Agent Farm

🚀 Agent Farm v3.4 - 分塊寫入版

Agent Farm是一個支持AI智能體進化和並行任務執行的工具，藉助具備工具使用能力的智能體，能夠高效處理各類任務。v3.4版本引入了分塊寫入模式，可用於生成大型文檔和代碼文件！

🚀 快速開始

你可以按照以下步驟安裝Agent Farm：

cd ~/repos/agent-farm
uv venv
uv pip install -e .

✨ 主要特性

v3.4版本新增特性

• 分塊寫入模式：智能體並行編寫各個部分，Python直接進行組裝。
• chunked_write：可生成大型Markdown/文本文件（大小無限制）。
• chunked_code_gen：並行生成多函數代碼文件。
• chunked_analysis：多視角分析並綜合結果。
• 突破500字符限制：每個智能體編寫小部分內容，組合輸出無限制。

性能提升

• 比v3.0版本快8.6倍（4任務集群從103秒縮短至12秒）。
• 每個任務僅需1次迭代（之前為3 - 5次）。
• 使用真實工具數據時成功率達100%。
• 本地綜合 - 使用qwen2.5:14b模型綜合結果（無需雲令牌！）

📦 安裝指南

cd ~/repos/agent-farm
uv venv
uv pip install -e .

💻 使用示例

系統健康檢查

agent-farm:system_health_swarm

自定義任務集群

agent-farm:tool_swarm
  colony_type: "heavy"
  tasks: [
    {"prompt": "Check CPU temperature"},
    {"prompt": "List top 5 memory processes"},
    {"prompt": "Check if docker is running"}
  ]

直接寫入大文件

agent-farm:heavy_write
  path: "/tmp/large_output.txt"
  content: "... large content ..."

代碼庫偵察

agent-farm:recon_swarm
  target_path: "/home/kyle/repos/my-project"

分塊生成大文檔

agent-farm:chunked_write
  output_path: "/tmp/security_guide.md"
  spec: "Linux server security hardening guide"
  num_sections: 5
  doc_type: "markdown"

輸出：包含5個連貫部分的9KB以上文檔

分塊生成代碼文件

agent-farm:chunked_code_gen
  output_path: "/tmp/utils.py"
  spec: "File utilities: read, write, copy, delete"
  language: "python"
  num_functions: 4

輸出：包含4個函數的完整Python模塊

多視角分析

agent-farm:chunked_analysis
  target: "/home/kyle/repos/project"
  question: "What are the architectural patterns?"
  num_perspectives: 4

輸出：從結構、模式、質量、性能視角進行的分析

📚 詳細文檔

模型信息

MCP工具（共30個）

集群管理

• spawn_colony - 創建智能體集群（標準/快速/重型/混合）
• list_colonies - 列出活躍集群
• colony_status - 獲取集群詳細信息
• quick_colony - 快速進行健康檢查
• dissolve_colony - 移除集群
• cleanup_idle - 移除閒置集群
• farm_stats - 獲取綜合統計信息

集群部署

• deploy_swarm - 將任務部署到集群
• quick_swarm - 一次性創建並部署

專業集群

• code_review_swarm - 從4個視角進行代碼審查
• code_gen_swarm - 生成代碼、測試和文檔
• file_swarm - 並行文件操作
• exec_swarm - 並行執行shell命令
• api_swarm - 並行發送HTTP請求
• kmkb_swarm - 多角度知識查詢

工具啟用智能體

• tool_swarm - 部署具備真實系統工具的智能體
• system_health_swarm - 快速進行系統健康檢查
• recon_swarm - 進行目錄/代碼庫偵察
• deep_analysis_swarm - 深度磁盤/文件分析
• worker_task - 單個具備完整工具的工作者

直接操作

• heavy_write - 直接寫入文件（處理大內容時繞過LLM）
• synthesize - 獨立綜合任何JSON結果

分塊寫入模式（新增）

• chunked_write - 通過並行編寫各部分生成大型文檔
• chunked_code_gen - 並行編寫函數生成代碼文件
• chunked_analysis - 多視角分析並綜合結果

智能體工具權限

結構化輸出詳情

Agent Farm v3.3使用Ollama的結構化輸出功能，對模型響應強制執行JSON模式：

# 智能體保證返回有效的JSON響應：
{"tool": "system_status", "arg": ""}
{"tool": "exec_cmd", "arg": "df -h"}
{"tool": "check_service", "arg": "ollama"}

受限解碼（GBNF語法）在生成過程中屏蔽無效令牌，確保：

• 始終是有效的JSON
• 正確的工具名稱
• 正確的參數結構
• 無解析失敗情況

結果現在包含一個mode字段，顯示使用的方法：

• structured - 強制執行JSON模式
• structured+autoformat - JSON + 簡單結果格式化
• structured+deep - 帶有多步推理的JSON
• regex - 備用正則表達式解析
• regex+autoformat - 正則表達式 + 簡單結果格式化

分塊寫入模式

分塊寫入模式通過分解大型任務，解決了小模型約500字符輸出限制的問題：

1. 規劃者智能體（qwen2.5:14b）
   |-- 創建結構化JSON大綱
   |-- {"sections": [{"title": "...", "description": "..."}]}

2. 工作者智能體（qwen3:4b） - 並行執行
   |-- 每個智能體編寫一個部分（約300 - 500字符）
   |-- 4個工作者 = 同時編寫4個部分

3. Python拼接（無需LLM）
   |-- 頭部 + 分隔符.join(各部分)
   |-- 零令牌成本，即時組裝

4. 直接文件寫入（無需LLM）
   |-- tool_write_file()保存結果
   |-- 避免任何輸出損壞

性能表現

原理說明

• 小模型擅長聚焦的短輸出
• 每個部分都在“安全區”內（<500字符）
• Python處理組裝（無LLM令牌成本）
• 通過ThreadPoolExecutor並行執行
• 結構化輸出確保可靠的規劃

Claude桌面配置

{
  "mcpServers": {
    "agent-farm": {
      "command": "/home/kyle/repos/agent-farm/.venv/bin/python",
      "args": ["-m", "agent_farm.server"]
    }
  }
}

更新日誌

v3.4.0 (2026-01-23)

• 分塊寫入模式 - 智能體並行編寫各部分，Python進行組裝
• chunked_write - 生成無限制大小的文檔（測試：78秒生成9.6KB）
• chunked_code_gen - 並行生成多函數代碼文件
• chunked_analysis - 多視角分析並綜合結果
• 通過任務分解突破智能體500字符限制
• 規劃者使用結構化JSON輸出以確保可靠的大綱

v3.3.0 (2026-01-23)

• Ollama結構化輸出 - 通過受限解碼強制執行JSON模式
• 可靠的工具解析 - 不再有正則表達式解析失敗問題
• 模式跟蹤 - 結果顯示使用的解析方法
• 正則表達式備用方案 - 仍保留傳統解析作為備份
• 所有角色都具備exec_cmd以進行復雜的shell查詢

v3.2.0 (2026-01-22)

• 綜合者角色 - 使用qwen2.5:14b進行準確的結果綜合
• synthesize參數 - 添加到tool_swarm、system_health_swarm、recon_swarm、deep_analysis_swarm中
• synthesize工具 - 獨立綜合任何JSON結果
• 不再有Claude綜合成本 - 所有工作都在本地完成

v3.1.0 (2026-01-20)

• 速度提升8.6倍（從103秒縮短至12秒）
• 自動格式化結果，跳過冗餘的LLM調用
• 立即拒絕無效工具
• 強制在回答前使用工具
• 修復複雜shell命令支持問題
• 所有角色最低升級到qwen3:4b

v3.0.0 (2026-01-19)

• 從Windows版本重建為Linux版本
• 具備角色權限的工具啟用智能體
• 系統健康、偵察、工作者集群
• 通過ThreadPoolExecutor實現真正的並行