# 策展 · X (Twitter) 🔥

> 作者：Bryan Helmkamp (@brynary) · 平台：X (Twitter) · 日期：2026-03-18

> 原始來源：https://x.com/brynary/status/2033901199603241012

## 中文摘要

Fabro 是一套開源軟體工程平台，專為小規模專家工程師團隊設計，針對 AI 程式撰寫 Agent 的可控性問題提供解決方案。該專案認為，現有 AI 編碼 Agent 能力強大卻不可預測，使用者面臨兩難：要麼全程監督每一步操作，要麼被迫審查一份包含五十個檔案變動且信任度不明的差異清單。Fabro 提供了第三條路徑——透過將流程定義為圖形結構，讓 Agent 執行該流程，並僅在關鍵位置進行人工介入。

**確定性工作流圖** Fabro 的核心設計特色圍繞確定性工作流圖展開。使用者可用 Graphviz DOT 語言定義管道，支援分支、迴圈、平行執行和人工閘門，所有定義可版本控制且可審查。系統將人工介入機制整合其中，透過批准閘門暫停自動化流程以供人類決策，允許使用者在執行中期導向 Agent，並透過訪談步驟收集結構化輸入。

**多模型路由** 平台實現多模型路由能力，採用類似 CSS 的樣式表設定每個節點指向特定模型和供應商，並支援自動備用鏈。這使團隊能無縫整合不同廠商的模型——用一個模型實現功能，另一個模型進行交叉評論，第三個模型撰寫摘要，全部在單一工作流中進行。成本管理方面，系統可將廉價任務路由至快速、經濟的模型，僅在需要時才動用前沿模型，一行樣式表變更即可調整。

**雲端沙盒執行** Fabro 提供雲端沙盒執行環境，Agent 在隔離的 Daytona 雲端虛擬機中運行，具備快照型設置、網路控制和自動清理機制。使用者可透過「fabro ssh」命令進入執行中的沙盒，或使用「fabro preview」暴露埠位進行實時偵錯。Git 檢查點功能記錄每個階段的程式碼變動和執行後設資料至 Git 分支，允許使用者恢復、還原或追蹤任何變動。

**自動化回顧機制** 自動化回顧機制在每次執行後生成報告，涵蓋成本、耗時、修改的檔案和由大語言模型撰寫的敘述性分析。此設計支持「複合工程」概念——自動回顧透過持續改進迴圈反饋工作流，使工作流程隨時間推進而逐步優化，而非只是程式碼改進。

**技術實現輕量** 技術實現上，Fabro 是單一 Rust 編譯執行檔，零依賴，無需 Python、Node 或 Docker。系統提供完整的 REST API，支援伺服器發送事件（SSE）串流和 React 網路使用者介面，允許程式化執行工作流或作為服務運行。24/7 持續運行能力讓使用者關閉電腦後工作流繼續執行，結果待返回時已準備就緒。

**安全與品質保證** Fabro 特別強調了安全性——Agent 在具有完整網路和檔案系統隔離的雲端沙盒中執行，將不可信程式碼與生產環境隔離。品質保證透過將確定性驗證（測試套件、linter、型別檢查器、LLM 評判者）分層插入工作流圖中實現，故障自動觸發修復迴圈。

**開源授權** 該專案採用 MIT 授權，提供完整原始程式碼，無廠商鎖定風險，支援自託管、分支或擴展。官方文件涵蓋從基礎安裝到平行多模型 Ensemble 的完整教程。專案作者為 Bryan（聯繫方式 bryan@qlty.sh），透過 GitHub Issues 和 Discussions 接受錯誤報告及功能請求。

## 標籤

Agent, 開源專案, Fabro