🤖 开发框架

RondoFlow

★★ ★ ★★
5.0 / 10

本地优先、开源的可视化 Claude Code 多 Agent 编排平台，拖拽画布创建 Agent、挂载 Skills、定义安全策略，MIT 开源

开源免费多AgentAgent本地
🌐 访问官网 GitHub
📅 收录: 2026-06-26 🔄 更新: 2026-07-07

RondoFlow 快速入门

一句话卖点: 多 Agent 协作不再靠手写代码——拖拽画布编排 Claude Code Agent，本地运行数据不出设备

这是什么？适合谁？

RondoFlow 是一个本地优先、开源的可视化 Claude Code 多 Agent 编排平台。核心理念：多 Agent 协作不应该只存在于代码层面——通过拖拽画布创建 Agent、挂载 Skills、定义安全策略、运行多 Agent 工作流，将 Agent 编排从”写代码”变为”画流程图”。 支持本地运行，数据不出设备，隐私友好。每个 Agent 可以配置不同的 Skills 和安全策略，Agent 之间通过画布上的连线定义协作关系。适合需要多个 Agent 协同完成复杂任务的场景。 与 LangGraph、CrewAI 等代码优先的 Agent 框架不同，RondoFlow 强调可视化编排——不需要写 Python 代码来定义 Agent 协作流程，直接在画布上拖拽配置。降低了多 Agent 系统的设计和调试门槛。 适合：需要多 Agent 协作但不想写复杂编排代码的开发者、希望可视化管理和监控 Agent 工作流的团队。不适合：需要极致自定义和编程灵活性的高级场景。

准备工作

  1. 安装 Node.js 18+
  2. 安装 Claude Code（RondoFlow 基于 Claude Code Agent）
  3. Anthropic API Key
  4. 了解基本的 Agent 和 Skill 概念

3 步快速上手

第 1 步：安装 RondoFlow

git clone https://github.com/rondoflow/rondoflow.git
cd rondoflow
npm install
npm run dev

打开浏览器访问 http://localhost:5173。

第 2 步：创建你的第一个多 Agent 工作流

在画布上：

  1. 从左侧面板拖入 Agent 节点
  2. 为每个 Agent 配置名称、系统提示词和 Skills
  3. 拖入 Skill 节点，连接到对应的 Agent
  4. 定义 Agent 之间的协作关系（连线）
  5. 为每个 Agent 设置安全策略（允许/禁止的工具调用）

第 3 步：运行工作流

点击”Run”按钮，RondoFlow 会按照画布上的编排逻辑启动多个 Claude Code Agent 实例。你可以在运行面板中实时查看每个 Agent 的执行状态、输出和协作过程。工作流完成后，所有 Agent 的输出会汇总展示。

常见踩坑

  1. 多个 Agent 同时运行消耗 API 额度——每个 Agent 实例独立调用 Claude API，注意控制并发数
  2. Agent 间通信依赖画布连线——连线方向定义了数据流向，方向错误会导致 Agent 收不到输入
  3. 安全策略配置过严可能导致 Agent 无法完成任务——在”安全”和”可用”之间找到平衡
  4. 本地运行需要足够的系统资源——多个 Claude Code 实例同时运行会占用较多内存
  5. 首次使用建议从 2 个 Agent 的简单工作流开始——直接上复杂工作流调试困难

初级用法

  1. 代码审查工作流：一个 Agent 写代码，另一个 Agent 审查
  2. 内容生成流水线：一个 Agent 生成初稿，另一个 Agent 润色
  3. 研究+总结：一个 Agent 搜索信息，另一个 Agent 汇总整理
  4. 翻译+校对：一个 Agent 翻译，另一个 Agent 校对
  5. 数据分析：一个 Agent 提取数据，另一个 Agent 生成报告

高级玩法

  1. 条件分支：根据 Agent 输出动态选择下一个执行的 Agent
  2. 并行 Fan-out：一个任务分发给多个 Agent 并行处理，汇总结果
  3. 安全沙箱：为高风险 Agent 配置严格的安全策略，限制工具调用范围
  4. 工作流模板：将常用的多 Agent 协作模式保存为模板，一键复用
  5. 自定义 Skill 市场：导入社区或自定义的 Skills，扩展 Agent 能力

小技巧

  1. 先用 2 个 Agent 的简单工作流验证编排逻辑，再扩展到多 Agent
  2. 为每个 Agent 写清晰的系统提示词——可视化编排不能替代好的提示词设计
  3. 使用”单步调试”模式逐步验证每个 Agent 的输出
  4. 将安全策略配置导出为模板，在不同项目中复用
  5. 关注 GitHub 仓库更新——项目处于早期阶段，功能迭代快

常见问题 FAQ

Q1: RondoFlow 和 LangGraph 有什么区别？ LangGraph 是代码优先的 Agent 框架，用 Python 定义状态图和 Agent 协作逻辑。RondoFlow 是可视化编排平台，用拖拽画布定义协作流程。LangGraph 更灵活但门槛更高，RondoFlow 更直观但自定义能力有限。信息来源：GitHub README 和 LangGraph 文档。

Q2: RondoFlow 支持非 Claude 的 Agent 吗？ 目前主要基于 Claude Code Agent。对其他 Agent 框架的支持取决于社区贡献和项目路线图。信息来源：GitHub README。

Q3: 数据安全吗？ RondoFlow 本地运行，数据不出设备。Agent 的 API 调用直接发送到 Anthropic，不经过 RondoFlow 服务器。信息来源：GitHub README（“local-first”）。

Q4: 可以用于生产环境吗？ RondoFlow 处于早期阶段（5 stars），建议先在开发和测试环境中使用。生产环境部署需要评估稳定性和安全性。信息来源：GitHub 仓库状态。

Q5: 最多支持多少个 Agent 同时运行？ 理论上没有硬性限制，但实际受限于系统资源和 API 并发限制。建议从 2-3 个 Agent 开始，逐步增加。信息来源：综合评估。

📊 评分与标签

评分说明

总分 5.0/10 · H_观察

📊 可观测社区指标（数据核验日期：2026-07-07）

🤖 Agent 能力 0.7/2.0

  • RondoFlow 定位为 Claude Code 的可视化编排层：拖拽画布创建 Agent 节点、连线定义协作方向、挂载 Skills、配置 Deny/Allow 策略；Agent 实际推理与工具调用全部下沉到 Claude Code，RondoFlow 本身无 LLM 推理、无原生工具、无规划算法，仅作为 harness 侧编排器。
  • 竞品对比 1（Omnigent）：Omnigent 同为 Claude Code harness 但支持 Codex/Cursor/Pi 多 Agent，RondoFlow 编排能力受限于单一底层 Agent。
  • 竞品对比 2（LangGraph）：LangGraph 是通用 Agent 状态机框架，Python 定义任意 Agent 协作；RondoFlow 用画布替代代码，牺牲通用性换直观性。

🖐️ 易用性 1.2/1.5

  • git clone + npm install + npm run dev 即可在 localhost:5173 打开可视化画布，无需写 Python/YAML；画布支持拖拽 Agent 节点、连线定义数据流向、挂载 Skill、配置 Deny/Allow 安全策略，将”写编排代码”降级为”画流程图”，多 Agent 协作调试门槛大幅降低。
  • 竞品对比 1（LangGraph/CrewAI）：LangGraph/CrewAI 要求用户写 Python/YAML 定义节点与边，RondoFlow 用画布可减少 90%+ 编排代码。
  • 竞品对比 2（n8n）：n8n 也是拖拽画布但不面向 Agent 编排；RondoFlow 在 Agent 拓扑与安全策略维度更专。

🔌 生态集成 0.4/2.0

  • 仅支持 Claude Code Agent 单一底层，无 LangChain / AutoGen / CrewAI / OpenAI Agents SDK 等主流框架适配；工具层通过 Claude Code 的 MCP 支持接入，但生态深度完全受制于 Claude Code；对比 n8n 的 400+ 应用集成或 LangGraph 的 LangChain 数百工具生态，横向集成差距显著。
  • 竞品对比 1（Omnigent）：Omnigent 覆盖 Claude Code / Codex / Cursor / Pi 4+ 种 Agent，RondoFlow 仅 1 种。
  • 竞品对比 2（n8n）：n8n 400+ 应用集成，是同为可视化编排类目的头部平台。

👥 社区支持 0.3/1.5

  • GitHub 仅 13 stars / 0 forks / 0 comments，Show HN 两帖累计 7 points 未激起社区讨论；无 Reddit / Discord / ProductHunt 讨论痕迹；创立不到 2 周（2026-06-23 起），社区处于初始阶段，与 AutoGPT 185K stars 或 LangGraph 数万 stars 相比认知度接近零。
  • 竞品对比 1：Omnigent 同期发布但已破 6K stars，社区认可度差异悬殊。
  • 竞品对比 2：AutoGPT 185K stars 是 Agent 领域头部。

💡 创新程度 1.3/1.5

  • 首次将”多 Agent 拖拽画布 + 本地优先 + 安全策略”三位一体落到开源产品：CrewAI Flow / Dify Workflow 均为文本配置或表单，RondoFlow 的自由画布 + 连线数据流 + 每 Agent 独立 Deny/Allow 在 Agent 编排领域属于差异化尝试；本地优先架构保证数据不出设备，Anthropic API 调用直连不经 RondoFlow 服务器。
  • 竞品对比 1（Dify）：Dify 工作流是文本 + 表单，RondoFlow 是自由画布，交互体验差异明显。
  • 竞品对比 2（CrewAI Flow）：CrewAI Flow 用 Python 装饰器定义流程，RondoFlow 完全不写代码。

🔒 稳定性 1.1/1.5

  • MIT 协议开源，本地运行数据不出设备，Anthropic API 直连使 RondoFlow 自身无额外服务中断风险；缺点是 2026-06-23 刚发布，版本远未到 1.0，API 与画布数据格式可能变动，最近推送 2026-06-25 后节奏未见持续。
  • 竞品对比 1：Omnigent 由 Databricks 官方推出，长期维护可预期。
  • 竞品对比 2：LangGraph 由 LangChain 官方维护，1.0 已 GA。

评分依据可追溯至公开来源，每项分数均有明确理由和数据支撑。

🏷️ 标签说明

  • 开源免费: MIT 协议开源，可完全自行部署，Anthropic API 直连不经第三方服务器。来源：LICENSE
  • 多Agent: 通过画布拖拽支持多个 Claude Code Agent 协作，每 Agent 独立 Skills 与安全策略。来源：README Multi-Agent 段
  • Agent: 定位为 Agent 编排平台，画布节点即 Agent 实例。来源：rondoflow.app 主页
  • 本地: local-first 架构，数据存储与执行均在用户本地设备，API 调用直连 Anthropic。来源：README Local-First 段

📋 来源与核验记录

  • ✅ curl GitHub API 已验证：stars=13 / forks=0 / license=MIT / pushed=2026-06-25 / created=2026-06-23
  • ✅ curl HN Algolia 已验证：ID 48672869 (5 pts, Show HN GitHub) + 48686649 (2 pts, Show HN 官网)
  • ⚠️ 未直接 browser 验证：rondoflow.app — 官方站点未在此次核验中打开
  • ⚠️ 未直接 browser 验证（GitHub 反爬）：rondoflow/rondoflow — 已通过 GitHub REST API 交叉验证
  • ❌ 已删除死链：无

同分类推荐

开发框架 分类下的其他 Agent

🤖 开发框架 ⭐ 9.0 / 10

ElizaOS

Open source agentic operating system — TypeScript, MIT license
🤖 开发框架 ⭐ 8.5 / 10

fast-agent

Code, Build and Evaluate agents — excellent Model and Skills/MCP/ACP/A2A Support
🤖 开发框架 ⭐ 8.3 / 10

AWS Agent Toolkit

Official AWS-supported MCP servers, skills, and plugins to help AI agents build on AWS
🤖 开发框架 ⭐ 8.3 / 10

OpenAI Agents SDK

OpenAI 官方的轻量级多 Agent 工作流框架，支持 Agent 编排、工具调用、追踪