智能体集群框架ruvnet/ruflo

Ruflo Banner

Try the UI Beta — flo.ruv.io
npm version (ruflo)
MIT License
Star on GitHub

Goal Planner
Live Agents
🕸️ RuVector Agentic DB
Ecosystem downloads
Git clones (14d)
Claude Code
Codex 插件

Ruflo

适用于 Claude Code 和 Codex 的智能体元框架。

RuFlo 详解 — 构建一个会规划、记忆、测试和改进的 AI 团队

📖 RuFlo 详解 — 构建一个会规划、记忆、测试和改进的 AI 团队
一份 14 章的指南：从基本概念到第一个有用的任务，再到记忆、智能体团队、插件、成本和验证。

智能体 = 模型 + 框架。 模型负责书写；框架为它提供工具、记忆、循环、沙箱和控制，让它能够真正工作。Ruflo 就是框架——围绕 Claude Code 和 Codex 的执行层，增加了 100 多个专用智能体、协调的集群、自学习记忆、跨机器的联邦通信以及企业级安全护栏。因此智能体不只是运行，它们还能协作。
一次 npx ruflo init 就能为 Claude Code 赋予一套神经系统：智能体自组织成群，从每项任务中学习，跨会话记忆，并且——通过联邦机制——在不泄露数据的情况下与其他机器上的智能体安全通信。你继续写代码。Ruflo 负责协调。

自学习 / 自优化智能体架构

用户 --> Ruflo (CLI/MCP) --> 路由器 --> 群 --> 智能体 --> 记忆 --> LLM 提供商
^                           |
+---- 学习循环  初次接触 Ruflo？ 你不需要学习 314 个 MCP 工具或 26 个 CLI 命令。执行 init 后，只需照常使用 Claude Code——钩子系统会自动路由任务、从成功模式中学习，并在后台协调智能体。

📖 背景——名字的由来

Claude Flow 现在叫 Ruflo——由 rUv 命名，他热爱 Rust、心流状态，以及打造那些让人感觉理所当然的东西。“Ru”就是 rUv。“flo”是工作到凌晨 3 点。底层由 Cognitum.One 智能体架构驱动，运行着超强性能的基于 Rust 的 AI 引擎、嵌入、记忆和插件系统。

Ruflo 插件

快速开始

有两条不同的安装路径，其覆盖范围差异很大。根据你的需求选择（#1744）：

| | Claude Code 插件 | CLI 安装（npx ruflo init） |
|---|---|---|
| 提供内容 | 斜杠命令 + 少量技能 + 每个插件的智能体定义 | 完整的 Ruflo 循环——98 个智能体、60+ 命令、30 项技能、MCP 服务器、钩子、守护进程 |
| 工作区中的文件 | 零 | .claude/、.claude-flow/、CLAUDE.md、辅助文件、设置 |
| 注册的 MCP 服务器 | 仅在安装了 ruflo-core 时（它自带 .mcp.json）——大多数其他插件不会 | 是 |
| 安装的钩子 | 否 | 是 |
| 最适合 | 在不承诺完整安装的情况下试用单个插件的命令 | 生产使用——一切按文档所述正常工作 |

路径 A——Claude Code 插件（轻量，仅斜杠命令）
bash
添加市场
/plugin marketplace add ruvnet/ruflo

安装核心 + 你需要的任何插件
/plugin install ruflo-core@ruflo
/plugin install ruflo-swarm@ruflo
/plugin install ruflo-rag-memory@ruflo
/plugin install ruflo-neural-trader@ruflo

这会添加斜杠命令和智能体定义。ruflo-core（上面已安装）在安装时确实会注册自己的 MCP 服务器——其工具可通过 mcp__plugin_ruflo-core_ruflo__ 调用（例如 mcp__plugin_ruflo-core_ruflo__memory_store），而不是 CLI 轨道脚手架所使用的裸 memory_store/swarm_init/agent_spawn 名称。其他插件通常不会自带 MCP 服务器。要获得使用 CLI 轨道工具名称的完整循环，请使用下面的路径 B。

🔌 全部 35 个插件

核心与编排

| 插件 | 功能 |
|--------|-------------|
| ruflo-core | 基础 — 服务器、健康检查、插件发现 |
| ruflo-swarm | 将多个智能体作为团队进行协调 |
| ruflo-autopilot | 让智能体在循环中自主运行 |
| ruflo-loop-workers | 按定时器调度后台任务 |
| ruflo-workflows | 可复用的多步骤任务模板 |
| ruflo-federation | 不同机器上的智能体安全协作 |

记忆与知识

| 插件 | 功能 |
|--------|-------------|
| ruflo-agentdb | 用于智能体记忆的快速向量数据库 |
| ruflo-rag-memory | 智能检索 — 混合搜索、图跳转、多样性排序 |
| ruflo-rvf | 跨会话保存和恢复智能体记忆 |
| ruflo-ruvector | ruvector — GPU 加速搜索、Graph RAG、103 个工具 |
| ruflo-knowledge-graph | 构建和遍历实体关系图 |

智能与学习

| 插件 | 功能 |
|--------|-------------|
| ruflo-intelligence | 智能体从过去的成功中学习并变得更聪明 |
| ruflo-graph-intelligence | 亚线性图推理 — PageRank、增量更新、复杂度感知执行（ADR-123） |
| ruflo-daa | 动态智能体行为和认知模式 |
| ruflo-ruvllm | 使用智能路由运行本地 LLM（Ollama 等） |
| ruflo-goals | 将大目标分解为计划并跟踪进度 |

代码质量与测试

| 插件 | 功能 |
|--------|-------------|
| ruflo-testgen | 查找缺失的测试并自动生成 |
| ruflo-browser | 使用 Playwright 自动化浏览器测试 |
| ruflo-jujutsu | 分析 git diff、评估风险、建议审查者 |
| ruflo-docs | 自动生成和维护文档 |

安全与合规

| 插件 | 功能 |
|--------|-------------|
| ruflo-security-audit | 扫描漏洞和 CVE |
| ruflo-aidefence | 阻止提示注入、检测 PII、安全扫描 |

架构与方法论

| 插件 | 功能 |
|--------|-------------|
| ruflo-adr | 通过动态记录跟踪架构决策 |
| ruflo-ddd | 搭建领域驱动设计——上下文、聚合、事件 |
| ruflo-sparc | 带质量门禁的引导式 5 阶段开发方法论 |
| ruflo-metaharness | 为你的智能体配置评分，扫描工具配置中的安全风险，并随时间跟踪变化（指南） |
| ruflo-arena | 竞争性规则学——让智能体策略在锦标赛中相互对抗，对胜出者进行爬山优化与协同进化（ADR-147/148） |

DevOps 与可观测性

| 插件 | 功能 |
|--------|-------------|
| ruflo-migrations | 安全地管理数据库模式变更 |
| ruflo-observability | 将结构化日志、追踪和指标集中在一处 |
| ruflo-cost-tracker | 跟踪 token 用量、设置预算、获取成本警报 |

可扩展性

| 插件 | 功能 |
|--------|-------------|
| ruflo-agent | 运行智能体——本地 WASM 沙箱（rvagent）+ Anthropic Claude 托管智能体（云端） |
| ruflo-plugin-creator | 搭建、验证并发布你自己的插件 |

特定领域

| 插件 | 功能 |
|--------|-------------|
| ruflo-iot-cognitum | IoT 设备管理——信任评分、异常检测、设备群 |
| ruflo-neural-trader | neural-trader —— 由 4 个智能体驱动的 AI 交易，支持回测，112+ 工具 |
| ruflo-market-data | 摄取市场数据，向量化 OHLCV，检测模式 |

CLI 安装

macOS / Linux / WSL / Git-Bash：
bash
One-line install (POSIX shells only — see Windows note below)
curl -fsSL https://cdn.jsdelivr.net/gh/ruvnet/ruflo@main/scripts/install.sh | bash

所有平台（包括原生 Windows PowerShell / cmd）：
bash
Interactive setup wizard — runs identically on every platform
npx ruflo@latest init wizard

Quick non-interactive init
npx ruflo@latest init

Or install globally
npm install -g ruflo@latest

💡 Windows 用户： curl ... | bash 形式需要 POSIX shell（Git-Bash、WSL、MSYS）。npx ruflo@latest init wizard 这一行可在 PowerShell 和 cmd 中原生运行。如果你遇到 'bash' is not recognized 错误，请改用 npx 那一行——两者最终都会运行相同的初始化流程。

MCP 服务器
bash
Add Ruflo as an MCP server in Claude Code
claude mcp add claude-flow -- npx ruflo@latest mcp start

你将获得

| 能力 | 描述 |
|------------|-------------|
| 🤖 100+ 智能体 | 用于编码、测试、安全、文档、架构的专用智能体 |
| 📡 通信层 | 零信任联邦——跨机器/组织的智能体安全地发现、认证并交换工作 |
| 🐝 群体协调 | 分层、网状和自适应拓扑，并具备共识机制 |
| 🧠 自学习 | SONA 神经模式、ReasoningBank、轨迹学习 |
| 💾 向量记忆 | HNSW 索引的 AgentDB——实测在 N=20k 时约快 1.9 倍，在 N=5k 时相比暴力搜索约快 3.2 倍–4.7 倍（recall@10 约 0.99）；ANN 在超过交叉点后胜出，在小 N 时持平/落后。参见审计 + scripts/benchmark-intelligence.mjs |
| ⚡ 后台工作进程 | 12 个自动触发的工作进程（审计、优化、测试缺口等） |
| 🧩 插件市场 | 33 个原生 Claude Code 插件 + 21 个 npm 插件 |
| 🔌 多提供商 | Claude、GPT、Gemini、Cohere、Ollama，并具备智能路由 |
| 🛡️ 安全 | AIDefence、输入验证、CVE 修复、路径遍历防护 |
| 🌐 智能体联邦 | 跨安装的智能体协作，具备零信任安全 |
| 🔬 MetaHarness | 在发布前审计你的 AI 智能体设置。评估就绪度（1-100），扫描工具配置中的安全问题，对整个项目进行快照以捕捉随时间出现的回归，并查找与你的仓库匹配的模板。ruflo eject 可将 ruflo 项目转换为具有自己名称的独立智能体工具包。完整指南。 |
| 💬 Web UI Beta | 在 flo.ruv.io 上进行多模型聊天，支持并行 MCP 工具调用和浏览器内 WASM 工具库 |
| 🎯 RuFlo Research | 位于 goal.ruv.io 的 GOAP A\ 规划器——将通俗英语目标 → 可执行的智能体计划，并在 /agents 提供实时智能体仪表板 |

Web UI（Beta）——可自托管，托管演示位于 flo.ruv.io

RuFlo 的 Web UI 是一个内置 Model Context Protocol (MCP) 工具调用的多模型 AI 聊天界面。 你可以与 Qwen、Claude、Gemini 或 OpenAI 对话，同时 RuFlo 会调用 CLI 使用的同一套 MCP 工具——智能体编排、持久记忆、群体协调、代码审查、GitHub 操作——直接通过聊天完成。无需安装，试用也无需 API 密钥。

| | 它是什么 | 为什么重要 |
|---|------------|----------------|
| 🧠 | 任意模型，本地或远程 | 开箱即用的 6 个精选前沿模型 — Qwen 3.6 Max（默认）、Claude Sonnet 4.6、Claude Haiku 4.5、Gemini 2.5 Pro、Gemini 2.5 Flash、OpenAI — 通过 OpenRouter 接入。添加你自己的：任何 OpenAI 兼容端点（vLLM、Ollama、LM Studio、Together、Groq、自托管）。 |
| 🦾 | ruvLLM 自学习 AI | 原生支持 ruvLLM（位于 ruvnet/RuVector/examples/ruvLLM）— RuFlo 的自改进本地模型层。路由到 MicroLoRA 适配器，通过 SONA 从你的轨迹中学习，并保留在你的机器上。可与云端模型搭配使用，或完全离线运行。 |
| 🛠️ | 约 210 个工具，随时可调用 | 5 个服务器组（Core、Intelligence、Agents、Memory、DevTools）外加一个包含 18 个工具的库，完全在你的浏览器中运行 — 可离线使用。 |
| 🔌 | 自带 MCP 服务器 | 点击聊天输入框中的 MCP (n) 胶囊按钮 → Add Server，粘贴任意 MCP 端点（HTTP、SSE 或 stdio）。你的工具将与 RuFlo 的原生工具一起加入同一并行执行流程。在 localhost:3000 上运行本地 MCP 服务器即可直接使用。 |
| ⚡ | 工具并行运行 | 一次模型响应可以同时触发 4–6+ 个工具。UI 会将它们显示为卡片，并带有 Step 1 — 2 tools completed 徽章，让你确切看到运行了什么。 |
| 💾 | 持久记忆 | 说 "remember my favorite color is indigo"，几周后再询问 — RuFlo 仍能回忆起来。由 AgentDB + HNSW 向量搜索支持（在交叉点以上测得比暴力搜索快约 1.9x–4.7x，recall@10 约 0.99）。 |
| 📘 | 内置功能导览 | 点击侧边栏中的问号图标 — 会打开一个 "RuFlo Capabilities" 模态框，包含完整工具列表、模型优势、架构和键盘快捷键。 |
| 🏠 | 可自托管 | Web UI 以 Docker 形式发布（ruflo/src/ruvocal/Dockerfile），内嵌 Mongo。部署到你自己的 Cloud Run / Fly / Kubernetes / docker-compose。托管的 flo.ruv.io 演示只是其中一种选择；完全支持运行你自己的实例。 |
| 🚀 | 零安装即可试用 | 打开托管 URL，选择一个模型，输入一个问题。这就是全部入门流程。 |

试用托管演示： https://flo.ruv.io/ — 无需账户，无需 API 密钥。运行你自己的： 源代码位于 ruflo/src/ruvocal/，包含一个多阶段 Dockerfile（INCLUDE_DB=true 会构建 MongoDB）以及用于 Google Cloud Run 的 cloudbuild.yaml。架构请参见 ADR-033，路线图请参见 issue #1689。

目标规划器 UI — goal.ruv.io 上的自主智能体

将高层目标转化为可执行的智能体计划。 goal.ruv.io 是 RuFlo 托管的面向目标行动计划（GOAP）前端——用通俗英语描述一个结果，然后观看 RuFlo 将其分解为前置条件、动作，以及穿越状态空间的 A* 路径，随后将工作分派给 /agents 上的实时智能体。

| | 它是什么 | 为什么重要 |
|---|------------|----------------|
| 🎯 | 通俗英语目标 | 输入 “发布带测试和 PR 的认证重构” —— RuFlo 会提取成功标准、约束条件以及隐含的前置条件。无需 JSON，无需 DSL。 |
| 🧭 | GOAP A\* 规划器 | 将经典游戏 AI 规划移植到软件工作中：通过带有前置条件/效果的动作进行状态空间搜索，以找到最短可行路径。当状态变化时即时重新规划。 |
| 🤖 | 实时智能体仪表盘 | goal.ruv.io/agents 显示每个已生成的智能体——角色、当前步骤、内存命名空间、token 预算、状态。点击进入可检查轨迹、终止失控的 worker 或重新分配。 |
| 🌳 | 可视化计划树 | 目标呈现为可折叠的动作树，并高亮显示进度、受阻分支和回滚。准确看到智能体为什么选择某条路径——没有不透明的思维链。 |
| ♻️ | 自适应重新规划 | 当某个动作失败或有新信息到达时，规划器会从当前状态重新运行 A\，而不是从头开始。失败变成学习，而不是循环。 |
| 🧠 | 共享内存 + SONA | 计划、轨迹和结果流入 AgentDB。未来的计划通过 HNSW 检索过去的解决方案——规划器每运行一次都会变得更聪明。 |
| 🔗 | 接入 MCP 工具 | 每个动作节点都映射到一个工具调用（RuFlo 的约 210 个 MCP 工具、你的自定义服务器或 shell）。在依赖图允许的情况下，规划器会并行调度它们。 |
| 🚀 | 零安装即可试用 | 打开 goal.ruv.io，描述一个目标，观看它运行。源代码位于 v3/goal_ui/ —— Vite + Supabase，可自托管。 |

试用： https://goal.ruv.io/ 用于目标 · https://goal.ruv.io/agents 用于实时智能体。运行你自己的： 克隆 goal 分支并执行 cd v3/goal_ui && npm install && npm run dev。

智能体联邦 — 智能体的 Slack

你的智能体 --> [ 移除机密 ] --> [ 签名消息 ] --> [ 加密通道 ]
邮件、SSN、        证明它来自        传输过程中无人
密钥被剥离          你                读取
|
v
他们的智能体  📘 完整用户指南： docs/federation/ — 设置、MCP 工具、信任级别、熔断器，以及（可选的）WireGuard 网状层，它将数据包层可达性与联邦信任关联起来。ADR-111 深入解析见 docs/federation/phase7-mesh-bringup.md。

联邦能力

| | 能力 | 工作原理 |
|---|---|---|
| 🔒 | 零信任联邦 | 远程智能体初始为不受信任状态。通过 mTLS + ed25519 质询-响应证明身份。无需 API 密钥，无需共享密钥。 |
| 🛡️ | PII 门控数据流 | 14 种类型的检测管道扫描每条出站消息。按信任级别制定策略：BLOCK、REDACT、HASH 或 PASS。自适应校准可减少误报。 |
| 📊 | 行为信任评分 | 公式（0.4×success + 0.2×uptime + 0.2×threat + 0.2×integrity）持续评估对等方。升级需要历史记录；降级是即时的。 |
| 📋 | 内置合规性 | HIPAA、SOC2、GDPR 审计追踪作为合规模式。每个联邦事件都会生成一条结构化记录，可通过 HNSW 搜索。 |
| 🤝 | 9 个 MCP 工具 + 10 个 CLI 命令 | 完整生命周期：federation_init、federation_send、federation_trust、federation_audit 等。 |

示例：两个团队共享欺诈信号而不共享客户数据

Team A: initialize federation and generate keypair
npx claude-flow@latest federation init

Team A: join Team B's federation endpoint
npx claude-flow@latest federation join wss://team-b.example.com:8443

Team A: send a task — PII is stripped automatically before it leaves
npx claude-flow@latest federation send --to team-b --type task-request \
--message "Analyze transaction patterns for account anomalies"
Team A：检查对等节点信任级别和会话健康状态
npx claude-flow@latest federation status

有关完整的架构、信任模型和实施路线图，请参阅 issue #1669。

Claude Code 插件
/plugin install ruflo-federation@ruflo

或通过 CLI
npx claude-flow@latest plugins install @claude-flow/plugin-agent-federation

Claude Code：使用与不使用 Ruflo 的对比

| 能力 | 仅使用 Claude Code | + Ruflo |
|------------|-------------------|---------|
| 智能体协作 | 孤立，无共享上下文 | 具有共享内存和共识的集群 |
| 协调 | 手动编排 | 女王主导的层级结构（Raft、拜占庭、Gossip） |
| 内存 | 仅限会话 | 具有亚毫秒级检索的 HNSW 向量内存 |
| 学习 | 静态行为 | 具有模式匹配的 SONA 自学习 |
| 任务路由 | 由你决定 | 智能路由（89% 准确率） |
| 后台工作进程 | 无 | 12 个自动触发的工作进程 |
| LLM 提供商 | 仅 Anthropic | 5 个提供商并支持故障转移 |
| 安全性 | 标准 | 经 CVE 加固并配备 AIDefence |

架构概览

用户 --> Claude Code / CLI
|
v
编排层
（MCP 服务器、路由器、27 个钩子）
|
v
集群协调
（女王、拓扑、共识）
|
v
100+ 个专用智能体
（编码员、测试员、审查员、架构师、安全……）
|
v
内存与学习
（AgentDB、HNSW、SONA、ReasoningBank）
|
v
LLM 提供商
（Claude、GPT、Gemini、Cohere、Ollama）

文档

四份文档，面向四类读者：

| 文档 | 何时阅读 |
|-----|-----------------|
| 状态 | 查看当前可用的功能——能力数量、测试基线、近期修复、下一步计划。即是否已就绪文档。 |
| 用户指南 | 日常参考——每条命令、每个配置标志、每个插件。即我该怎么做文档。 |
| MetaHarness 指南 | 如何为你的智能体设置评分、扫描工具配置的安全性、检测运行之间的变化，并将项目导出为独立的智能体工具包。即审计我的设置文档。 |
| 基准测试 | v3.8.0 SOTA 矩阵，在 darwin-arm64 + linux-x64 上与 LangGraph / AutoGen / CrewAI 对比。ruflo 在冷启动、单轮、RSS 上以 1.3×–1953× 胜出。即它快吗文档。 |
| 验证 | 以密码学方式证明你安装的字节与已签名的见证一致——ruflo verify。即信任但验证文档。 |
| 团队网关检查清单 | 合并前门禁、双模式交接、内存命名空间共享，以及每次合并的见证清单条目。即更安全的团队工作流*文档。 |
基准测试内部细节（用于复现）：sota-workload-spec.md · SOTA-PROGRESS.md · 原始矩阵 JSON：darwin · linux

用户指南章节索引：

| 章节 | 主题 |
|---------|--------|
| 快速开始 | 安装、前置条件、安装配置 |
| 核心功能 | MCP 工具、代理、内存、神经学习 |
| 智能与学习 | 钩子、工作器、SONA、模型路由 |
| 集群与协调 | 拓扑、共识、蜂巢思维 |
| 安全 | AIDefence、CVE 修复、验证 |
| 生态系统 | RuVector、agentic-flow、Flow Nexus |
| 配置 | 环境变量、配置模式 |
| 插件市场 | 浏览并安装插件 |

支持

| 资源 | 链接 |
|----------|------|
| 文档 | 用户指南 |
| 问题与缺陷 | GitHub Issues |
| 企业版 | ruv.io |
| 社区 | Agentics Foundation Discord |
| 技术支持 | Cognitum.one |

许可证

MIT - RuvNet