如题，这两个都是站里大佬开发的开源项目。 有无大佬这两者都使用过的，哪一个更好？ 或者说什么时候该用哪一个？ 两个同时安装，使用的时候会有冲突吗？ 求各位彦祖佬友们解惑，自己没怎么看明白 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 6 月 2 日消息，微星旗下超神 MEG MAESTRO 900R 机箱国行现已在京东发售， 定价为 3999 元 ，首发晒单赠 100E 卡。 该机箱整体尺寸为 695 x 379 x 671 mm，可支持 Mini-ITX、Micro-ATX、ATX 和 E-ATX 规格的主板，也支持 ATX 背插产品。其整体使用三面侧透设计，玻璃为一体式弯曲，能全方位地展示内部硬件。机箱内部同时采用分离式热区及垂直风道设计，并搭载 EZ Rotatable Motherboard Tray 可拆卸式主板旋转支架，还提供 PCIe 5.0 延长线便于显卡竖装。 该机箱 I/O 采用模块化设计，可自由更换安装位置，提供 1 个 USB-C 20Gbps、4 个 USB-C 10Gbps 接口、4 个 USB-C 5Gbps 接口、以及 3.5mm 音频接口。 兼容性方面，该机箱提供了最多 5 个 3.5 英寸硬盘位（其中 1 个可变成 1 个 2.5 英寸），另外还有 8 个 2.5 英寸硬盘位；有 8 个（水平安装）/3 个（垂直安装）PCI 扩展槽；CPU 散热器限高 170mm；显卡限长 440mm；电源限长 200mm。 该机箱最多可安装 14 把，其中顶部位置可安装 4 把 120mm/3 把 140mm/3 把 160mm 风扇，支持 120/140/240/280/360/420 冷排；左右两侧各支持安装 3 把 120mm 风扇（合计 6 把），可支持 120/240/360 冷排；底部位置可安装 4 把 120mm/3 把 140mm/3 把 160mm 风扇，支持 120/140/240/280/360/420 冷排。 IT之家附机箱参数： 京东 微星超神 MEG MAESTRO 900R 台式机海景房机箱 3999 元 直达链接 京东 618 无门槛红包 面额至高 26618 元，每天抽 3 次： 点此抽红包 淘宝 618 无门槛红包 面额至高 26888 元，每天抽 1 次： 点此抽红包
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 1.新增 agy cli调用 ，可以通过Maestro config 在命令中编排agy在核心命令流中的自动调用 在其他cli中 通过语义调用 “使用agyXXXX” 2.Maestro工作流适配agy 当前agy只支持动态定义agent，所有skill中agent调用微调优化 team模式完美适配，无需ultra 即可享受team模式,可以先体验team-lifecycle 和team-coordinate Maestro、Maestro-ralph 适配agy 实现skill 链式调用 3.cc/codex/agy: Maestro、Maestro-ralph 增强与 /goal模式协同 phase0 增加decompose 环节，梳理用户输入内容形成任务清单，配合/goal使用闭环动态推进workflow。 更新日志： Maestro Documentation 项目地址： catlog22/maestro-flow: Workflow orchestration CLI with MCP endpoint support and multi-agent dashboard PS:强烈建议佬们，使用并体验 Maestro-FLow 中知识沉淀功能 历史参考： 【开源自荐】详解Maestro-Flow中的知识管理系统—约束和沉淀 && 实践场景-前后端 API 开发闭环 - 开发调优 - LINUX DO 1 个帖子 - 1 位参与者 阅读完整话题
历史回顾： 【开源自荐】Maestro-FLow 工作流-实现Claude code&&Codex 自动推进/闭环治理/知识复用/团队协作/worktree并行/多cli调用 - 开发调优 - LINUX DO Maestro-FLow codex 焚诀~~~配合/goal 闭环长时多agent推进 - 开发调优 - LINUX DO 【开源自荐】助我迭代，我将Maestro-Flow打包到一个skill，Maestro-Flow-One——软件全生命周期自动推进 - 开发调优 - LINUX DO Maestro-FLow的知识管理系统详解 Maestro-FLow经过多个版本的迭代，现已经完善定型，向大家分享设计及使用说明。 Maestro-FLow中的知识沉淀主要分两种： 约束 和 积累 。约束是编码规范、架构决策、质量规则——规定"不能做什么"。积累是操作步骤、设计资产、调试经验——记录"怎么做过"。前者需要强制加载，后者需要按需检索,典型产物结构如下: .workflow/ ├── specs/ # 约束层：基于角色绑定/流程的规则索引 │ ├── coding-conventions.md # → implement │ ├── architecture-constraints.md # → plan │ ├── quality-rules.md # → review │ ├── debug-notes.md # → analyze │ ├── test-conventions.md # → test │ ├── review-standards.md # → review │ ├── learnings.md # → implement（经验教训） │ └── tools.md # → per-entry（可执行流程定义） ├── knowhow/ # 积累层：完整知识文档 │ ├── KNW-*.md # 会话压缩记录 │ ├── RCP-*.md # 操作配方（步骤指南） │ ├── TPL-*.md # 代码/配置模板 │ ├── REF-*.md # 外部文档摘要 │ ├── DCS-*.md # 架构决策记录 │ ├── TIP-*.md # 快速提示 │ ├── AST-*.md # 代码资产（API 契约、数据模型） │ ├── BLP-*.md # 架构蓝图 │ └── DOC-*.md # 长文档（通用兜底） └── wiki-index.json # 统一索引（WikiIndexer 自动生成） 相关命令 写入类 命令 职责 /spec-add 向 specs 文件追加 <spec-entry> 条目，支持 inline 和 ref 两种模式 /manage-knowhow-capture 捕获 6 种类型知识文档到 knowhow/（compact、template、recipe、reference、decision、tip） /maestro-tools-register 将可复用业务流程编码为 tool spec（inline 或 ref + knowhow） /manage-learn 捕获原子洞察到 learnings.md （pattern、gotcha、technique、tip） /manage-harvest 从工作流产物中提取知识碎片，路由到 wiki/spec/issue 三个存储 读取类 命令 职责 /spec-load 按 role 加载主文档 + 跨文件匹配条目；按 keyword 精确过滤 /maestro-tools-execute 加载 tool spec 并逐步执行 /manage-knowhow 跨 workflow knowhow 和 system memory 两个存储做 list/search/view/edit/delete /manage-wiki Wiki 图健康度、搜索、清理、统计 分析类 命令 职责 /wiki-digest 语义主题聚类 + 知识覆盖热力图 + gap 分析 /wiki-connect 发现孤立节点和缺失连接，修复图联通性 /learn-decompose 从代码中提取设计模式，写入 spec 和 wiki /learn-follow 引导式阅读代码/wiki，提取 pattern 并构建理解 初始化 命令 职责 /spec-setup 扫描项目结构，初始化 specs 骨架文件（8 个种子文件含 tools.md ） Tool Spec Tool Spec 是一种特殊的 spec-entry，存储在 tools.md 中，定义 可执行的业务流程 。 简单来说：Tool Spec 可以理解为轻量化的workflow （针对业务需求，沉淀在项目目录下，具有自发现自使用特性） 注册时机 通过 /maestro-tools-register 注册： 阶段 场景示例 规划期间 标准化业务流程（支付对账流程、OAuth 集成步骤） 执行之后 捕获经过验证的操作步骤（数据库迁移回滚、部署流程） 测试之前 注册验证方法给 test agent（E2E 结算流程、API 幂等性验证） 示例： 业务需求 ──→ 规划阶段注册 tool spec ──→ test agent 自动发现 ──→ 执行验证 ↑ │ └──── 执行后优化 ←── 发现新 edge case ←────────┘ Maestro-FLow知识沉淀特点 知识流转全景 执行产物 提取 存储 消费 ───────── ───── ───── ───── 分析会话 ─────┐ ┌─→ specs/ ─→ spec-injector → agent 调试记录 ─────┼──→ /manage-harvest ──────────┼─→ knowhow/ ─→ wiki load → 按需 规划文档 ─────┤ /quality-retrospective ├─→ issues/ ─→ manage-issue → 追踪 代码变更 ─────┘ /learn-decompose └─→ learnings ─→ keyword-injector → 上下文 ↑ /manage-learn ─┘ (原子洞察直写) Progressive Fill Spec 内容由流水线各阶段逐步丰富： maestro-init → spec-setup（骨架 + 扫描） maestro-analyze → 锁定决策 → plan，代码模式 → implement maestro-plan → 设计约定 → implement/plan，测试策略 → test maestro-execute → 经验教训 → implement，根因 → analyze maestro-verify → 质量发现 → review 每个阶段执行完毕，产生的知识自动沉淀到对应的 spec 文件中，下一阶段的 agent 即可通过 role 加载获取前序阶段的积累。 6 个帖子 - 4 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 借助这个one skill，邀请佬友们品尝一下，认识Maestro-flow，助我迭代 项目介绍： only one skill ，打包Maestro-flow， 关键词：全自动推进、0-1、1-100、头脑风暴、路线图、行动规划、多agent开发、测试、debug、知识规范管理。 claude：采用结对，循环迭代skill设计，稳步推进。 codex：采用spawn_agent_on_csv机制，稳定挂起，子agent再也不会开小差。 安装 npm install -g maestro-flow #需要使用Maestro delegate 多cli功能 npm install -g maestro-flow-one maestro-flow install #默认安装到全局 codex配置 [features] enable_fanout = true multi_agent_v2=true default_mode_request_user_input = true goals = true 项目结构 +-- codex/maestro-flow/ # Codex variant -> .codex/skills/ | +-- SKILL.md # spawn_agents_on_csv executor | +-- commands/ (49) | +-- chains/templates.json +-- claude/maestro-flow/ # Claude variant -> .claude/skills/ | +-- SKILL.md # Skill() + delegate executor | +-- commands/ (49) | +-- chains/templates.json 如何使用 很简单,only one skill，支持单步command路由和多步command跟踪执行 /maestro-flow "XXXXXXXXXXXXX" 配合以下焚诀以及Maestro flow全面介绍 食用 Maestro-FLow codex 焚诀~~~配合/goal 闭环长时多agent推进 - 开发调优 - LINUX DO 【开源自荐】Maestro-FLow 工作流-实现Claude code&&Codex 自动推进/闭环治理/知识复用/团队协作/worktree并行/多cli调用 - 开发调优 - LINUX DO 项目地址： catlog22/maestro-flow: Workflow orchestration CLI with MCP endpoint support and multi-agent dashboard catlog22/maestro-flow-one: All Maestro workflow commands packaged as a single Claude Code skill — intent routing, decision gates, minimal closed-loop chains 佬友们帮忙给项目点一下 ，非常感谢 8 个帖子 - 6 位参与者 阅读完整话题
安装Codex 0.128+ 配置： [features] enable_fanout = true multi_agent_v2=true default_mode_request_user_input = true goals = true 使用焚诀 剧透 其他参考： 【开源自荐】Maestro-FLow 工作流-实现Claude code&&Codex 自动推进/闭环治理/知识复用/团队协作/worktree并行/多cli调用 开发调优 本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 项目介绍 … 1 个帖子 - 1 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 项目介绍 Maestro-FLow 是我对复杂软件系统开发的思考产物，项目开发借鉴了gsd的里程碑思想，同时将CCW中主要命令循环抽离出来，重新设计了产物体系及命令，深度优化每个命令流程衔接，形成从头脑风暴-路线图-分析-规划-执行-测试整个环境的闭环。此外，Maestro-FLow还包含wiki，spec，知识管理(学习，复盘),完整hook系统。前期介绍： [开源]CCW(claude-code-workflow)V7.X版本新增Cadence team和 codex csv spawn 工作流&&下一代工作流(maestro-flow)展望 - 开发调优 - LINUX DO 【长期贴】 Claude-code-workflow(CCW) --使用技巧分享-自认为最工程化的harness workflow - 开发调优 - LINUX DO 核心功能介绍 闭环自动推进 Maestro 的闭环推进系统是本项目的核心及特点。在项目开发前，我对每个命令衔接流程深入进行优化设计。 创新采用结对skill设计 ，实现workflow，局部chain稳定推进（支持codex和claude，codex单独优化），具体内容参考下述文档： Maestro 协调器 — 意图解析 → 静态命令链选择 → 分发执行，40+ 预定义链。 Maestro-Ralph — 闭环自适应推进，decision 节点动态扩展收缩，失败自动 debug → fix→ 重试，Passed Gates 跨重试跳过已通过质量门，full/standard/quick 三级质量管线。 Maestro Maestro Ralph 链类型 静态链，确定后不变 活链，decision 节点动态扩展 循环 无 闭环（失败 → debug → fix → 重试） Decision 节点 无 post-verify、post-review、post-test、post-milestone 适用场景 单次任务、明确意图 完整 milestone 生命周期推进 知识规范管理 Maestro 的知识管理分四层，spec，wiki，knowhow，learn。 spec 区别现有其他工作流，采用工作流及关键词双路径注入。主流程无需hook，基于Maestro 闭环工作流调用方式注入，按照coding/arch/quality/debug/test/review/learning阶段划分。关键词模式基于hook和subagent hook触发。 spec规范系统支持渐进式补充，在workflow推进流程下，各个环节命令针对分析，探讨结果，渐进式完善注入规范。 Wiki是将Maestro知识碎片（工作流产物）串成图谱，用 BM25做全文检索，能自动发现孤立节点和潜在关联，通过命令清理产物文件并生成摘要。 Knowhow偏实操经验，记录的是 session压缩、小贴士、可复用模板、操作配方、外部参考和关键决策等。 learn-*是一系列command，通过cc或codex调用，复盘看做过什么、跟读看AI怎么写、模式拆解看代码背后的设计意图、探究带着假设去验证。 针对双规注入设计了spec格式，spec中每个条目使用 闭合标签格式，keywords定义hook触发关键词： <spec-entry category="coding" keywords="auth,token,rotation" date="2026-04-21"> ### Token rotation needs email carried through refresh flow Revoked column must be set rather than deleting tokens. Refresh token generation must carry email from stored user data. </spec-entry> 多cli协作 相较于CCW，Maestro的命令流中的多cli调用采用基于角色形式嵌入方式，类似前述spec系统。调用分配固定角色并嵌入analyze，plan，execute等命令中，用户可以针对角色分配不同tool。支持通过绑定settings配置文件实现新工具注册，将workflow各个阶段映射到不同模型中。 maestro delegate-config # 启动 TUI maestro dc # 短别名 # 子命令（非交互） maestro delegate-config show # 文本输出当前配置 maestro delegate-config show --json # JSON 格式 maestro delegate-config roles # 查看角色映射 Workflow 环节 角色 功能 review.md Step 6.5 review critical/high 发现交叉验证，检测遗漏 debug.md Step 5.5 explore debug agent 前广域证据收集 verify.md V0.8 analyze 结构验证前反模式/完整性预扫描 plan.md P1 Step 5b explore 与并行探索同步，收集模式/依赖/冲突 test-gen.md Step 3.5 analyze 测试计划前边界条件和边缘场景分析 execute.md E2.5 Check 4 analyze wave 后语义验证（循环依赖/死代码/破坏性变更） milestone-audit.md Step 5.5 analyze 跨阶段导入一致性和类型匹配检查 其他功能介绍 Overlay 扩展 提供非侵入式的命令扩展机制 —— 在不修改原始 命令或者skill文件的前提下，注入自定义步骤、阅读要求、质量门禁等内容，Maestro升级后仍然可以保留。此外，Maestro 提供更自由工作流定义以及元skill（workflow-designer-skill），通过 Composer + Player 组合，可将自然语言描述转化为可复用，定制化的工作流模板，借助Maestro Ralph能力反复执行。 Worktree 里程碑级分支并行开发 Statusline 状态栏,行实时显示（模型/协调器进度/任务/团队/Git/Tokens/上下文），工作流时间线按artifact 类型着色（9 种） Team Lite 协作 2-8 人 Git-native 协作，心跳记录 + preflight 冲突预扫描 + 快速 sync，Spec三层加载（baseline + team + personal），Overlay 团队共享。 Hooks 系统 9 个 Hook，minimal/standard/full 三级累积安装。含上下文监控（四级 budget策略）、规范注入（按 agent-type 匹配）、Delegate监控、团队心跳及遥测采集、会话状态注入、Skill上下文注入、协调器追踪、关键文件保护 快速入门 CLaude： /maestro-ralph -y [复杂系统的完整描述,推荐使用文档形式引用] codex： $maestro-ralph -y [复杂系统的完整描述,推荐使用文档形式引用] 注意：codex 必须设置以下参数： [features] enable_fanout = true multi_agent_v2=true default_mode_request_user_input = true 项目地址： catlog22/maestro-flow: Workflow orchestration CLI with MCP endpoint support and multi-agent dashboard 文档站： Maestro Documentation 安装方式： npm install -g maestro-flow maestro install ## 安装工作流 maestro view 下面以图片介绍主要内容，具体的环节，命令可以参考文档站： 项目总体介绍 workflow执行链 知识管理体系 worktree 并行开发 Maestro 智能路由详解 如果你觉得项目不错，请点上 ，感谢佬们的支持！！ 5 个帖子 - 3 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 项目介绍 Maestro-FLow 是我对复杂软件系统开发的思考产物，项目开发借鉴了gsd的里程碑思想，同时将CCW中主要命令循环抽离出来，重新设计了产物体系及命令，深度优化每个命令流程衔接，形成从头脑风暴-路线图-分析-规划-执行-测试整个环境的闭环。此外，Maestro-FLow还包含wiki，spec，知识管理(学习，复盘),完整hook系统。历史回顾： [开源]CCW(claude-code-workflow)V7.X版本新增Cadence team和 codex csv spawn 工作流&&下一代工作流(maestro-flow)展望 - 开发调优 - LINUX DO 【长期贴】 Claude-code-workflow(CCW) --使用技巧分享-自认为最工程化的harness workflow - 开发调优 - LINUX DO Maestro-FLow 直观感受比gsd更快，比surperpower更规范，流程执行自动化程度更高。 Maestro-FLow实现了三个层次的智能路由命令（/Maestro /Maestro-coordinate（cli调用） /Maestro-link-coordinate（有向图跟踪）），同时针对codex的进行单独优化，在确定好路线图后，可以自动持续推进workflow的闭环开发。参考下述命令 CLaude： /maestro -y "实现用户认证系统" codex： $maestro -y "实现用户认证系统" 注意：codex 必须设置以下参数： [features] enable_fanout = true multi_agent_v2=true default_mode_request_user_input = true 项目地址： catlog22/maestro-flow: Workflow orchestration CLI with MCP endpoint support and multi-agent dashboard 文档站： Maestro Documentation 安装方式： npm install -g maestro-flow maestro install ## 安装工作流 maestro view 下面以图片介绍主要内容，具体的环节，命令可以参考文档站： 项目总体介绍 workflow执行链 知识管理体系 worktree 并行开发 Maestro 智能路由详解 Maestro 智能路由对比 如果你觉得项目不错，请点上 ，感谢佬们的支持！！ 21 个帖子 - 9 位参与者 阅读完整话题
用了站里佬友的 Maestro-Flow，一次 plan 给我规划了 30 个task。用 /effort max 一口气跑了2小时都还没停，已经做了18个task了。 max20x 已经用了60%的5h额度了，就怕跑一半给我封号 9 个帖子 - 4 位参与者 阅读完整话题