自主编码工厂 jigjoy-ai/baro

baro

在仓库里写下一个目标，然后走开。回来时，收到一个已通过验证的 pull request。

baro 是一座自主软件工厂。它把你的目标编译成一份机器可校验的契约，拆成由多个 story 组成的 DAG，在相互隔离的 git worktree 里并行构建，再用 fail-closed 闸门挡住每一次合并——声明的测试、构建、证据评审、写入面归属。你审的是一个闸门已经放行的 PR。

一条提示词 → 33 个 story 的计划 → 808 个通过的测试 → 一个 PR，用时 71 分钟。
看一次真实运行。

安装

npm install -g baro-ai

需要 Node 20+、git，以及至少一个后端：claude CLI（默认）、codex，或任意 OpenAI 兼容端点。baro --doctor 检查你的环境。

使用

cd your-repo
baro "Add JWT authentication with role-based access control"

这会打开 TUI：intake 只问关键问题，你确认计划，fleet 开始跑。

要做自动化，就脱离终端，从任何地方跟进：

baro --headless --detach --goal-file goal.txt # prints a run id, returns immediately
baro watch <run-id> # follow milestone events
baro logs <run-id> --follow # tail the raw log
baro runs # list live runs
baro stop <run-id> # stop one

命令

| 命令 | 作用 |
| baro "<goal>" | 在当前仓库跑一个目标（TUI） |
| baro --goal-file <path> | 从文件读取目标 |
| baro --headless --detach ... | 后台运行，供 CI/自动化使用；打印 run id |
| baro watch <run-id> | 跟进一次实时运行的里程碑 |
| baro logs <run-id> [--follow] | 打印或跟踪一次运行的日志 |
| baro runs / baro stop <id> | 列出 / 停止实时运行 |
| baro --resume | 从 prd.json 恢复中断的运行——绝不重新规划 |
| baro --continue | 在当前分支上做后续——总是重新规划 |
| baro --doctor | 自诊断：后端、认证、gh、权限 |
| baro login | 浏览器登录 baro cloud |
| baro connect [--install-service] | 把本机接入为云端 runner |

关键参数

--llm claude|codex|openai|opencode|pi|devin|hybrid|jigjoy # backend for all phases
-m opus|sonnet|haiku # model override (verbatim pass-through on other backends)
--effort low..max # thinking per turn (default: high)
--parallel N # max parallel story agents (0 = unlimited)
--mode focused|sequential|parallel # force an execution mode (default: intake proposes)
--quick # trivial goals: one story, no architect/critic/surgeon
--local-only # 不推送、不提 PR——硬隔离 --shell-budget <seconds> # story shell 工具的每条命令预算 --openai-base-url <url> # 任意 OpenAI 兼容服务商（OpenRouter、vLLM、Ollama…）
--tier-map "light=openai:MiniMax-M3,heavy=claude:opus" # 按 story 层级混用后端

按阶段覆盖（--architect-llm、--story-model 等）、.barorc，以及其他所有内容：docs.baro.rs

工作原理

baro 架构——Rust TUI 宿主，TypeScript 编排器，其限界上下文在 mozaik 事件总线上会合，每次合并前都有机器门禁

- 契约先行。 架构师把目标转成不变量与义务，二者都可机器校验——这一切发生在写任何代码之前。
- 是集体，不是协调者。 Story 智能体是事件总线上的对等节点：它们只看到与自己相关的事件，互相交换笔记，并因彼此的工作而挂起或恢复。不存在一个所有东西都必须挤过去的单一上下文窗口。
- 靠门禁，不靠感觉。 声明的测试、提交前构建、评判捕获命令输出的证据评审员，以及写入面归属——失败即关闭，拦截每一次合并。人类评审的 PR，门禁已经先接受了。
- 活的计划。 计划是一张 DAG，运行过程会与它协商：运行时重新规划会在运行中途新增并重连 story，失败的闸门可以生成自己的补救 story。

用 Claude Code 驱动它

baro 很适合让编码智能体坐在驾驶位。在你的仓库里，把下面这段粘贴进 Claude Code： text Install baro (npm install -g baro-ai) and run baro --doctor to verify the setup. Then drive it for me:

1. Write my task as an evidence-rich goal file: name the exact files and line numbers
the change touches, state the constraints, and say which tests must prove it.
2. Launch it detached: baro --headless --detach --goal-file goal.txt, note the run id.
3. Follow it with baro watch <run-id>; if it stalls, read baro logs <run-id>.
4. When the pull request opens, review the diff against the goal, run the project's
test suite yourself, and report back: what shipped, what the gates proved, and
anything that needs my eyes. Merge only if everything is green.

Keep goals narrow — one concern per run. If the run fails, read why, tighten the goal with the new evidence, and launch again.

云端

没有机器，或者没有 Claude/Codex 订阅？在 app.baro.jigjoy.ai 上运行同一套机群——无需安装，隔离沙箱，用我们的密钥。或者把你自己的硬件留在池子里：baro login，然后 baro connect --install-service。

文档：docs.baro.rs · 问题反馈：github.com/jigjoy-ai/baro/issues · Twitter：@lotus_sbc