新闻详情

新闻详情

首页 / 资讯中心 / 详情

OpenRig 5分钟快速上手:从npm install到rig up跑通第一个Agent团队

发布时间:2026/11/19 22:03:44来源:尧图网络
OpenRig 5分钟快速上手:从npm install到rig up跑通第一个Agent团队
OpenRig 5分钟快速上手从npm install到rig up跑通第一个Agent团队【免费下载链接】openrigMulti-agent harness that runs Claude Code and Codex together as one system项目地址: https://gitcode.com/GitHub_Trending/op/openrigOpenRig 是一个多智能体编排Multi-agent Harness开源工具可以把 Claude Code 和 Codex 像一个团队一样统一启动、管理和协作。本文带你用 5 分钟完成从安装 CLI、配置环境到用一条rig up命令拉起第一个 Agent 团队的全过程并教你如何在终端 TUI 中查看团队拓扑、给 Agent 派活。OpenRig 是什么为什么需要它 如果你同时开过几个 Claude Code / Codex 终端窗口大概率体会过这种混乱会话散落在各终端、互相不知道对方的存在、重启后上下文全丢。OpenRig 解决的就是这个问题——它不替代 Claude Code 或 Codex而是管理它们组队后形成的系统定义用一份 YAMLRigSpec声明 Agent 团队结构包含 pod小组、成员、协作关系和持续策略启动一条rig up命令创建所有 tmux 会话、加载启动文件、完成就绪检查观测TUI 提供拓扑图、表格视图、座位详情随时掌握团队状态通信用rig send、rig broadcast在 Agent 之间传递消息快照与恢复rig down --snapshot保存全量状态之后可按名恢复上面这张真实录屏展示了 OpenRig TUI左上是团队拓扑树右侧是 Agent 座位的运行时、模型、上下文占用和状态。环境准备3 个前置条件 ⚙️OpenRig 运行在本地 daemon CLI TUI tmux 之上开始前请确认依赖要求检查命令Node.js20 / 22 / 24Apple Silicon Mac 请用 22node -vtmux3tmux -VCodex CLI已安装并完成登录codex --version和codex login status系统支持macOS 和 Linux原生 Windows 暂不支持。若你还要同时跑 Claude Code也请确认它已登录可用。一键安装 OpenRig CLI第 1 步全局安装npm install -g openrig/cli也可以使用bun add -g openrig/cli但注意 OpenRig 本身仍运行在 Node.js 上需同时装好 Node.js 22。第 2 步预览安装计划rig setup --dry-runrig setup会自动检查并补装缺失的工具tmux、cmux、Claude Code、Codex 等并写入~/.tmux.conf中的鼠标/滚动支持配置块。先用--dry-run看一眼它打算做什么再执行不带参数的rig setup正式应用。第 3 步体检rig doctorrig doctor会巡检系统健康状态如果某步失败了它会给出足够的上下文帮你或你的 Agent完成修复。跑通第一个 Agent 团队rig up 现在进入你准备好的代码仓库目录启动 OpenRig 内置的first-project起始团队含一个负责人和一个检查者两个 Codex 座位cd /path/to/your/repository rig up first-project --cwd . --plan # 先看启动计划 rig up first-project --cwd . # 正式启动启动成功后用 TUI 打开共享仪表盘rig tui --shared查看团队座位的就绪状态rig ps --nodes --rig first-project若输出中有认证、信任或权限提示先解决它们再开始派活。TUI 中按Ctrl-b再按d可以分离detach而不关闭仪表盘之后再次运行rig tui --shared即可回到同一视图。关掉查看终端不等于团队下线这是很多新手会误操作的一点。给 Agent 派第一个任务 给负责人座位发送一个有边界的任务消息会进入该座位的工作流rig send dev-ownerfirst-project 实现 一个有用的改动。把任务记入队列并返回其 ID。保持本地验证完成后请 dev-checkfirst-project 检查该候选并记录结果和我的验证方式。然后跟踪队列里的任务进展rig queue list --destination dev-ownerfirst-project --limit 1000注意发消息本身不会创建队列项是 Agent 记录任务后才产生队列项。读取最终产物和审查意见后再回到同一个负责人座位继续下一个改动——座位的身份是稳定的会话内容可以替换这正是 OpenRig Seat座位 概念的核心。在图形界面中查看你的 Agent 团队除 TUI 外OpenRig 还带有一个 Web 风格的 UI 工作区。打开后在左侧 Explorer 中点击你的 rig例如demo即可加载其实时拓扑进入拓扑视图后点击任意座位卡片上的CMUX按钮例如orch1.lead就能直接打开该 Agent 的终端窗口和它面对面对话试试更多预置团队模板 first-project是最小的两座位起点OpenRig 还内置了更丰富的 Starter Rigs用rig specs ls可浏览全部模板conveyor四座位混合 Claude Code 与 Codex展示接收 → 规划 → 构建 → 审查的完整交接链路product-team产品小队示例含两个编排者、实现、QA、设计和两名独立审查者secrets-manager由专职 Agent 管理 HashiCorp Vault 的实战示例需要 Dockerrig specs preview conveyor --kind rig rig up conveyor想要自己定义团队仓库里有一份标准的参考布局rig.yaml定义拓扑、culture.md定义团队文化、每个 Agent 一个agent.yaml清单见 demo/rig.yaml、demo/culture.md 和 demo/agents/lead/agent.yaml。常见排查与下一步 场景推荐命令装完跑不起来 / 改了机器环境rig doctor查看预置规格库rig specs ls停止团队并保存快照rig down --snapshot从快照恢复rig up name把已有 tmux 会话纳入管理rig discoverrig adopt更多资料可以从这些入口继续深入完整入门路径含权限配置、终端工作区与恢复docs/reference/getting-started.mdDemo 团队说明与恢复基线脚本demo/README.md主文档与OpenRig 会在你机器上改什么README.md源码结构CLI 在 packages/cli/daemon 与领域逻辑在 packages/daemon/小结npm install -g openrig/cli→rig setup→rig up first-project→rig tui --shared→rig send派活——五步走完你的 Claude Code 与 Codex 就已经组成了一支可观测、可通信、可快照恢复的 Agent 团队。【免费下载链接】openrigMulti-agent harness that runs Claude Code and Codex together as one system项目地址: https://gitcode.com/GitHub_Trending/op/openrig创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/20 0:44:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/19 15:17:14

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/19 20:26:12

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/19 15:16:22

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/19 18:03:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/20 0:44:55

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉