ruvnet/ruflo

TL;DR

Ruflo (原 Claude Flow) 是一个面向 Claude Code 和 Codex 的 Agent Meta-Harness，通过插件化架构提供多智能体协作、自学习记忆和联邦通信能力。它在极短时间内获得 6.8k+ Stars，试图解决单一 LLM Agent 缺乏长期记忆、复杂任务编排和安全隔离的问题。

它解决什么问题

随着 Agent 从单轮对话走向长期自主工作，开发者面临三个核心痛点： 1. 上下文碎片化：单次会话无法承载项目级知识，Agent 容易遗忘。 2. 编排复杂性：多 Agent 协作需要解决路由、冲突和状态同步。 3. 安全与合规：Agent 直接操作代码库和环境，缺乏细粒度的权限控制和 PII 过滤。 Ruflo 的出现旨在将 Claude Code/Codex 从“代码补全工具”升级为具备神经中枢能力的自主系统，通过底层 Hook 和 MCP Server 注入协调层。

核心做法

Ruflo 采用分层架构，将模型（Model）与执行层（Harness）解耦： - 插件化内核：基于 ruflo-core 提供服务器健康检查、插件发现和 MCP Server 注册。支持通过 CLI (npx ruflo init) 或 Claude Code Plugin 两种模式接入。 - Swarm Coordination：实现 Hierarchical/Mesh/Adaptive 多种拓扑结构，支持 Raft、Byzantine 和 Gossip 共识算法进行 Agent 间协调。 - 自学习记忆 (SONA)：使用 HNSW-indexed AgentDB 存储向量记忆，结合 ReasoningBank 和轨迹学习（Trajectory Learning），实现跨会话的知识沉淀。 - 联邦通信 (Federation)：基于 mTLS + ed25519 的零信任架构，支持跨机器/组织的 Agent 安全通信。内置 PII 过滤管道（14种类型检测），确保数据出境前的合规性。 - GOAP 规划器：集成 Goal Planner UI，将自然语言目标分解为 A* 搜索的状态空间路径，支持动态重规划。

作者

Owner ruvnet (rUv) 是一个独立开发者/小团队，背景与 Rust 生态和 AI 基础设施紧密相关。项目底层由 Cognitum.One 提供支持，包含 Rust-based AI engine、Embeddings 和 Plugin System。作者此前还开发了 ruvector (GPU加速向量数据库) 和 neural-trader，显示出对高性能计算和金融 AI 领域的深耕。项目命名中的