Hive 是什么?1.1 万星的 YC 多智能体运行时,不画流程图,先自己干一遍再招人(基础篇)

Hive 是什么?1.1 万星的 YC 多智能体运行时,不画流程图,先自己干一遍再招人(基础篇)

Hive 这个名字在 GitHub 上一搜能出来几十个,认准 aden-hive/hive 这一个:2026 年 1 月 12 日建库,到现在 11,149 星、5,633 fork、3,487 次提交、230 个贡献者,Apache-2.0,背后是 YC 公司 Aden。

它跟 Dify、LangGraph 那一路最大的区别,是它压根不让你画图。

先说它在干什么

你把一句「我要什么结果」扔给一位 Queen。Queen 是长期存在的智能体,有角色(增长、RevOps、内容、获客、外呼、品牌设计六位开箱即用,一共 13 位,也能自己造),有自己的 markdown 记忆。

然后它做四件事:

  1. 只问你一个会改变答案的问题,比如「只算首次发布,还是所有发布都算」。
  2. 提议组一个蜂群,几件事就几个 worker,你点头。
  3. 先亲自做第一条(pilot),边做边把「什么算合格」定下来,方法存成一个 skill。
  4. 用 run_worker 分发。默认 4 个并发,其余排队;每个 worker 是 Queen 的克隆,工具集更窄,带硬性的轮次和工具调用上限。

结果不留在上下文里,而是 upsert 进 tracker,一张共享的 SQLite 表,路径在 ~/.hive/colonies/<名字>/tracker/tracker.db。Queen 最后用 SQL 查还差哪几行,逐行核对再回答。跑长任务用 run_playbook,带重试、退避、限速通道和死信列表,中断了重跑就从没做完的行接着干。

这套设计的意思很明确:编排不是提前编译出来的图,是运行时的一次工具调用。崩溃恢复也在这个循环里:每个 agent 的状态落盘,大块工具结果溢出到文件而不是塞进上下文,长会话自动压缩,绕圈子的回合会被抓出来掐掉。

Hive 一次蜂群运行:Queen 先做 pilot,方法存成 skill,run_worker 并发分发,结果写进共享 tracker,最后逐行核对
Hive 的一次蜂群运行。没有事先连好的边,蜂群是 Queen 在运行时拉起来的。

装起来

Python 3.11+、Node 20+、git,clone 完跑 ./quickstart.sh(Windows 用 quickstart.ps1)。脚本自己装 uv 和 ripgrep,然后问你想用哪个模型,选项是:Anthropic、OpenAI、Gemini、Groq、Cerebras、OpenRouter 的 key,或者你已经在付钱的 Claude Code、Codex、Kimi Code、MiniMax、Z.AI、Antigravity 订阅,或者 Ollama 本地跑,一分钱 key 都不用。密钥加密存在 ~/.hive,跑完自动打开 127.0.0.1:8787 的控制台。

11 月 2 日的 1.0.14 补了两件不小的事。配置里多了独立的 Models 页,主模型、worker 模型、视觉兜底分开挑,本地 Magpie 在跑的话会被自动发现,任何 OpenAI 兼容地址(Ollama、vLLM、LM Studio、网关)填进去就能列模型。另一件是 Queen 能给自己写技能了,写进自己名下直接生效,想写进全局技能库得先过你这一关:弹窗把技能名、描述、文件、正文全摊开,关掉不算拒绝,请求会留着,重启也还在。

不想 clone 也行,pip install "aden-hive[tools]" 之后 hive open。

顺手说几个 README 里没大吹但挺实用的:内置工具在进程内跑(shell、改文件、代码搜索、PDF、图片、抓网页、ECharts/Mermaid 图表、CSV、生图),不用另起工具服务器;Chrome 扩展 Browser Bridge 让 agent 在你已登录的浏览器里干活,每个 worker 一个标签组;MCP 用 hive mcp add 接;技能走 Agent Skills 格式;能按 cron、间隔、webhook 自己醒;Sentinel 会在 Queen 停住时推她一把,或者直接推到你收件箱、Telegram、Slack。

说实话

一,1,096 个未关闭 issue,对 1.1 万星来说这个数字很扎眼。版本倒是勤,10 月 26 日 1.0.13、11 月 2 日 1.0.14,但摊子铺得快,踩坑概率不低。

二,没有美元预算上限。轮次、工具调用、并发数都有硬上限,每次模型调用也计量,但「这个月最多花多少钱」这个开关还没有。挂个贵模型让它自己跑一夜,账单是你的。

三,概念密度不低:queen、colony、pilot、playbook、tracker、sentinel,六个词得先背下来。相比之下 Dify 那种「应用 + 工作流」的两层心智模型对新手友好得多。

四,它自己在 README 里写了:单条 prompt、一次性脚本,用普通 agent 更省事。这话挺实在。

它的记忆成绩倒是给了完整对照:LongMemEval-S 88.4%、M 82.0%;同一个模型直接读全历史是 96.8%,但 M 那一档 110 万 token 根本塞不进上下文。能塞下时读全量更准,塞不下时记忆是唯一选项,这个对比没藏着掖着。

至于社区挂在 README 里的 HoneyComb,用算力代币押「哪个岗位会被 AI 自动化」的市场,看看就好,别当产品功能。

谁该上手

手上有一批同质的活(线索、账号、工单、仓库、文档),要并发、要每次做法一致;活要跑几小时或按点跑,崩了要能续;结果要能查能审计;关键决策还得人拍板。这几条对上两条以上,Hive 值得花一个下午。

反过来,你要是就想把五步流程连起来、每天定时跑一次,LangGraph 或者 n8n 那条路更省心。Hive 卖的不是画布,是活干到一半断了还能接着干、干完了有一张表可以查。

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注