你可以使用 Markdown 文件自动化 AI 任务。这就是我为什么仍然构建可视化工具的原因。
Source: Dev.to
如果你使用 Claude Code，你已经可以：
- 创建一个代理文件，
- 用 Markdown 编写一些指令，并且
- 从终端运行多步骤工作流。
它能工作。它很简单。对很多开发者来说，这已经 足够。
那么，我为什么要花几个月时间构建一个具有拖拽画布的桌面应用程序，而它做的事情是一样的？
因为我看到我的团队成员盯着一堆终端输出，却不知道：
- 哪一步刚刚失败，
- 哪些已经完成，或者
- 整个过程花费了多少。
我意识到，受益于 AI 自动化最多的人，往往是最 不太熟悉 设置它的人。
Markdown方式有效……直到它失效
从 Markdown 文件运行代理的方式如下：
claude --agent agents/my-workflow.md简单。干净。然后……
- 第 4 步（共 8 步）失败 → 你必须从头再来。
- 在收到发票之前，你根本不知道这次运行花了多少钱。
- 你的同事问：“这个工作流是干什么的？” → 你只能指向一个 Markdown 文件。
- 你想在第 5 步暂停，让人工审查后再继续 → 祝你好运。
- 你想让第 3、4、5 步并行运行 → 于是你开始编写 Bash 脚本。
如果你对终端操作得心应手，这些都不是致命问题，但对很多人来说，它们就是障碍。
AgentFlow 在上层添加了什么
AgentFlow 是一款免费桌面应用，运行在 Claude Code 之上。它并不取代 agent 文件或 CLI；而是为你提供一个 Markdown 文件单独无法实现的可视化层。
1. 你可以直观看到正在发生的事情
每一步都是画布上的一个块。当工作流运行时，块会实时点亮：
- 蓝色 – 正在运行
- 绿色 – 已完成
- 红色 – 失败
- 灰色 – 等待
你不再需要阅读终端输出来判断进度；只要看画布即可。
图片说明：AgentFlow 画布显示步骤状态
2. 你可以在不中止的情况下恢复
如果第 5 步（共 8 步）失败，点击 Resume from failure。AgentFlow 会跳过已经成功的步骤，从失败点继续执行。使用 Markdown agent 时，你必须重新运行整个流程。
3. 你知道自己花了多少
每次运行都会记录代币使用量和美元成本，并按步骤细分。仪表盘展示：
- 总支出，
- 最昂贵的工作流，和
- 最昂贵的步骤。
你还可以设置预算上限，运行将在耗尽 API 额度前自动停止。
图片说明：费用追踪仪表盘
4. 你可以暂停以进行人工审查
在任意两个步骤之间插入 Approval Gate。工作流会暂停，等待你审查当前进展后再继续。用 Markdown 文件实现这一点几乎是不可能的。
5. 你可以并行运行任务
将 Parallel 块拖到画布上并把步骤放入其中。它们会同时运行——无需 Bash 脚本、后台进程或 wait 命令。
6. 你的团队可以在不阅读代码的情况下理解它
将工作流分享给同事。他们打开 AgentFlow，看到画布后即可瞬间了解工作流的功能——无需阅读 Markdown 或破解 Bash 脚本。
这实际上是为谁准备的？
并非每个人都需要它。如果你已经熟悉编写 agent 文件、从 CLI 运行它们，并且不在乎成本跟踪或故障恢复，那么你可以不使用它。
AgentFlow 适用于：
| 受众 | 为何有帮助 |
|---|---|
| AI 自动化新手 | 可视化画布比学习 Markdown 语法和 CLI 标志要容易得多，是更好的起点。 |
| 需要可视化的人 | 在画布上逐步观看工作流执行要比在终端滚动文本更直观。 |
| 拥有非技术成员的团队 | 产品经理可以直接查看画布，瞬间了解工作流，而这在原始 Markdown 文件中是不可能的。 |
| 因运行失败而受挫的任何人 | 因第 7 步失败而必须从头重新启动一个 10 步的工作流非常痛苦。“从失败处恢复”可以解决这个问题。 |
一个真实案例：Bug报告 → 修复
| 步骤 | 类型 | 描述 |
|---|---|---|
| 1 | AI任务 | “阅读此 bug 报告并确定根本原因。” |
| 2 | AI任务 | “为该 bug 编写修复。” |
| 3 | Shell | npm test |
| 4 | 审批门 | 在提交前审查修复。 |
| 5 | Git | 提交并推送。 |
我在画布上大约 30 秒 绘制了它，并已经运行了数十次。当第 3 步的测试失败时，我点击 Resume，它会从那里重新尝试，而不是重新阅读 bug 报告并重新编写修复。
当然，我可以把它写成 Markdown 文件，但那样我会失去审批门、成本追踪，以及在第 3 步测试失败时从该步骤恢复的能力。
Source: …
入门指南
前置条件
- 已安装并完成身份验证的 Claude Code 文档。
- AgentFlow 使用 Claude Code 作为其引擎。
安装应用
从最新发布中获取预构建的安装程序：
- Linux / macOS / Windows – (链接到安装程序)
或自行从源码构建：
git clone https://github.com/jadessoriano/agent-flow.git
cd agent-flow
npm install
npm run tauri dev60 秒内完成你的第一个工作流
- 打开 AgentFlow 并选择你的项目文件夹。
- 点击 + New。
- 将 AI Task 块拖到画布上，输入：
Write unit tests for the login function。 - 将 Shell 块拖入，输入你需要的命令（例如
npm test）。 - 连接这些块，添加任意 Approval Gates 或 Parallel 块，然后点击 Run。
就这样——你的工作流现在是可视化的、可恢复的、可追踪费用的，并且可以协作。祝使用愉快！
快速入门示例
npm test- 用箭头将它们连接
- 点击 Run
就是这么简单——两步完成，自动化，并具备实时状态和费用追踪。
技术栈（如果你在乎的话）
- 桌面: Tauri v2 (Rust)
- 前端: React 19, TypeScript, Tailwind CSS
- 画布: React Flow
- 状态管理: Zustand
- 数据库: SQLite
- 异步: Tokio
跨平台。轻量级。不是 Electron.
开源 – 告诉我缺少了什么
AgentFlow 使用 MIT 许可证，且积极维护。如果您尝试后遇到困惑、错误或缺失，请提交 issue —— 我会阅读所有 issue。