新闻详情

新闻详情

首页 / 资讯中心 / 详情

OpenRig新手教程:用first-project起步团队完成仓库里的第一个有用改动

发布时间:2026/11/22 11:22:01来源:尧图网络
OpenRig新手教程:用first-project起步团队完成仓库里的第一个有用改动
OpenRig新手教程用first-project起步团队完成仓库里的第一个有用改动【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 是一个多智能体协作框架Multi-agent Harness它把 Claude Code 和 Codex 编排成一个统一管理的团队。本教程带你用内置的first-project起步 rig在你的仓库里完成第一个被独立审查过的有用改动。为什么选择 OpenRig告别零散的终端会话用过 Claude Code 或 Codex 的开发者都知道开 3 个终端跑 3 个智能体很快就变成一堆互不相关的会话——没人知道谁在干什么、谁该复查谁的代码重启后一切上下文也消失了。OpenRig 的思路是harness框架包裹单个模型而 rig编队包裹你的所有 harness。你用一份 YAML 定义团队结构一条命令启动整个团队每个智能体都有稳定的座位Seat和地址如dev-ownerfirst-project。对话可以换座位和它积累的上下文始终留在同一个地址上。环境要求与安装步骤先确认系统要求项目要求操作系统macOS 或 Linux暂不支持原生 WindowsNode.js20、22 或 24Apple 芯片 Mac 请用 22终端复用tmux登录状态Codex 已登录codex login status可查快速安装 OpenRignpm install -g openrig/cli rig setup --dry-run--dry-run会先展示安装计划而不实际改动系统。确认无误后再正式执行rig setup。⚠️ 温馨提示OpenRig 在启动过程中会写入工作区信任设置和 provider hooks如~/.claude.json、~/.codex/config.toml。官方建议在首次运行前阅读 README 中的说明并备份相关文件。用 first-project 启动你的第一个团队first-project是专为首次使用设计的两座位起步 rigdev-ownerCodex成果负责人负责实现改动dev-checkCodex独立检查者负责审查确切的候选版本两者同在一个devpod 内由一条delegates_to边连接。定义见 first-project/rig.yaml。三步启动计划、启动、打开仪表盘cd /path/to/your/repository rig up first-project --cwd . --plan # 先查看启动计划 rig up first-project --cwd . # 正式启动 rig tui --shared # 打开共享仪表盘--plan会先展示将要执行的操作rig tui --shared打开后按Ctrl-b 然后 d可分离detach仪表盘而不停止团队。检查项目座位就绪状态启动后先用rig ps --nodes --rig first-project确认两个座位都已就绪处理掉任何认证、信任或权限提示。座位就绪是分配工作前的必要一步。分配第一个任务并跟踪队列给 dev-owner 一个边界清晰的成果请求官方推荐的任务模板rig send dev-ownerfirst-project Implement 一个有用的小改动. Track the task in the queue and return its ID. Keep it local, verify the behavior, ask dev-checkfirst-project to check the exact candidate, and record the result and how I can try it.然后跟踪任务队列rig queue list --destination dev-ownerfirst-project --limit 1000 注意发送消息本身不会创建队列条目而是由 owner 在任务中标记。收到结果后阅读最终产物和 dev-check 对候选版本的审查记录然后回到同一个 owner 地址分配下一个改动——上下文是延续的。团队运行起来之后启动后可以在 TUI 中随时查看团队状态拓扑图Graph、座位表格Table、健康度Health。下图左侧 Explorer 中点击 rig 即可加载其实时拓扑进入拓扑视图后可以点击每个座位的CMUX按钮直接打开该智能体的终端——比如点开 lead 节点直接与编排者对话想体验更大的团队仓库里的 demo/ 目录是一个 8 节点、4 pod 的完整示例团队lead、impl、qa、design、r1、r2 等适合观察编排者如何分发任务、QA 如何观察实现者、评审者如何协作./demo/run.sh常见问题与下一步症状排查方式启动后一切卡住用rig doctor检查系统健康权限提示反复弹出让 agent 按 权限配置指南 配置想看更多 rig 库rig specs ls浏览rig up conveyor试试四座位传送带团队继续深入的资料完整的引导式上手路径docs/reference/getting-started.mdRigSpec 规范详解docs/reference/rig-spec.md更大的产品团队示例rig up product-team两个编排者 实现、QA、设计、独立评审从first-project开始你会体会到多智能体协作最舒服的一点团队的工作和上下文都留在固定地址上你只需要在下一个改动时回来继续。【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 2026/11/21 14:14:45

【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 2026/11/21 14:14:26

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 2026/11/21 21:08:55

【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 ... 2026/11/22 1:51:41

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 2026/11/21 19:02:25

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 2026/11/21 14:13:11

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
📞 ✉