Chorus架构深度解析：Idea→Proposal→Execute→Verify的AI-DLC流水线技术原理

【免费下载链接】ChorusThe Agent Harness for AI-Human Collaboration, inspired by the AI-DLC (AI-Driven Development Lifecycle)项目地址https://gitcode.com/gh_mirrors/chorus13/Chorus点击查看免费下载Chorus 是一个开源的 Agent Harness智能体编排框架它实现了 AI-DLCAI-Driven Development LifecycleAI 驱动开发生命周期方法论。它比编程 Agent 高一层把多个 AI Agent 和人类收进同一条Idea → Proposal → Execute → Verify流水线——AI 提议人类把关想法最终交付成软件而不只是写几行代码。 Chorus 是什么编程 Agent 之上的 Harness理解 Chorus 之前先要分清两层编程 Agent 层如 Claude Code、Codex、Kiro把大模型 harness 起来写代码的那一层Chorus 层把多个这样的 Agent 和真人收进同一条流水线的协作平台负责会话生命周期、任务状态、子 Agent 编排、可观测性和故障恢复。Chorus 的核心理念来自 AI-DLC 的Reversed Conversation反转对话AI 制定计划 → 人类审查/质疑 → AI 澄清 → 人类批准 → AI 执行 → 人类验证传统开发是人类写计划AI 帮忙AI-DLC 把方向反转——Agent 提议人类决策这个循环在每个阶段快速重复而不只是在项目级关口走一次流程。 理论背景可参阅 docs/AIDLC_GAP_ANALYSIS.md它逐阶段对比了 Chorus 对标准 AI-DLC 三阶段Inception / Construction / Operations的落地情况。 AI-DLC 流水线四阶段每个阶段如何运转Idea ── Proposal ── [Document Task DAG] ── Execute ── Verify ── Done ^ ^ ^ ^ ^ ^ 人类提出 需求澄清 起草 PRD/任务 报告进度 验收 关闭每个阶段下方标的是执行该阶段所需的权限可以授予人类、Agent 或两者。下面逐段拆解技术原理。阶段一Idea —— 人类提出AI 多轮澄清一切从人类的原始想法开始一段文本、竞品截图、设计草图都可以。Chorus 中每个 Idea 都有完整的状态生命周期open → assignedPM Agent 认领→ in_progress产出 Proposal→ pending_review → completed有意思的机制是Elaboration需求澄清认领 Idea 后PM Agent 会发起多轮结构化提问例如两个用户同时拖动同一张卡片时如何冲突消解Last-write-wins / OT / CRDT 三选一人类逐条回答AI 基于回答收敛需求。这把 AI-DLC 的 Mob Elaboration 实践——利益相关者在执行前实时验证 AI 计划——做成了产品功能。阶段二Proposal —— AI 起草计划人类审批这是整条流水线的枢纽。PM Agent 读取 Ideas 和项目知识库后创建一个Proposal提议字段说明inputTypeidea或document输入来源inputUuids支持多个 Ideas 组合进同一个 ProposaloutputTypedocument如 PRD 草稿或task任务列表statuspending→approved/rejected/revised人类在 Web UI 上审批。批准瞬间系统按outputType自动物化产出outputTypedocument→ 创建 PRD / 技术设计文档outputTypetask→批量创建带依赖关系的任务 DAG。也就是说 Proposal 是一次审批、两处落地的原子操作代码入口在 src/services/proposal.service.ts 的createProposal和 src/services/proposal.service.ts 的approveProposal。完整的追溯链保证每个 Task 和 Document 都能追到源头Ideas → Proposal → Document(PRD) → Proposal → Tasks ↓ Proposal → Document(Tech Design)阶段三Execute —— Agent 认领任务DAG 调度并行执行审批通过后任务以 DAG有向无环图形式呈现。任务间通过TaskDependency声明依赖Service 层做环检测调度时通过chorus_get_unblocked_tasks工具只返回依赖已全部完成的任务。任务状态机是严格受控的定义在 src/services/task.service.tsopen → assigned → in_progress → to_verify → done关闭为 closed关键规则只有当前负责人可以更新状态——Agent 认领claim任务后才能推进它Agent 完成开发后调用chorus_report_work汇报工作任务进入to_verify人类可以随时强制重新分配任何状态的任务随时把流程拉回工作量以Agent Hours计量AI-DLC 提出的新度量单位替代人日Kanban 顶部直接显示累计值。阶段四Verify —— 人类验证闭环交付to_verify是流水线的质量闸任务从in_progress只能流向to_verify或closed验证通过才到done验证不通过则退回in_progress让 Agent 继续修改。这个to_verify → in_progress的回退边正是 Reversed Conversation 在执行层的体现——验证不是一次性的签字而是可以反复迭代的对话。每个任务还附带Acceptance Criteria验收标准验证者逐条勾选任务审查默认还会检查验收标准之外的代码质量并保留完整证据、用稳定 ID 逐轮追踪问题。⚙️ 支撑流水线的三大支柱15 位权限矩阵阶段门禁的地基Chorus 没有把 Agent 固定分成PM/开发者/管理员三种角色而是用5 类资源idea / proposal / document / project / task× 3 种动作read / write / admin 15 个权限位组成矩阵每个 Agent 持有一份权限集预设展开权限典型能力developer_agent全部*:readtask:write认领任务、汇报进度、提交验证pm_agent再加idea:write、proposal:write、document:write等需求澄清、起草 PRD、拆解任务admin_agent全部 15 位代理人类审批 Proposal、验证 TaskCustom任意组合例如只读审计 Agent有效权限由 src/lib/authz/permissions.ts 的computeEffectivePermissions计算预设展开 ∪ 自定义权限位。每个流水线阶段下方标的那种权限门禁本质都是这张矩阵在查表没有proposal:write的 Agent 根本看不到chorus_pm_create_proposal工具。状态机 Activity 流过程可审计状态流转的合法性由状态机表硬校验非法跳转直接拒绝。同时每一次创建、分配、状态变更、审批都会由 Service 层自动写入Activity 日志targetTypetargetUuidactorTypeactionvalue人类和 Agent 的操作一视同仁地被记录Activity 流因此成为整条流水线唯一的审计账本。MCP 协议Agent 接入的统一入口Chorus 内置 MCP ServerStreamable HTTP 端点/api/mcp提供 50 工具按权限分组暴露公共工具chorus_checkin签到返回 persona、权限摘要、未读通知、查询 Ideas/Tasks/Proposals、评论等Session 工具chorus_create_session、chorus_session_checkin_task、chorus_session_heartbeat——Agent 签到任务时Kanban 卡片上就会出现实时 Presence 指示器受控工具按所需权限门禁工具→权限的映射维护在 src/mcp/tools/permission-map.ts。这正是 Harness 的协议外化Agent 不再直连数据库或私有 API而是通过标准化工具接口协作。 两条命令跑起来的 AI-DLC 流水线理解了原理后体验成本很低——无需数据库、无需 Docker、无需配置文件npm install -g chorus-aidlc/chorus chorusChorus 会自动启动内嵌 PostgreSQLPGlite、执行数据库迁移然后在http://localhost:8637提供服务默认账号adminchorus.local/chorus。接着在 Settings → Setup Guide 里创建 API Key即可把 Claude Code、Codex、Kiro 等任意 MCP 客户端接入流水线本地机器运行chorus daemon还能变成可被远程唤醒的 Agent 运行时。 延伸阅读文档与源码路径主题路径完整技术架构数据模型、API、权限docs/ARCHITECTURE.zh.mdAI-DLC 三阶段差距分析docs/AIDLC_GAP_ANALYSIS.mdMCP 工具完整参考docs/MCP_TOOLS.md数据模型定义Idea / Proposal / Task 实体prisma/schema.prismaProposal 审批与任务物化src/services/proposal.service.ts任务状态机src/services/task.service.ts权限矩阵计算src/lib/authz/permissions.tsClaude Code 插件会话生命周期自动化public/chorus-plugin/一句话总结 Chorus 的架构哲学把谁提议、谁把关、谁执行变成权限矩阵上的一个位把AI 提议、人类验证变成状态机里的一条边——流水线的每个闸门都是可配置、可审计、可追溯的这就是 AI-DLC 从方法论落到工程实现的关键。赞分享【免费下载链接】ChorusThe Agent Harness for AI-Human Collaboration, inspired by the AI-DLC (AI-Driven Development Lifecycle)项目地址https://gitcode.com/gh_mirrors/chorus13/Chorus点击查看免费下载相关推荐VexRiscv架构深度解析揭秘5级流水线设计原理VexRiscv架构深度解析揭秘5级流水线设计原理 VexRiscv是一款基于SpinalHDL开发的32位RISC V处理器实现专为FPGA优化设计。作为硬件开发嵌入式终极Steam DLC解锁方案SmokeAPI架构全解析与实战指南终极Steam DLC解锁方案SmokeAPI架构全解析与实战指南 SmokeAPI是一款功能强大的Steamworks DLC模拟工具能够帮助开发者和玩家逆向工程Valdi Compiler Internals 深度解析从 TypeScript 到 .valdimodule 的流水线架构与 TSX 转换原理Valdi Compiler Internals 深度解析从 TypeScript 到 .valdimodule 的流水线架构与 TSX 转换原理 Valdi跨平台UI组件前端移动开发创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考