Chimera Factory

AI代理：阅读 .cursor/rules 第一。此存储库遵循规范驱动开发——实现代码必须与 specs/ 目录。

🏭 奇美拉项目：自主影响力工厂

一个生产就绪的代理框架，用于构建研究、生成和参与的自主人工智能系统，所有这些都不需要人为干预。

  ](Dockerfile)  

______________________________________________________________________

🎯 什么是奇美拉计划？

奇美拉项目是 工厂 用于构建自主的人工智能影响者——在网络生态系统中独立运作的数字实体。与依赖脆弱提示的传统人工智能项目不同，Chimera使用 规范驱动开发（SDD） 规范是真理的来源。

核心能力

• 🔍 趋势研究：自动从Twitter、新闻API和Reddit发现热门话题
• 🎨 内容生成：生成具有人物角色一致性的多模式内容（文本、图像、视频）
• 💬 敬业度管理：管理跨平台（推特、Instagram、TikTok）的社交媒体互动
• 🌐 网络集成：参与OpenClaw代理社交网络进行发现和协作
• 🛡️ 循环中的人类：基于信任的升级确保安全和质量

______________________________________________________________________

🚀 快速开始

先决条件

• Python 3.12+（请检查 python3 --version)
• Docker和Docker Compose
• Git

安装

# Clone the repository
git clone https://github.com/habeneyasu/chimera-factory
cd chimera-factory

# Copy environment template
cp .env.example .env
# Edit .env with your API keys and configuration

# Install dependencies
make setup

# Start services (PostgreSQL, Weaviate, Redis, API)
make docker-up

# Run tests
make test

访问服务

• API文档: http://localhost:8000/api/v1/docs
• HITL审查界面: http://localhost:8000/static/hitl-review.html
• PostgreSQL：本地主机：5433
• Weaviate: http://localhost:8080
• 瑞迪斯：本地主机：6380

______________________________________________________________________

🏗️ 建筑

系统架构

graph TB
    subgraph "Spec-Driven Core"
        S[Specs Directory] --> P[Planner Agent];
        P --> T[Task Decomposition];
    end

    T --> W[Worker Agents];
    
    subgraph "Agent Skills"
        W --> R[Trend Research];
        W --> G[Content Generation];
        W --> E[Engagement Mgmt];
    end

    subgraph "External World"
        API[Social/News APIs];
        OC[OpenClaw Network];
    end

    subgraph "Data & Runtime"
        DB[(PostgreSQL)];
        VEC[(Weaviate)];
        KV[(Redis)];
        DOCKER[Docker Runtime];
    end

    R & G & E --> API & OC;
    R & G & E --> DB & VEC & KV;
    
    S --> J[Judge Agent];
    DB --> J;
    J --> A[Approval/Audit];

    style S fill:#f9f,stroke:#333
    style P fill:#bbf,stroke:#333
    style W fill:#bfb,stroke:#333
    style J fill:#fbf,stroke:#333

规范驱动开发

所有实施均遵循 specs/ 目录：

• specs/_meta.md -主规范和愿景
• specs/functional.md -用户故事和要求
• specs/technical.md -API合同和数据模型
• specs/openclaw_integration.md -网络集成计划

代理技能

代理可以执行的模块化功能：

1. skill_trend_research -来自多个来源的研究趋势
2. skill_content_generate -生成多模式内容
3. skill_engagement_manage -管理社交媒体参与度

每种技能都有一个定义良好的契约（JSON模式）和Pydantic模型。

技术栈

• 后端：FastAPI（Python 3.12+）
• 数据库PostgreSQL（事务性）、Weaviate（语义内存/RAG）、Redis（缓存/队列）
• 应用程序编程接口：推特、新闻、Reddit、Ideogram、Runway、Instagram、TikTok
• 网络：OpenClaw代理社交网络（具有本地主权运行时的安全性）
• 容器化：Docker和Docker Compose（多阶段构建，显式依赖锁定）
• 安全：气隙本地执行环境、禁止操作的遏制策略、资源配额和自动升级触发器

______________________________________________________________________

📁 项目结构

chimera-factory/
├── specs/              # Specifications (source of truth)
│   ├── _meta.md       # Master specification
│   ├── functional.md  # User stories
│   ├── technical.md   # API contracts
│   └── database/      # Database schema & ERD
├── src/               # Python package
│   └── chimera_factory/
│       ├── api/       # FastAPI routes
│       ├── skills/    # Agent skills implementation
│       ├── api_clients/ # External API integrations
│       ├── db/        # Database models
│       └── openclaw/  # OpenClaw network integration (Local Sovereign Runtime)
├── skills/            # Skill contracts (JSON Schema)
├── tests/             # Test suite (contract, unit, integration)
├── docs/              # Documentation
└── .cursor/           # AI co-pilot rules

______________________________________________________________________

✨ 主要特点

______________________________________________________________________

🤖 面向人工智能代理和开发人员

最高指导原则

始终检查 specs/ 在编写代码之前。

开发流程

1. 阅读规格：检查 specs/ 需求目录
2. 编写失败的测试：通过创建合同测试来实现TDD，这些测试定义了AI要填补的“空槽”
3. 实施：准确编码规范定义的内容
4. 验证：运行 make test 并验证规格是否与完全可追溯性一致
5. 提交：在提交消息中包含规范引用

可用命令

make setup      # Install dependencies
make test       # Run test suite
make docker-up  # Start all services
make docker-db  # Start only database services
make docker-down # Stop all services
make clean      # Clean build artifacts

______________________________________________________________________

📚 文档

• 贡献指南: CONTRIBUTING.md -开发工作流程、提交约定和PR流程
• 架构决策记录: docs/adr/ -关键架构决策和备选方案
• AI审查设置: docs/AI_REVIEW_SETUP.md -CodeRabbit和治理管道配置
• 安全策略: specs/security_policy.md -包含禁止操作、资源配额和升级触发器的遏制策略
• 前端要求: specs/frontend_requirements.md -HITL审查界面和代理监控仪表板
• API文档: docs/API.md
• Docker指南: docs/DOCKER.md
• MCP集成: docs/MCP_INTEGRATION.md
• 测试标准: docs/TEST_CRITERIA.md
• 主规范: specs/_meta.md

______________________________________________________________________

🌟 为什么是奇美拉计划？

大多数人工智能项目之所以失败，是因为它们依赖于脆弱的提示，缺乏明确的规范，也没有系统的质量方法。Chimera项目通过将规范视为真理的来源来解决这些基本问题，使AI代理能够自信地自主构建特征。

核心见解：与其构建另一个聊天机器人或内容生成器，我们正在构建 工厂 这使得AI代理能够自己构建这些系统。这种架构方法将人工智能从工具转变为主要的构建者。

我们正在建设工厂，而不是产品。 该存储库的架构使AI代理可以在最小的人为冲突下自主构建功能。

______________________________________________________________________

🔗 链接

• 仓库:
• 规格: specs/ 目录
• 测试标准: docs/TEST_CRITERIA.md -全面的测试标准
• 模型上下文协议: https://modelcontextprotocol.io

______________________________________________________________________

📄 许可证

MIT许可证-有关详细信息，请参阅许可证文件。