Antfarm feature-dev工作流实操：7个AI智能体如何把功能需求自动变成带测试的PR-北京尧图网络

Antfarm feature-dev工作流实操7个AI智能体如何把功能需求自动变成带测试的PR【免费下载链接】antfarmBuild your agent team in OpenClaw with one command.项目地址: https://gitcode.com/gh_mirrors/antf/antfarmAntfarm 的 feature-dev 工作流让你只需用一条命令输入一句功能需求就能由 7 个各司其职的 AI 智能体自动完成拆任务、写代码、写测试、验证、集成测试、建 PR、代码评审的全流程最终交付一个带测试的 Pull Request。3分钟快速上手一条命令启动AI开发团队Antfarm 是一个运行在 OpenClaw 之上的 AI 智能体团队编排工具——你不需要雇佣开发团队只需要定义一个团队。安装只需一步要求 Node.js 22curl -fsSL https://raw.githubusercontent.com/snarktank/antfarm/v0.5.1/scripts/install.sh | bash注意Antfarm 不发布在 npm 上安装脚本会从官方仓库拉取。npm 上那个同名的antfarm包是无关项目。安装完成后即可安装并运行 feature-dev 工作流$ antfarm workflow install feature-dev ✓ Installed workflow: feature-dev $ antfarm workflow run feature-dev Add user authentication with OAuth Run: a1fdf573 Workflow: feature-dev Status: running输入的任务描述可以是一句自然语言例如为博客系统添加评论功能。之后的一切都交给智能体团队了。认识这7个角色feature-dev工作流的AI智能体阵容feature-dev 工作流由一组专职智能体组成每个智能体都有独立的人格设定IDENTITY.md、行为准则AGENTS.md和独立工作区互不干扰智能体角色定位核心职责Planner 规划者分析探索代码库把任务拆成最多 20 个有序用户故事Setup 环境准备编码创建特性分支跑通构建/测试建立基线Developer 开发者编码逐个实现故事边写代码边写测试Verifier 验证者验证独立检查每个故事是否真的完成拒绝自批作业Tester 测试员测试全部故事完成后做集成测试和端到端测试Reviewer 评审者分析审查 PR 代码质量批准或要求修改DeveloperPR 环节编码用gh pr create提交规范的 Pull Request其中开发者一人承担实现和建 PR两个环节所以官方称为 7 个 agent 角色。这种分工明确互相验证的设计是整条流水线可靠的根基——开发者不会自己批改自己的作业。流水线全景plan → setup → implement → verify → test → PR → review整个工作流定义在 workflow.yml 中7 个步骤环环相扣1️⃣ Plan规划者拆解用户故事规划者会先探索代码库理解技术栈和代码规范再把任务拆成小步用户故事。它的行为规范有两条铁律每个故事必须能在一个会话一个上下文窗口内完成——太大就拆小如果 2-3 句话说不清这个改动说明故事太大了每个故事必须可机械验证——比如tasks 表新增 status 列默认值为 pending而不是模糊的能正常工作且必须以类型检查通过收尾、必须包含测试标准故事按依赖排序先数据库/Schema再后端最后前端。2️⃣ Setup建立可靠基线Setup 智能体进入仓库、创建特性分支、创建.gitignore、跑一遍构建和测试确认基线是绿的并把BUILD_CMD、TEST_CMD等环境信息传递给后续环节。3️⃣ Implement逐故事实现每个故事都是全新会话这是整个工作流最精妙的部分。implement 步骤是一个循环对每个用户故事开发者都在一个全新会话中工作基于 Ralph 循环模式——记忆不靠上下文堆积而是靠 git 历史和progress-*.txt进度文件持久化。每个会话中开发者只做一件事实现当前故事、写单元测试、跑类型检查和测试、提交feat: 故事ID格式的 commit。4️⃣ Verify独立验证者把关验证者不看开发者的口头汇报而是直接检查git diff 真实改动代码是否真实存在而不是 TODO 占位、验收标准是否逐条达成、测试是否真的写了且通过、构建是否成功还会扫描敏感文件.env、*.key等做安全检查。前端改动还会用浏览器技能截图做视觉验证——布局是否错乱、元素是否缺失一目了然。验证不通过自动打回给开发者重试最多 2 次再失败则升级给人类处理。5️⃣ Test集成测试兜底所有故事都通过单元级验证后测试员负责整体视角跑全量测试套件、检查故事之间的集成问题、用浏览器做端到端测试、关注跨功能的边界情况和错误处理。6️⃣ 7️⃣ PR 与 Review不经过评审代码不许发布最后由开发者创建 PR清晰的标题、说明、测试说明评审者则用gh pr view/gh pr diff逐行审查代码质量、测试覆盖和项目规范前端功能还会做一次设计质量评审——不只是能用还要好看、协调、像产品。批准则 approve不满意则request-changes并附具体反馈自动回到实现环节返工。为什么它可靠三个值得新手记住的机制失败自动重试人类兜底每个步骤都有max_retries验证失败自动重跑对应步骤重试耗尽才升级给你没有任何环节会静默失败每步全新上下文智能体不会带着 50 条消息前的幻觉状态干活状态全部落在 git 和进度文件里✅确定性流水线同样的工作流、同样的步骤、同样的顺序——不是希望智能体记得去写测试而是流程强制它写测试实时监控用 Dashboard 盯住整条流水线运行过程中可以随时查看状态$ antfarm workflow status OAuth Steps: [done ] plan (planner) [done ] setup (setup) [running] implement (developer) Stories: 3/7 done [pending] verify (verifier) [pending] test (tester) [pending] pr (developer) [pending] review (reviewer)更喜欢可视化运行antfarm dashboard启动 Web 仪表盘默认 3333 端口以看板形式查看每个工作流实例在各步骤的进展点开还能看到故事完成度、验收标准明细和智能体输出源码见 src/server/dashboard.ts。进阶照着 feature-dev 打造你自己的智能体工作流feature-dev、security-audit、bug-fix 只是起点。所有工作流都是纯 YAML Markdown 定义的——你能写提示词就能写工作流。官方完整教程docs/creating-workflows.md。总结Antfarm feature-dev 工作流把需求 → 带测试的 PR这条完整研发链路压缩成了一条命令规划者拆任务、环境智能体打地基、开发者逐故事实现并写测试、验证者独立把关、测试员集成兜底、评审者终审判卷。你只负责提出需求剩下 7 个智能体接力完成失败自动重试全程可观测。对于新手来说这是体验AI 开发团队最直接的入口。【免费下载链接】antfarmBuild your agent team in OpenClaw with one command.项目地址: https://gitcode.com/gh_mirrors/antf/antfarm创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

Antfarm feature-dev工作流实操：7个AI智能体如何把功能需求自动变成带测试的PR

相关推荐

FreeCAD MCP 全解：16 个核心工具清单，一张表看懂 AI 如何驱动 FreeCAD

AI全栈实战 | 2.4-01 Node 与前端工程化：前端为什么离不开 Node，它不只是构建工具的宿主

superpowers实战：为AI编码代理构建可复用工作流

更多资讯

Paperclip文件上传实战：配置、踩坑与Active Storage迁移指南

PDF解析到知识图谱：从文本抽取到Neo4j检索的完整链路

螺旋矩阵满分解法：方向数组与四边界收缩全解析

论文平台承诺的退款到底退哪些钱？本科生与研究生都该核对的退款范围清单

AutoTransition：用强化学习自动生成视频转场的开源方案

从零搭建AI工程化系统：数据管道、模型部署与监控闭环

今日更新

45个经典Linux面试题：从命令到网络排障的完整考点解析

SAP生产预留实战指南：MB21/MB23/MB25协同与MRP集成

编译原理实验：递归下降分析器消除左递归与避坑指南

本周精选

如何彻底离线使用 Laya-CoreML：Hugging Face 下载、缓存机制与 local_files_only 详解

基于1Panel 部署MySQL MCP 服务：TaoToken 统一 Key 接入与 config.toml 配置实战

崇州园区营销网站建设避坑指南：5大注意事项保备案安全

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？