AIAI 工具图鉴
← 返回全部文章
·约 18 分钟PPT

Autonomous-Forge

编程开发
下载 PPT下载视频

配套媒体

本页对应的 PPT 与演示视频

Autonomous-Forge-recommend.mp4
PPT
Autonomous-Forge-recommend.pptx浏览器不能直接打开 PPT，下载后用 PowerPoint / WPS / Keynote 查看
下载没反应？点这里复制直链

侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。

PPT../../Autonomous-Forge-recommend.pptx
视频../../Autonomous-Forge-recommend.mp4
本文目录
  1. 🚀 什么是 Autonomous-Forge？
  2. ✨ 核心功能一览
  3. 🛠️ 快速上手：5 分钟跑通示例
  4. 安装 / 初始化
  5. 核心工作流：让 AI 跑一个完整任务
  6. 跑测试
  7. 📊 与竞品对比
  8. 💡 适用场景
  9. 场景 1：让 AI 维护一个长期演进的工具仓库
  10. 场景 2：研究 AI Agent 的"安全自主"边界
  11. 场景 3：给 AI 编程工具加"审计 trail"
  12. 场景 4：CLI 重度用户的本地 AI 编程助手
  13. 用户群体总结
  14. 💰 定价方案
  15. 🎯 总结

📌 核心价值：一个 AI 自己跑完了 1036 次提交，从写代码、跑测试到推到 GitHub，全程不需要人按"确认"按钮

仓库 OmarH-creator/Autonomous-Forge 把"AI 自主编程"从概念变成了可审计的工程产物——本地优先 Python CLI，Apache-2.0 开源，已完成 98 次完整自主循环（AUTO-001 到 AUTO-098）。

封面图

🚀 什么是 Autonomous-Forge？

Autonomous-Forge 是一个开源、本地优先的 Python CLI 工具，用于安全地运行仓库原生的自主软件改进循环。它最直白的自我介绍是：

"This repo is automated and is fully AI-built and AI-maintained project that continuously plans, codes, tests, and improves itself."

翻译成大白话：这个仓库的所有代码，都是 AI 写的。

截至 2026 年 7 月 9 日，这个仓库已经累计 1,036 次 commit、98 次完整自主循环（AUTO-001 到 AUTO-098），最新一次（AUTO-098）刚把 forge post-push-verify 命令补齐——推送完 commit 后，AI 自己再校验一次远端是否真的收到了。

GitHub stars GitHub forks GitHub license

核心定位：和 Devin、Cursor Composer 不同，Autonomous-Forge 把 AI 自主编程过程拆成 12 道显式门控，每一步都可审计、可中断、可回滚——它不是黑盒 SaaS，而是 Apache-2.0 的本地 CLI。

✨ 核心功能一览

功能对比表

Autonomous-Forge 把一个完整的"AI 自主开发循环"拆成 12 个独立命令，每个命令都是显式的门控：

  • 规划阶段（5 个命令）：tasks → plan → validate-plan → git-diff-review → commit-status-review
  • 执行阶段（3 个命令）：patch-generation-preview → patch-apply → post-apply-validation
  • 发布阶段（4 个命令）：change-readiness → commit-create → push-handoff → post-push-verify

关键设计：每个 --confirm-* 参数都是硬性门控——AI 想要"应用补丁"？必须显式确认；AI 想要"推送到远端"？必须再确认一次；AI 想要"强制推送"？脚本根本不提供这个能力。

🛠️ 快速上手：5 分钟跑通示例

安装 / 初始化

# 1. 克隆仓库
git clone https://github.com/OmarH-creator/Autonomous-Forge.git
cd Autonomous-Forge

# 2. 本地可编辑安装
python -m pip install -e .
pytest==8.3.5  # 锁版本安装测试依赖

# 3. 验证安装
forge --help

注意：默认 forge 是 dry-run 模式——它只读 .ai/AUTONOMOUS_PLAN.md 和 .ai/AUTONOMOUS_STATE.md，不会修改任何东西。

核心工作流：让 AI 跑一个完整任务

# 第 1 步：从计划文件选下一个任务
forge tasks --plan .ai/AUTONOMOUS_PLAN.md --next

# 第 2 步：生成干运行计划
forge plan \
  --plan .ai/AUTONOMOUS_PLAN.md \
  --state .ai/AUTONOMOUS_STATE.md \
  --policy .forge/policy.md \
  --root .

# 第 3 步：审查 git diff
git diff -- README.md > changes.diff
forge git-diff-review \
  --policy .forge/policy.md \
  --root . \
  --diff changes.diff \
  --require-clear --format json > git-diff-review.json

# 第 4 步：审查 CI 状态
forge commit-status-review \
  --root . --from-github \
  --require-clear --format json > commit-status-review.json

# 第 5 步：综合 diff+status 判断可提交性
forge change-readiness \
  --root . \
  --diff-review git-diff-review.json \
  --status-review commit-status-review.json \
  --require-ready --format json > change-readiness.json

# 第 6 步：预览补丁
forge patch-generation-preview \
  --root . \
  --readiness patch-application-readiness.json \
  --path README.md \
  --replacement README.replacement.md \
  --require-generated --format json > patch-generation-preview.json

# 第 7 步：显式确认后才应用补丁（关键安全门控）
forge patch-apply \
  --root . \
  --preview patch-generation-preview.json \
  --change-readiness change-readiness.json \
  --path README.md \
  --replacement README.replacement.md \
  --confirm-apply \
  --require-applied --format json > patch-apply.json

# 第 8 步：本地 commit（再一道显式确认）
forge commit-create \
  --root . \
  --proposal commit-proposal-preview.json \
  --confirm-commit-create \
  --require-created --format json > commit-create.json

# 第 9 步：推送到远端（最后一次显式确认）
forge push-handoff \
  --root . \
  --push-readiness push-readiness.json \
  --branch main --remote origin \
  --confirm-push \
  --require-pushed --format json > push-handoff.json

# 第 10 步：推送后验证（最新 AUTO-098 新增）
forge post-push-verify \
  --root . \
  --push-handoff push-handoff.json \
  --status-review verified-commit-status-review.json \
  --fetch \
  --require-verified --format json > post-push-verify.json

跑完这 10 步，AI 就完成了一个完整的"读任务 → 写代码 → 跑测试 → 提交 → 推送 → 校验"全流程。全程没有一次不需要人类授权的操作。

跑测试

python -m pytest -q

📊 与竞品对比

竞品对比表

维度 Autonomous-Forge Devin Cursor Composer GitHub Copilot Agent
自主程度 完全自主（带显式确认） 完全自主 辅助编码 辅助编码
AI 自我提交代码 是（1036 次提交全是 AI） 是（云端执行） 人工触发 人工触发
本地运行 是（local-first Python CLI） 否（云端 SaaS） 是（IDE 插件） 是（IDE 插件）
开源协议 Apache-2.0 闭源 闭源 闭源
显式安全门控 4 道确认门 无明确门控 无 无
持久化仓库记忆 .ai/ + .forge/ 目录 无 无 无

关键差异：Autonomous-Forge 是当前公开 GitHub 上唯一一款把"AI 自主写代码"做到 1000+ commit 真实落地、且 Apache-2.0 开源的项目——其他工具要么闭源，要么还在 demo 阶段。

💡 适用场景

场景 1：让 AI 维护一个长期演进的工具仓库

架构图

功能说明：如果你的 GitHub 仓库需要一个"会自己修 bug、加 feature、写测试、跑 CI"的开发者，Autonomous-Forge 提供完整工作流。.ai/AUTONOMOUS_PLAN.md 写好要做什么，.forge/policy.md 写好边界策略，AI 就会按计划自主推进。

输入要求：维护者需要写两份 markdown 文件：

  • .ai/AUTONOMOUS_PLAN.md：长期 roadmap + 短期任务列表
  • .forge/policy.md：安全策略（哪些文件可以改、哪些路径禁止触碰、CI 通过条件）

输出效果：AI 按计划执行 12 道门控，每一步都生成 JSON 报告（change-readiness.json / post-apply-validation.json / post-push-verify.json），所有产物都留在 .ai/ 目录方便审计。

适用场景：

  • 维护者想"放养"一个工具型仓库，每周检查一次 AI 进展
  • 开源项目想用 AI 处理"低优先级但有规律"的 issue（依赖升级、文档完善、测试补全）
  • 研究者想复现"AI 自我编程"实验（1036 次 commit 是公开数据集）

场景 2：研究 AI Agent 的"安全自主"边界

场景图

功能说明：Autonomous-Forge 的 12 道显式门控本身就是研究材料。--confirm-apply / --confirm-push / --confirm-commit-create 这些参数强制 AI 在关键节点停下等人类决策——这正好回答了"AI 自主编程失控怎么办"的核心问题。

输入要求：研究者需要分析仓库的 src/autonomous_forge/ 目录（约 1000+ 行 Python）和 .ai/AUTONOMOUS_PLAN.md 演进历史（98 次自主循环全在 git log 里）。

输出效果：可量化的"AI 自主程度"指标——比如"显式确认占比"、"干运行覆盖率"、"推送后验证通过率"。

适用场景：

  • 学术界研究 LLM Agent 自主决策的安全框架
  • 企业评估"是否允许 AI 写生产代码"的内部白皮书
  • 对比 Devin、AutoGPT、Smol Developer 等其他自主框架的安全设计

场景 3：给 AI 编程工具加"审计 trail"

安全门控

功能说明：4 道显式确认门 + 5 份 JSON 报告（change-readiness.json / patch-apply.json / post-apply-validation.json / commit-create.json / post-push-verify.json）构成了完整的 audit trail。合规团队可以拿着这些 JSON 问"AI 这次为什么改了 README.md"——所有决策都有迹可循。

输入要求：需要把 5 份 JSON 报告接入 SIEM/SOC 平台，或用 jq 做可视化。

输出效果：每次 AI 自主循环结束后，.ai/ 目录多 5 份带时间戳的 JSON + 1 份 markdown 总结。

适用场景：

  • 金融/医疗企业的内部 AI 编码平台（强合规要求）
  • 教育场景下让学生观察"AI 自主开发"全过程
  • DevOps 团队评估"AI 写代码 + 人类审查"协作模式

场景 4：CLI 重度用户的本地 AI 编程助手

CLI 演示

功能说明：相比 Cursor / Copilot 的 IDE 插件形态，Autonomous-Forge 是纯 CLI 工具——forge tasks、forge plan、forge patch-apply 全是命令，可写进 shell 脚本、CI pipeline、cron 定时任务。

输入要求：熟悉 git、pytest、make 命令行的开发者；愿意读 JSON 报告而非 IDE 弹窗。

输出效果：与现有 Unix 工具链无缝集成——可以 forge plan && make test && forge patch-apply 串起来。

适用场景：

  • Vim/Emacs/Neovim 用户（没有 IDE 也能用 AI 编程）
  • 在远程服务器上跑开发（无 GUI 场景）
  • 想把 AI 写代码写进 GitHub Actions / GitLab CI

用户群体总结

  • ✅ AI Agent 研究者：1036 次 commit + 98 次自主循环是公开数据集
  • ✅ 合规要求高的企业：4 道显式门控 + 5 份 JSON 报告构成审计 trail
  • ✅ CLI 重度用户：纯本地 Python CLI，无 IDE 依赖
  • ✅ 开源项目维护者：Apache-2.0 协议 + 长期 roadmap + 边界策略文件
  • ❌ 不适合：想用 IDE 实时提示的场景（Cursor / Copilot 更合适）

💰 定价方案

完全免费 + Apache-2.0 开源。

  • ✅ 无订阅费、无 API 调用费、无云端依赖
  • ✅ Apache-2.0 协议：可商用、可修改、可分发（保留版权声明即可）
  • ✅ 所有"AI 自主循环"在本地运行，无云端 SaaS 成本

💡 开源协议： Apache-2.0 — 你 fork 一份改成自己仓库的 AI 维护者也没问题。

🎯 总结

Autonomous-Forge 给"AI 自主编程"这件事提供了一个可审计、可中断、可复现的工程模板。1036 次 commit 全部是 AI 自己写的这个事实，让它从一个"概念验证"变成了"可参考的实践"。

推荐指数： ⭐⭐⭐⭐（满分 5 星，给 4 星因为仍是 pre-alpha 阶段）

适合人群：

  • AI Agent 研究者（1036 次 commit 是稀缺数据集）
  • 想评估"AI 写代码安全性"的企业技术决策者
  • CLI 偏好的资深开发者
  • 想让开源项目"AI 自治"的项目维护者

立即体验：

注意： 当前是 pre-alpha 阶段（AUTO-098），无签名提交验证、无密码学信任模型、无远程 workflow 轮询——但作为"AI 自主编程安全框架"的参考实现，已经足够有说服力。

数据截至 2026 年 7 月 9 日，最新信息请以 GitHub 仓库为准。