Lanqiao-Luca/ai-java-workflow

项目介绍

ai-java-workflow 把 AI 辅助的 Java/Spring Boot 研发拆成一套分层方法：标准规则和执行工具平级，组合成 Skill，由 Agent 使用；Agent 再被组织进 Workflow、Loop 和 Graph。Brain 是任务入口，根据任务是单轮协作、同目标重复还是多目标依赖，选择对应的层级或专项 Agent。仓库提供 20 份角色说明，写清每个角色接收什么、交付什么、如何核对，并附带从需求到交付的虚构可运行案例。它面向希望把 AI 编程助手纳入固定分工的 Java/Spring 开发者，不是 Spring AI 框架实现。

快速开始

需要 Git 和 Python 3.9+。先克隆仓库并运行离线检查：

git clone https://github.com/Lanqiao-Luca/ai-java-workflow.git
cd ai-java-workflow
python3 -B scripts/check_all.py

这一步执行八项离线仓库检查，核对公开文件清单、文档引用、案例身份与记录，并运行 Loop 控制判定测试；不调用模型，也不构建 Java 工程。随后在能读取本地文件的编程助手中打开仓库，让它按文档审查者的角色阅读书签标签替换案例，只审阅、不修改配置或提交。处理自己的需求时，从 Brain 的路由文档开始，由它选择适用的 Workflow 或 Agent。命令行入口还提供 doctor、choose、run、status、resume，覆盖五个白名单案例，运行目录保存在仓库之外。

使用约束

Brain 目前是文档路由，由助手或使用者采用；现有 CLI 不会自动读取它，也不校验调用者身份，因此不能把它当成常驻调度器。原生 Agent 链路已在 macOS、Codex CLI 和 Maven 上验证，需要正常模型登录和网络；宿主会保存项目信任登记。macOS 严格前台沙箱是实验性的，拒绝 fork，不能运行 Maven/Gradle；可信构建沙箱允许派生构建进程、loopback 边界较宽，仅限可信工程。Docker 沙箱只在材料列出的 macOS 控制器和 Linux VM 控制器环境实跑过。案例使用虚构材料，不连接公司服务或真实业务数据库；生产部署、真实认证、负载和任意工程兼容性需另行验证。文档、脚本与虚构示例采用 MIT 许可，不覆盖使用者的公司代码或第三方材料。

HotRepo 点评

该项目在 2026-11-05 进入 HotRepo 新项目 Python 榜，统计窗口约 11 小时，净增 22 Star、0 Fork，样本短且规模小，不足以说明持续热度。更值得留意的是仓库对证据边界的处理：把实际执行过的 Spring/MockMvc 案例与标记 NOT_RUN 的计划分开记录，8 个固定标注任务的结构基准中，完整合同检查 8 个正确，简化字段基线 3 个正确、5 个漏检。这些数字只说明结构检查的差异，不代表真实模型效果或工程收益。现阶段它更适合被看作一套仍在完善自动化后端的方法与案例集，采用前应先确认自己所需的后端是否在已验证范围内。

项目源码与说明