斩获21.4k Star！编程智能体harness builder开源，用工作流引擎给Claude Code套上工程约束

AI 编程工具迅猛发展的今天，许多开发者都尝到了 AI 助手写代码的甜头。

输入一句需求，Claude Code、Codex 等编程智能体就能自己读代码、写实现、跑测试、改错误，最后给出一段总结。

但随着 AI Agent 越来越深入真实开发流程，它的挑战已不仅是要“会写代码”，更要“按规矩写代码”。

近日，Reddit 上就出现了一则针对 Claude Code 的投诉帖。发帖者直指最新版 Claude Code 在实际开发中不再稳定服从 CLAUDE.md、hooks/rules 等规则，甚至在开发者明确要求遵守 TDD、架构原则和项目规范之后，下一轮提示里仍可能绕开这些约束。

这名开发者愤怒地反问：如果 Claude Code 的运行框架已经不再服从这些原则，那么定义架构设计原则、开发指南还有什么意义？

• 来源：
  

  https://www.reddit.com/r/Anthropic/comments/1t9hzpm/serious_concerns_about_latest_version_of_claude/

这场争议的核心，并不是 Claude Code 会不会写代码，而是一个更基础的问题：当开发者已经明确告诉 AI 应该如何开发、遵守什么流程、不能越过哪些边界时，它到底能不能稳定执行？

对个人开发者来说，这叫体验不稳定；对团队协作来说，这就是工程风险。

因为在真实项目里，开发流程不是“建议”，而是边界。测试必须跑，代码必须审，PR 模板必须填，关键修改必须经过人工确认。如果这些步骤完全依赖模型当下是否“记得住”“愿意做”，那么 AI 编程就很难从个人提效工具，真正进入团队级工程体系。

今天要给大家介绍的开源项目Archon，正是为解决这一痛点而生。

如果说 Dockerfile 让基础设施部署有了标准，GitHub Actions 让 CI/CD 有了可复用流水线。那么 Archon 想做的，就是把类似理念搬到 AI 编程流程里。

Archon 是一个专为 AI 编程智能体设计的工作流引擎，也称为 AI coding 的开源 harness builder。

它的核心目标不是再造一个新的编程模型，而是给 Claude Code、Codex 这类编程 Agent 套上一层可控、可复用、可审查的运行框架。目前，该项目在github已收获21.4k stars。

• 项目链接：

  https://github.com/rtk-ai/rtk

Archon 的核心思路可以概括为一句话：让 AI 负责智能判断，让流程负责工程约束。

开发者可以将“需求分析、实现、测试、代码审查、人工确认、创建 PR”等步骤定义成 YAML 工作流。

Archon 以 DAG的形式组织工作流，节点之间通过 depends_on 描述依赖关系。没有依赖的节点可以被优先调度，同一拓扑层级的节点支持并行执行。

它不是简单的线性脚本，而是更接近专业工作流编排的结构化方式。工作流程的示例如下：

# .archon/workflows/build-feature.yamlnodes:  - id: plan    prompt: "Explore the codebase and create an implementation plan"  - id: implement    depends_on: [plan]    loop:                                      # AI loop - 迭代执行直至完成      prompt: "Read the plan. Implement the next task. Run validation."      until: ALL_TASKS_COMPLETE      fresh_context: true                      #  每次迭代启用全新会话上下文  - id: run-tests    depends_on: [implement]    bash: "bun run validate"                   # 确定性任务 — 无需AI参与  - id: review    depends_on: [run-tests]    prompt: "Review all changes against the plan. Fix any issues."  - id: approve    depends_on: [review]    loop:                                      # 人工审核准入关卡      prompt: "Present the changes for review. Address any feedback."      until: APPROVED      interactive: true                        # 暂停流程，等待人工输入  - id: create-pr    depends_on: [approve]    prompt: "Push changes and create a pull request"

Archon 支持通过 loop 和 until 等配置在特定节点上实现迭代逻辑，灵活控制循环条件和退出逻辑，让流程结构更加明确，执行路径可重复。

通常，plan、implement、review、create-pr 这类带 prompt 的节点会交给 Claude Code、Codex 等 AI 编程助手处理。而 run-tests 这类带 bash 的节点则用于执行测试、验证脚本等确定性命令。approve 节点可以通过 interactive: true 设置为人工确认关卡，让开发者在关键阶段介入。

为了避免多个任务互相干扰，Archon 会为每次工作流运行创建独立的 Git worktree。这样让多个修复任务或功能开发可以并行推进，而不会轻易污染当前工作区。

Archon 内置 17 套默认工作流，可执行 archon workflow list 查看列表。

也可直接描述你的需求，路由会自动匹配最合适的工作流。

You: Use archon to add dark mode to the settings pageAgent: I'll run the archon-idea-to-pr workflow for this.       → Creating isolated worktree on branch archon/task-dark-mode...       → Planning...       → Implementing (task 1/4)...       → Implementing (task 2/4)...       → Tests failing - iterating...       → Tests passing after 2 iterations       → Code review complete - 0 issues       → PR ready: https://github.com/you/project/pull/47

（1）安装

环境准备： Bun、Claude Code 和 GitHub CLI。

git clone https://github.com/coleam00/Archoncd Archonbun installclaude

进入 Claude Code 后，可以直接输入：

Set up Archon

这个设置向导会帮助完成 CLI 安装、认证、平台选择，并把 Archon skill 复制到目标项目中。

（2）使用

先启动 Claude Code：

cd /path/to/your/projectclaude

可直接输入自然语言指令：

Use archon to fix issue #42

What archon workflows do I have? When would I use each one?

智能体会自动帮你选择工作流、命名分支、创建隔离工作树。

在个人开发场景里，AI 可以像超级助手，帮人快速补代码、查错误、改实现。

但在团队工程场景里，代码不是写完就结束。它必须经过需求理解、实现拆解、测试验证、代码审查、风险确认、PR 合并等一系列流程。任何一个环节缺失，都可能带来线上风险、协作成本甚至安全问题。

未来，团队沉淀的不再只是代码规范，而是“如何让 AI 安全且高效地参与开发”的组织经验。这也是 Archon 最大的价值所在。

它为Claude Code、Codex 等编程智能体提供了一层工程化运行框架——模型专注理解与生成，Agent 负责工具调用与代码修改，Archon 这样的 workflow engine 则承担调度、隔离、审查和约束的责任。

当这种分工成熟后，AI 编程将不再是“一个人和一个模型的对话”，而会进化成一套可在团队内复用、扩展和治理的生产系统。