Super Simple Software Factory

📌 核心价值：把控制权还给代码，Agent 退回执行位

12 个起始工作流、5 个开箱即用的代理、Python 确定性控制平面 + SQLite 实时落库 — Agent 不再是黑盒主线程，代码才是 owner。

封面图

🚀 什么是 Super Simple Software Factory？

Super Simple Software Factory（简称 SSSF）是 disler 在 2026-08-02 全新开源的 Agent Skill 套件，MIT 协议，发布即斩获 200+ Stars。它把"agent + code 协同"从 prompt 调优的玄学，收编为一套可观察、可定制、可重用的工程范式。

核心设计哲学只有一句话：

"Agent proposes. Code disposes."（Agent 建议，代码决定）

具体怎么落地？代码层（Python）拥有序列化、重试和验收；Agent 只是在 被命名的、有界的阶段（named phase）里执行工作。Agent 跑飞了？代码会兜底重试。Agent 出错了？代码会 envelope 校验 + 触发 bounded fix loop 局部修复。

核心定位：把"AI 全自动写代码"从"信任一把梭"变成"按阶段验收的工程流水线"。

✨ 核心功能一览

功能对比表

🛠️ 快速上手：5 分钟跑通示例

安装 / 注册

SSSF 本质是一个 Claude Code Skill 包，所以第一步是把它"植入"你的目标仓库：

# 前置依赖：uv + pi + sqlite3
# 1. 把 skill 复制到目标仓库
mkdir -p .claude/skills
cp -r /path/to/super-simple-software-factory/.claude/skills/sssf .claude/skills/

# 2. 在目标仓库根目录跑安装脚本
uv run .claude/skills/sssf/scripts/install.py
cp .env.sample .env   # 填 OPENROUTER_API_KEY 等

# 3. 冒烟测试
just demo
just sessions         # 查 SQLite trace
just obs              # 打开 Vue trace 面板（端口 4600）

核心代码示例：5 阶段 ADW 主链

SSSF 的 12 个起始工作流（ADW）共享同一套 PhaseParams + Envelope 模式。下面是 adw_plan_build_test 这条最常用主链的骨架：

from adws.adw_modules import agents, gates, session
from adws.adw_modules.phase import PhaseParams
from adws.adw_modules.types import PlanOutput, BuildOutput, TestOutput

REQUIRED_AGENTS = ["planner", "builder", "tester"]
cfg = agents.load_config(config)
agents.validate(cfg, REQUIRED_AGENTS)   # 缺代理就启动前 fail
run = session.ensure(cfg, adw_id)       # pin-or-create 会话

# 阶段 1：planner 产出 plan.json
with run.phase(PhaseParams(name="plan", kind="agent", owner="planner",
                           description="把请求变成可实施的计划")) as ph:
    plan = ph.call(AgentCall(output_type=PlanOutput, prompt=prompt,
                             gates=[gates.artifacts_exist, gates.files_non_empty]))

# 阶段 2：builder 写代码
with run.phase(PhaseParams(name="build", kind="agent", owner="builder")) as ph:
    build = ph.call(AgentCall(output_type=BuildOutput, prompt=prompt,
                              gates=[gates.diff_matches_claims]))

# 阶段 3：code 跑测试（非 agent，是纯代码 gate）
with run.phase(PhaseParams(name="test", kind="code", owner="pytest")) as ph:
    ph.log(status=pytest_helper.run(), message="test results")

return run.finish(accepted=build.approved and test.passed)

注意：每个阶段都强制指定 owner 字段（planner/builder/git 之一），owner 不存在的 workflow 会在启动时直接 fail**，不会跑到一半才发现配置缺漏。**

三个原则：为什么 SSSF 不是又一个 Agent 框架

原则	含义	实操落地
可观察 (Observable)	每个事件实时写入 SQLite，进程不阻塞	`agent_pi.py` 边读 JSONL 边入库
可定制 (Customizable)	一个 YAML 控制每个 agent 的 model / prompt / tools	`sssf.config.yaml` 是唯一配置入口
可重用 (Reusable)	作为 skill 植入任何仓库，按需调整	`/sssf install` 一行命令

📊 与竞品对比

SSSF 跟传统 "大 Agent 模式" 几乎是相反的设计哲学 — 后者把控制权全交给模型，前者把控制权收回到代码。

竞品对比表

关键差异：SSSF 不追求"一个超强的 Agent 干所有事"，而是 让 Python 写好图，让 Agent 跑图上的节点。换模型不会换图，换图不会换模型 — 关注点分离做到了物理级。

💡 适用场景

场景 1：单次运行的"泳道图"长这样

单次运行泳道图

功能说明：把一次 ADW 运行按时间轴展开，5 条泳道（engineer / code / planner / builder / reviewer）独立展示，每个 phase 显示实际耗时（4.8s ~ 12.4s）和状态（queued → running → success）。

输入要求：跑任意 adw_*.py 脚本，SQLite 自动入库。

输出效果：可以一眼看出 哪一阶段是瓶颈（图中 build 12.4s 是最长）、哪条泳道利用率低、还有几个 phase 在排队。

适用场景：

✅ 调优 prompt：定位哪个 agent 慢、改 prompt 后对比耗时
✅ 排查 stuck：某 phase 长时间 running，trace 一查便知
✅ 团队复盘：把 trace 截图发到群，工程师看着时间轴说"我们能不能并行？"

场景 2：工厂脊柱 — 6 阶段主链 + bounded fix 回路

工厂脊柱

功能说明：标准 adw_plan_build_test 链路 — request → plan → build → test_1 → fix_1 → commit，每个 phase 都有 envelope + gates 校验。test 失败时 bounce 回 builder 走 bounded fix loop（默认最多 3 次），commit 阶段只接受 test_1=passed 的 envelope。

输入要求：在配置里 gates=[gates.tests_pass("bun test")] 显式声明，门控函数来自 adws/adw_modules/gates.py。

输出效果：fix 阶段是纯代码重试，不会让 planner 重新规划（避免"换一个角度重做"的低效模式）。

适用场景：

✅ 一次性有界修复：build 跑出来的代码有问题，builder 知道上下文接着改
✅ 不让 agent 重新规划：避免「上次的问题没解决，这次还换思路」的浪费
✅ 端到端可追溯：每个 commit 都能在 SQLite 里查回所有 phase 的 envelope

场景 3：单 Agent vs 多阶段控制平面对比

控制平面对比

功能说明：左侧的"一个超大 Agent 自我规划-构建-测试-评估"是当前主流；右侧的 SSSF 模式把"planner + builder + tester + git"拆成独立阶段，每个阶段都带 gates 校验。

输入要求：在 sssf.config.yaml 的 agents: 列表里声明 4 个 owner 即可。

输出效果：

大 Agent 模式：调 prompt 是唯一杠杆，调完仍然黑盒
SSSF 模式：可以单独调 planner 的 prompt（不破坏 build），或单独换 builder 的模型（不破坏 gate）

适用场景：

✅ 想给"规划能力"和"编码能力"用不同模型
✅ 想给"测试"和"提交"写严格的本地脚本（pytest + git commit 钩子），不是模型决策
✅ 团队多人协作：planner prompt 团队维护、builder prompt 个人调，互不干扰

场景 4：Skill 一次封装，植入任何仓库

Skill 植入

功能说明：.claude/skills/sssf/ 这个目录就是 SSSF 的全部产品（1 个 SKILL.md + 8 个 cookbook + 3 个 reference + install/make_* 脚本 + templates/）。/sssf install 一行命令把它"盖章"到任意目标仓库，生成 adws/ + Justfile + 定制化配置。

输入要求：目标仓库是 git 仓库（哪怕空仓库也行），有 .claude/ 目录。

输出效果：

后端项目（your-api/）→ 用 adw_plan_build_test 主链
前端项目（your-frontend/）→ 用 adw_build_review 短链
自家仓库（this-repo/）→ 用 adw_simple_sdlc 全流程

适用场景：

✅ 一个团队多个仓库：统一 agent 行为标准
✅ 给外部项目贡献：插上 skill，PR 流程自动化
✅ 个人多项目：一份 skill，N 个仓库复用

场景 5：三泳道 — engineer / code / agent

三泳道

功能说明：把所有 phase 按 owner 类型分到三条泳道：engineer（接人类输入）、agent（调 LLM）、code（跑本地脚本）。每个泳道独立的失败-重试策略：agent 失败可重试 3 次 + 改 prompt，code 失败直接 fail-fast。

输入要求：每个 PhaseParams(kind="...") 字段。

输出效果：

agent 泳道：thinking=high 配 gemini-3.6-flash 跑 plan
code 泳道：pytest 跑 test，失败立刻抛
engineer 泳道：等待人类输入（如审批节点）

适用场景：

✅ 想区分"AI 决策"和"本地命令"的不同失败处理
✅ 想给"人类审批"留位置（v1 没做、v2 会做）
✅ 性能调优：发现 agent 慢就加 cache，发现 code 慢就换并行

场景 6：Envelope + Gates 验证闭环

Envelope + Gates

功能说明：每个 agent 阶段产出 typed JSON envelope（EnvelopeBase / BuildOutput / TestOutput 等 Pydantic model），code 阶段用 gates 函数（artifacts_exist / files_non_empty / diff_matches_claims / tests_pass）做事实校验，校验通过才进入下一阶段。

输入要求：在 ph.call(AgentCall(output_type=BuildOutput, ..., gates=[...])) 显式声明。

输出效果：

changed_files: list[str] — builder 写了哪些文件
commit_message: str — git 阶段拿去 commit
artifacts: list[str] — planner 产出 spec 路径
三件套漂移检测：类型、## Report 文档、call site 必须一致（脚本会 grep 检查）

适用场景：

✅ 不让 agent 撒谎：build 说改了 5 个文件，gates 真的会 diff 校验
✅ 不让 commit 阶段瞎传：build envelope 里的 commit_message 直接消费
✅ 不让失败蒙混过关：gates 失败的 phase 写不进 trace，UI 立刻标红

用户群体总结

✅ 单人 / 小团队 / OPC 创业：把"AI 自动写代码"变成"按阶段验收的工程流水线"，减少 prompt 调参焦虑
✅ 多仓库团队：一份 skill 植入 N 个仓库，统一 agent 行为标准
✅ AI 工具研究者：SSSF 是观察 agent + code 协同的绝佳 sandbox
✅ 追求可观察性：每个事件写 SQLite，可中途观察 / 失败可回溯
❌ 不适合：只想"一行命令让 AI 把整个 app 写完"的纯 prompt 玩家

💰 定价方案

完全免费 & 完全开源。

✅ MIT 协议，无任何付费 tier
✅ skill 安装零成本，纯 Python + uv + sqlite3
✅ 唯一"花销"是 LLM API 费用（OpenRouter / Fireworks / OpenAI 任你挑）
✅ starter roster 默认需要 3 个 API Key；只用一个 Key 也能跑，删各 agent 的 model: 行继承 defaults.model

💡 新用户福利：starter roster 内的 5 个 agent 全部是公开模型，可以先用 OpenRouter 的免费模型跑通整条链路，验证流程后再切到 GPT-4o / Claude 4.5。

开源协议： MIT

🎯 总结

Super Simple Software Factory 给"agent 自动写代码"这件事，补上了工程化最缺的一环：控制权。代码不再是被动响应 agent 的"工具调用者"，而是真的在画图、agent 真的只是图上的节点。

推荐指数： ⭐⭐⭐⭐⭐（满分 5 星）

适合人群：

想给 AI 编码上"工程护栏"的团队
想用 YAML 统一管理 agent 行为的个人开发者
想把 AI 编码从"黑盒 prompt 调优"变成"可观察流水线"的研究者

立即体验：

📦 GitHub: disler/super-simple-software-factory
📺 演示视频: Super Simple Software Factory on YouTube
📂 example 分支: 跑通整条 demo 链路 + 真实 trace

数据截至 2026-08-04，最新信息请以 GitHub 仓库为准。

配套媒体

🚀 什么是 Super Simple Software Factory？

✨ 核心功能一览

🛠️ 快速上手：5 分钟跑通示例

安装 / 注册

核心代码示例：5 阶段 ADW 主链

三个原则：为什么 SSSF 不是又一个 Agent 框架

📊 与竞品对比

💡 适用场景

场景 1：单次运行的"泳道图"长这样

场景 2：工厂脊柱 — 6 阶段主链 + bounded fix 回路

场景 3：单 Agent vs 多阶段控制平面对比

场景 4：Skill 一次封装，植入任何仓库

场景 5：三泳道 — engineer / code / agent

场景 6：Envelope + Gates 验证闭环

用户群体总结

💰 定价方案

🎯 总结