端,上传内容不仅包括当前代码文件,还可能包含完整 Git 提交历史以及** .env 文件中的密钥等敏感信息。

新的cli在不断推出,不想这样跟下去,把工具变成了依赖项。现在连 codex cli 都一直犹豫不想装,以至于废了公益站的很多gpt可用积分。

iflow对应plan模式,sflow对应build模式,但更强,是这样吗

如果大佬在用我这个插件,可以从gitee下载releases页重新下载一份,现在是好用可用的状态

不是,iFlow 对应 GSD(迭代),SFlow 对应 TDD(线性),建议阅读README,另:

SFlow 的agent业务上的实现实际上是参考了多个 OpenSpec+Superflow 的开源项目,主要是 spec-superflow 的移植,但其它方面也借鉴了别的项目的优秀实现

空间站马上要变轨了,你扔给我一本5000页的空间站操作说明书 :rofl:

2 个赞

变轨 是指 新方向?转向 loop 或者我不知道的流程?能说说吗

不好意思让你误会了,我其实想说专业的技术文档需要读比较长时间,我没那耐性了 :smiling_face_with_tear:

2 个赞