OPC Team — Cross-Platform Agent Ops Framework

把“固定角色表”的 AI Agent，升级成“能按任务强度自动扩缩容”的执行系统。

OPC Team 是一个跨平台的 Agent 协作框架，目标不是再造一个角色扮演 prompt，而是给 AI 执行过程加上明确的工程化约束：任务状态机、决策履历、风险量化、三级记忆，以及一组可审计的 CLI 工具。它适合跑在 Claude Code / OpenClaw / Cursor / Windsurf / 通用 CLI / API 工作流 上，让 Agent 的执行过程从“看起来会做”变成“真的可控、可回放、可治理”。当前默认编排策略已经升级为 3 / 8 / 20 三档弹性编组，也就是日常任务保留常驻小队，重要任务自动扩到核心队列，复杂任务再拉满全部角色协同。

Quick Start · Platform Matrix · Deployment Guide · Agent Catalog · Skill Manual · API Schema

为什么这个项目值得看

不是纯 Prompt 模板：核心能力是 tools/*.py 里的状态机、决策、风险、记忆和配置系统，不只是“设定一个 COO 角色”。
不是平台绑定插件：同一套框架同时覆盖 Claude Code、OpenClaw、Cursor、Windsurf、通用 CLI 和 API 场景。
不是黑箱执行：每次任务创建、状态流转、风险评估、决策更新、记忆同步，都可以被记录、回溯和审计。
不是会话即失忆：L0/L1/L2 三级记忆可以把任务摘要、长期偏好和方法论沉淀下来。

它解决什么问题

只靠 Prompt 的 Agent 团队设定	OPC Team 做的事
状态靠上下文“猜”	用状态机强约束任务流转
方案拍脑袋，假设容易丢	用决策履历记录选项、假设、回填结果
风险描述停留在口头	用概率 × 影响做量化评分
会话结束就丢经验	用 L0/L1/L2 记忆沉淀跨任务经验
平台一换就要重写一版	用同一套 CLI 和 Skill 适配多平台

核心能力

Task Flow：任务创建、定级、状态流转、进度上报、SLA 检查。
Decision Log：记录方案、选择、理由、假设，并支持后续验证和回填。
Risk Score：把风险从“感觉有点危险”变成可量化的等级和应对预案。
Memory Sync：把即时记忆、短期摘要、长期经验同步到统一存储。
Config + Storage：支持平台适配、路径配置、文件存储和 SQLite 存储。
Agent Catalog：把内置角色定义放到 agents/*.md 或 agents/<pack>/*.md，用统一 schema + lint 管理角色层。
20-Role Bench：default pack 内置 20 个可编排角色，覆盖策略、研究、产品、体验、增长、技术、运维、数据、财务、法务、客户成功等链路。
Role Packs：支持把默认角色集复制成新 pack，并在运行时切换不同角色包。
Main/Sub Orchestration：内置 CEO主Agent -> sub-agent 的主从编排结构，支持主 agent 派发子任务。
Agent Board：用本地看板只读查看主 agent、sub-agent、当前编组档位、模型路由和最近状态变化。
Model Routing：允许主 agent 和不同 sub-agent 指定不同 API provider / model；未配置时默认继承宿主平台模型。
Adaptive Orchestration：支持 daily / important / full 三档编组，默认分别对应 3 / 8 / 20角色 的协同规模。
Workflow Runbooks：补充 OPC-Micro / Sprint / Control 三种运行模式，以及 handoff/runbook 模板。

编排升级：弹性编组 + 可视化看板 + 多模型路由

tools/agent_ops.py 维护主 agent / sub-agent 注册表、工作状态、派发任务和模型配置。
tools/agent_catalog.py 负责校验角色目录、输出 manifest、发现/复制 role pack，并让角色层与编排层解耦。
tools/agent_convert.py 负责把角色目录导出成 OpenClaw / Claude Code / Cursor / Windsurf / API 的集成文件。
tools/dashboard.py serve 启动集成看板，浏览器直接查看当前编组档位、角色状态和模型切换入口。
agent 模型配置支持三种来源：
- default：继承全局默认路由
- platform_default：强制使用宿主平台模型
- custom_api：指定独立 provider / model / api_base / api_key_env
默认全局路由是 platform_default，也就是“默认用模型本身的模型”。
默认拓扑里 ceo 是主 agent，default pack 现在内置 20 个角色，从项目、研究、产品、体验、增长到技术、运维、QA、数据、采购、HR、法务都可直接编排。
编组默认分三档：daily 常驻 3 个 sub-agent，important 调用 8 个核心 sub-agent，full 启用满编 20 角色（CEO + 19 个 sub-agent）。
这意味着 OPC 的重点不再是“把 20 个角色全都常驻挂着”，而是让 CEO 主 agent 根据任务强度决定什么时候只动小队，什么时候拉起核心班底，什么时候再满编开战。

真实任务跑出来是什么样

下面不是静态 Prompt 示例，而是用 OPC Team 本地状态机跑出的 3 个 L3 策略任务形态：每个任务都会生成任务状态、风险记录、决策履历和记忆摘要。

真实任务	OPC Team 给出的主决策	风险控制
上班族如何发展副业	先做垂直技能服务，再内容化，最后产品化	控制每周投入节奏；先做访谈和低价 MVP，避免一上来重投入
2026 年自媒体账号怎么变现	高客单咨询/陪跑 + 知识产品，广告和联盟只做补充	不把平台分成当唯一收入；先设计高信任高客单承接链路
我 + AI 适合什么知识付费产品	模板库 + 清单 + 7 天短周期陪跑	避免大课和重社群；围绕明确结果交付，而不是堆知识点

这类输出会沉淀到 data/tasks/、data/decisions/、data/risks/、data/agents/、data/assignments/ 和 data/MEMORY.md，用于回放过程、复盘假设、追踪主从 agent 分工与后续执行。

角色目录：把角色层从编排代码里拆出来

默认角色定义位于 agents/*.md，额外角色包可以放在 agents/<pack>/*.md。
tools/agent_ops.py 启动时会从当前 pack 加载主从拓扑，而不是再把角色写死在 Python 常量里。
tools/agent_catalog.py lint 可以校验 schema、章节完整性和父子关系。
tools/agent_catalog.py scaffold-pack 可以从默认角色复制出一个新 pack，再按行业或企业场景定制。
tools/agent_ops.py switch-pack 可以直接切换当前运行 pack。
这使得你后续扩角色、做行业包、做平台适配时，不必直接修改编排代码。

工作流层：把角色编排变成可复用 runbook

strategy/QUICKSTART.md 提供 OPC-Micro / OPC-Sprint / OPC-Control 三种运行模式。
strategy/coordination/handoff-templates.md 提供主从交接、QA 通过/不通过、升级报告模板。
strategy/runbooks/ 里提供 startup-mvp / enterprise-feature / incident-response 三类场景 runbook。
这样 OPC 不只是“能派发角色”，而是能把不同场景的执行方式固定下来。

编组档位：把 20 角色按任务强度弹性调用

daily：日常常驻 3 个 sub-agent，默认是 coo / project / strategist。
important：重要任务拉起 8 个核心 sub-agent，默认是 coo / project / strategist / research / product / tech / data / qa。
full：用户指定或高复杂任务直接启用满编 20 角色，也就是 CEO + 19 个 sub-agent 全量协同。
tools/task_flow.py assess --agent-profile ... 可以显式指定档位。
tools/agent_ops.py recommend 可以按任务等级、标题或关键词输出当前推荐编组。

🚀 Quick Start

TL;DR

git clone https://github.com/HeiGeAi/opc-team.git
cd opc-team
./install.sh -p generic --skip-env -t

最短上手路径

# 1. 创建任务
python3 tools/task_flow.py create --title "评估知识付费可行性" --ceo-input "我想做知识付费"

# 2. 定级
python3 tools/task_flow.py assess --task-id T001 --level L3 --reason "需要多方案和风险评估"

# 如果是用户指定的复杂任务，可直接切到满编档位
python3 tools/task_flow.py assess --task-id T001 --level L4 --reason "复杂任务，需要全量协同" --agent-profile full

# 3. 创建决策履历
python3 tools/decision_log.py create \
  --task-id T001 \
  --title "定价策略" \
  --options "方案A,方案B" \
  --chosen "方案B" \
  --reason "高净值用户付费更明确" \
  --assumptions "假设1:转化率>5%"

# 4. 推进任务
python3 tools/task_flow.py transition --task-id T001 --to in_strategy --actor "COO魏明远"
python3 tools/task_flow.py progress --task-id T001 --message "策略官开始分析" --progress 30 --agent-id strategist
python3 tools/task_flow.py transition --task-id T001 --to in_execution --actor "COO魏明远"
python3 tools/task_flow.py transition --task-id T001 --to completed --actor "COO魏明远"

# 5. 配置某个 agent 使用独立 API 大模型（可选）
python3 tools/agent_ops.py set-model \
  --agent-id strategist \
  --source custom_api \
  --provider openai \
  --model gpt-4.1 \
  --api-key-env OPENAI_API_KEY

# 6. 由 CEO 主 agent 派发 sub-agent 任务
python3 tools/agent_ops.py dispatch \
  --from-agent ceo \
  --to-agent strategist \
  --title "输出三套策略方案" \
  --brief "给出方案、风险和收敛建议" \
  --task-id T001 \
  --task-title "评估知识付费可行性" \
  --auto-start

# 7. 启动本地看板
python3 tools/dashboard.py serve

在不同平台里怎么用

Claude Code / OpenClaw / Cursor / Windsurf：安装后直接下达自然语言指令，让 Agent 按 SKILL.md 调用 CLI。
通用 CLI：把 SKILL.md 当作 system prompt，允许执行 python3 tools/*.py。
API 工作流：把 adapters/api.json 接到 function calling 或工具层。

📁 项目结构

opc-team/
├── SKILL.md                    # 通用 AI 执行手册
├── README.md                   # 本文件
├── CATALOG.md                  # 角色目录说明
├── DEPLOYMENT.md               # 多平台部署指南
├── PLATFORM_ANALYSIS.md        # 平台兼容性分析
├── config.json                 # 配置文件
├── install.sh                  # 自动安装脚本
├── agents/                     # 标准化角色定义（默认 pack + 自定义 pack）
│   ├── ceo.md                  # default pack：主控编排角色
│   ├── coo.md                  # default pack：运营调度角色
│   ├── ...                     # default pack：其他 sub-agent
│   └── <pack>/                 # 可选：行业/企业角色包
│       ├── ceo.md
│       └── ...
├── strategy/                   # 工作流层（模式、交接模板、runbook）
│   ├── QUICKSTART.md           # OPC-Micro / Sprint / Control
│   ├── coordination/           # 标准交接模板
│   └── runbooks/               # 场景化 runbook
├── dashboard/                  # 本地可视化看板
│   └── index.html              # 单文件看板页面
├── tools/                      # CLI 工具层
│   ├── agent_catalog.py        # 角色目录 lint / manifest
│   ├── agent_convert.py        # 平台角色转换器
│   ├── task_flow.py            # 任务状态机
│   ├── decision_log.py         # 决策履历管理
│   ├── risk_score.py           # 风险量化评分
│   ├── memory_sync.py          # 三级记忆系统
│   ├── agent_ops.py            # 主从 agent、派发任务与模型路由
│   ├── dashboard.py            # 集成看板 API 与本地服务
│   ├── config.py               # 配置管理
│   ├── storage.py              # 存储抽象层
│   └── utils.py                # 通用工具
├── adapters/                   # 平台适配器（可选）
│   ├── claude_code.md          # Claude Code 特定说明
│   ├── openclaw.md             # OpenClaw 特定说明
│   ├── cursor.md               # Cursor 特定说明
│   └── api.json                # Function schema
└── data/                       # 数据存储
    ├── MEMORY.md               # 记忆文件
    ├── tasks/                  # 任务状态
    ├── decisions/              # 决策履历
    ├── risks/                  # 风险记录
    ├── agents/                 # agent 状态与模型配置
    ├── assignments/            # 主 agent 派发给 sub-agent 的任务
    ├── dashboard/              # 看板导出 JSON
    ├── memory/                 # 三级记忆
    └── logs/                   # 操作日志

🔧 支持的平台

平台	状态	安装方式	使用方式
Claude Code	✅	`./install.sh -p claude_code`	自然语言指令
OpenClaw	✅	`./install.sh -p openclaw`	直接下达指令
Cursor	✅	`./install.sh -p cursor`	Composer 中使用
Windsurf	✅	`./install.sh -p windsurf`	直接下达指令
通用 CLI	✅	`./install.sh -p generic`	System prompt
API 调用	✅	`./install.sh -p api`	Function calling

详细部署说明请查看 DEPLOYMENT.md。

📚 CLI 工具使用

task_flow.py - 任务状态机

# 创建任务
python3 tools/task_flow.py create --title "任务标题" --ceo-input "CEO输入"

# 定级
python3 tools/task_flow.py assess --task-id T001 --level L3 --reason "原因"

# 状态流转
python3 tools/task_flow.py transition --task-id T001 --to in_strategy --actor "COO魏明远"

# 上报进度（可选绑定 agent，看板会自动同步）
python3 tools/task_flow.py progress --task-id T001 --message "进展描述" --progress 50 --agent-id strategist

# 查询状态
python3 tools/task_flow.py status --task-id T001

agent_catalog.py - 角色目录

# 查看可用角色 pack
python3 tools/agent_catalog.py list-packs

# 校验角色 schema 与章节
python3 tools/agent_catalog.py lint

# 校验某个自定义 pack
python3 tools/agent_catalog.py lint --pack enterprise

# 查看当前内置角色目录
python3 tools/agent_catalog.py list

# 导出 Markdown 目录清单
python3 tools/agent_catalog.py manifest --format markdown

# 从 default 复制一个新 pack
python3 tools/agent_catalog.py scaffold-pack --from-pack default --to-pack enterprise

当前 default pack 的 20 个角色按链路分成几组：

主控与调度：ceo、coo、project
策略与研究：strategist、research
产品与体验：product、ux
增长与商业化：marketing、growth、sales、brand
技术与交付：tech、devops、qa、data
经营与保障：finance、procurement、customer_success、hr、legal

agent_convert.py - 平台转换器

# 查看支持的平台
python3 tools/agent_convert.py list-tools

# 查看支持导出的角色 pack
python3 tools/agent_convert.py list-packs

# 导出 OpenClaw 集成文件
python3 tools/agent_convert.py export --tool openclaw --out output/integrations

# 导出 API 集成文件
python3 tools/agent_convert.py export --tool api --out output/integrations

# 导出某个自定义 pack 的所有平台文件
python3 tools/agent_convert.py export --tool all --pack enterprise --out output/integrations

# 一次性导出所有平台集成文件
python3 tools/agent_convert.py export --tool all --out output/integrations

安装脚本在 claude_code / openclaw / cursor / windsurf / generic / api 模式下都会自动生成对应平台的集成文件。默认 pack 会输出到目标 bundle 的 integrations/<tool>/，或仓库根下的 output/integrations/<tool>/；自定义 pack 则对应输出到 integrations/<pack>/<tool>/ 或 output/integrations/<pack>/<tool>/。

decision_log.py - 决策履历

# 创建决策
python3 tools/decision_log.py create \
  --task-id T001 \
  --decision-id D001 \
  --title "定价策略" \
  --options "方案A,方案B,方案C" \
  --chosen "方案B" \
  --reason "理由" \
  --assumptions "假设1:描述1,假设2:描述2"

# 更新假设
python3 tools/decision_log.py update-assumption \
  --decision-id D001 \
  --assumption-id 1 \
  --status "证伪" \
  --actual "实际情况" \
  --trigger-review

# 回填结果
python3 tools/decision_log.py backfill \
  --decision-id D001 \
  --result "成功" \
  --metrics "转化率8%" \
  --lessons "经验教训"

risk_score.py - 风险评分

# 评估风险
python3 tools/risk_score.py assess \
  --task-id T001 \
  --risk-name "获客成本过高" \
  --probability 3 \
  --impact 4 \
  --mitigation "先做小测试"

# 更新风险
python3 tools/risk_score.py update \
  --risk-id R001 \
  --status "已发生" \
  --actual-impact 3

# 查询风险
python3 tools/risk_score.py list --task-id T001 --min-level 3

memory_sync.py - 三级记忆

# 写入 L0（即时记忆）
python3 tools/memory_sync.py write --level L0 --task-id T001 --content "内容"

# 压缩到 L1（短期记忆）
python3 tools/memory_sync.py compress --task-id T001 --summary "摘要"

# 归档到 L2（长期记忆）
python3 tools/memory_sync.py archive --category "CEO偏好" --content "内容"

# 同步到 MEMORY.md
python3 tools/memory_sync.py sync --task-id T001

agent_ops.py - 主从 Agent / 派发 / 模型配置

# 初始化默认主从 agent 注册表
python3 tools/agent_ops.py init

# 查看可用角色 pack
python3 tools/agent_ops.py list-packs

# 切换到某个角色 pack
python3 tools/agent_ops.py switch-pack --pack enterprise

# 查看所有 agent
python3 tools/agent_ops.py list

# 由 CEO 主 agent 派发 sub-agent 任务
python3 tools/agent_ops.py dispatch \
  --from-agent ceo \
  --to-agent strategist \
  --title "输出三套策略方案" \
  --brief "给出方案、风险和收敛建议" \
  --task-id T001 \
  --task-title "评估知识付费可行性" \
  --auto-start

# 查看最近派发任务
python3 tools/agent_ops.py list-assignments --open-only

# 设置某个 agent 的运行状态
python3 tools/agent_ops.py set-status \
  --agent-id strategist \
  --status running \
  --task-id T001 \
  --progress 35 \
  --message "策略官开始分析" \
  --assignment-id A001 \
  --assigned-by ceo

# 给某个 agent 配独立模型
python3 tools/agent_ops.py set-model \
  --agent-id strategist \
  --source custom_api \
  --provider openai \
  --model gpt-4.1 \
  --api-key-env OPENAI_API_KEY

# 把某个 agent 切回宿主默认模型
python3 tools/agent_ops.py set-model --agent-id strategist --source platform_default

# 按任务级别查看推荐编组
python3 tools/agent_ops.py recommend --level L3

# 按任务标题 / 复杂度关键词自动判断是否满编
python3 tools/agent_ops.py recommend --title "集团级跨部门复杂任务" --reason "用户指定全员协同"

dashboard.py - 本地可视化看板

# 输出摘要 JSON
python3 tools/dashboard.py summary --pretty

# 导出摘要文件
python3 tools/dashboard.py export

# 启动本地看板
python3 tools/dashboard.py serve --host 127.0.0.1 --port 8765

strategy/ - 工作流运行模板

# 查看三种标准运行模式
sed -n '1,220p' strategy/QUICKSTART.md

# 打开标准交接模板
sed -n '1,220p' strategy/coordination/handoff-templates.md

# 查看一个场景 runbook
sed -n '1,220p' strategy/runbooks/scenario-enterprise-feature.md

🎯 任务分级

级别	特征	处理方式	预计时间
L1	简单查询/执行	`daily`：3 个常驻 sub-agent	<5分钟
L2	有限判断	`daily`：3 个常驻 sub-agent	5-30分钟
L3	多方案+风险	`important`：8 个核心 sub-agent	30分-2小时
L4	战略级	`full`：满编 20 角色协同	2小时以上

🔐 风险评分矩阵

等级	描述	处理方式
1	可忽略	顺带处理
2	低危	监控即可
3	中危	必须有应对预案
4	高危	升级处理，建议暂缓
5	致命	触发停止机制

计算公式: 概率(1-5) × 影响(1-5) → 风险等级(1-5)

⚙️ 配置说明

配置文件 (config.json)

{
  "version": "4.4.0",
  "platform": "generic",
  "paths": {
    "tasks_dir": "${data_dir}/tasks",
    "agents_dir": "${data_dir}/agents",
    "assignments_dir": "${data_dir}/assignments",
    "dashboard_dir": "${data_dir}/dashboard"
  },
  "storage": {
    "backend": "file",  // file / sqlite
    "file_lock": true,
    "auto_backup": false
  },
  "features": {
    "readonly_mode": false,
    "auto_sync_memory": true,
    "sla_check_enabled": true,
    "risk_alert_threshold": 3
  },
  "agent_defaults": {
    "model": {
      "source": "platform_default"
    }
  },
  "model_catalog": {
    "custom_models": []
  },
  "dashboard": {
    "host": "127.0.0.1",
    "port": 8765,
    "refresh_seconds": 8
  },
  "orchestration": {
    "main_agent_id": "ceo",
    "agent_pack": "default",
    "default_profile": "daily",
    "dispatch_profiles": {
      "daily": {
        "sub_agent_target": 3,
        "agent_ids": ["coo", "project", "strategist"]
      },
      "important": {
        "sub_agent_target": 8,
        "agent_ids": ["coo", "project", "strategist", "research", "product", "tech", "data", "qa"]
      },
      "full": {
        "sub_agent_target": 20,
        "agent_ids": "__all_sub_agents__"
      }
    }
  }
}

环境变量

export OPC_HOME="/path/to/opc-team"
export OPC_CONFIG="/custom/path/config.json"

🐛 故障排查

找不到 Python

# macOS
brew install python3

# Ubuntu/Debian
sudo apt-get install python3

文件锁失败（Windows）

pip install filelock

权限被拒绝

chmod -R 755 data/

更多问题请查看 DEPLOYMENT.md 的故障排查章节。

📖 完整示例

L3 任务完整流程

# 1. 创建任务
python3 tools/task_flow.py create \
  --title "评估知识付费可行性" \
  --ceo-input "我想做知识付费，不知道怎么定价"

# 2. 定级
python3 tools/task_flow.py assess --task-id T001 --level L3 --reason "需要多方案"

# 3. 进入策略阶段
python3 tools/task_flow.py transition --task-id T001 --to in_strategy --actor "COO魏明远"

# 4. 策略官评估风险
python3 tools/risk_score.py assess \
  --task-id T001 \
  --risk-name "获客成本过高" \
  --probability 3 \
  --impact 4 \
  --mitigation "先做10人内测"

# 5. 创建决策履历
python3 tools/decision_log.py create \
  --task-id T001 \
  --decision-id D001 \
  --title "定价策略" \
  --chosen "方案B" \
  --assumptions "假设1:获客成本<50元,假设2:转化率>5%"

# 6. 进入执行阶段
python3 tools/task_flow.py transition --task-id T001 --to in_execution --actor "COO魏明远"

# 7. 完成任务
python3 tools/task_flow.py transition --task-id T001 --to completed --actor "COO魏明远"

# 8. 同步记忆
python3 tools/memory_sync.py sync --task-id T001

🔄 版本历史

v4.4.0 (2026-04-17): 默认角色扩充到 20 个，补充 strategy/ 工作流层、handoff 模板与场景 runbook，强化 pack 化编排说明
v4.3.0 (2026-04-13): 新增 CEO主Agent -> sub-agent 主从编排、派发任务记录、多 agent 独立模型路由、可写集成看板与 dashboard API
v4.2.3 (2026-04-10): 修复 completed 状态未自动收敛到 100% 进度、同任务并发写可能覆盖进度的问题，保持运行时语义与版本同步
v4.2.2 (2026-04-09): 修复 CLI 失败返回码、Windows 运行时锁、参数校验、平台参数初始化
v4.2.1 (2026-04-09): 修复 readonly_mode 写入穿透、平台安装后配置未适配、版本号治理
v4.2.0 (2026-04-09): 用户反馈优化版 - 修复并发ID撞号、-p参数覆盖、只读模式、auto_sync_memory、文档降噪
v4.1.0 (2026-04-08): 修复安装链路、路径配置、storage bug、SKILL.md args
v4.0.0 (2026-04-08): 跨平台通用版，支持多平台、配置系统、存储抽象层
v3.0.0 (2026-04-08): 文档版，整合所有历史版本（已废弃）
v2.5.0: 记忆系统集成
v2.1.0: 三级记忆 + 辩论机制
v2.0.0: MBTI + 古文 + 思维框架
v1.2.0: 廷议模式 + 上游传递
v1.1.0: 基础版本

📄 License

MIT

🤝 贡献

欢迎提交 Issue 和 Pull Request。

📧 联系方式

如有问题，请联系：

作者: Blake徐
微信: 488137
GitHub: @HeiGeAi

🙏 致谢

本项目受 edict 启发，采用了状态机 + CLI 工具的架构思想。

Name		Name	Last commit message	Last commit date
Latest commit History 31 Commits
adapters		adapters
agents		agents
assets		assets
dashboard		dashboard
strategy		strategy
tools		tools
.gitignore		.gitignore
CATALOG.md		CATALOG.md
DEPLOYMENT.md		DEPLOYMENT.md
LICENSE		LICENSE
PLATFORM_ANALYSIS.md		PLATFORM_ANALYSIS.md
README.md		README.md
SKILL.md		SKILL.md
config.json		config.json
install.sh		install.sh

Folders and files

Latest commit

History

Repository files navigation

OPC Team — Cross-Platform Agent Ops Framework

为什么这个项目值得看

它解决什么问题

核心能力

编排升级：弹性编组 + 可视化看板 + 多模型路由

真实任务跑出来是什么样

角色目录：把角色层从编排代码里拆出来

工作流层：把角色编排变成可复用 runbook

编组档位：把 20 角色按任务强度弹性调用

🚀 Quick Start

TL;DR

最短上手路径

在不同平台里怎么用

📁 项目结构

🔧 支持的平台

📚 CLI 工具使用

task_flow.py - 任务状态机

agent_catalog.py - 角色目录

agent_convert.py - 平台转换器

decision_log.py - 决策履历

risk_score.py - 风险评分

memory_sync.py - 三级记忆

agent_ops.py - 主从 Agent / 派发 / 模型配置

dashboard.py - 本地可视化看板

strategy/ - 工作流运行模板

🎯 任务分级

🔐 风险评分矩阵

⚙️ 配置说明

配置文件 (config.json)

环境变量

🐛 故障排查

找不到 Python

文件锁失败（Windows）

权限被拒绝

📖 完整示例

L3 任务完整流程

🔄 版本历史

📄 License

🤝 贡献

📧 联系方式

🙏 致谢

About

Topics

Resources

License

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages