返回博客
Galen Guan

Fusion 工作流：多智能体软件工厂与自动化交付实践

在当下的技术与数字化创作领域，“Fusion 工作流”主要指向两大代表性体系：

  1. AI 软件工程编排体系（Runfusion / Fusion 软件工厂）：面向多智能体协同开发、自动化从自然语言需求推进到生产级代码交付的 Agent 工作流。
  2. 专业影视影视后期与三维合成体系（DaVinci Resolve Fusion）：好莱坞工业级影视合成与动态视觉特效所采用的节点式（Node-based）图形处理流。

在当前的 AI 协作研发和前沿自动化工具生态中，以开源多智能体软件工厂 Runfusion/Fusion 为代表的“全流程 AI 编程与交付工作流”正在引发广泛关注。本文将重点深度拆解 Runfusion 软件工厂工作流，并在文末横向对比影视级节点合成工作流，全面解构这一范式。

一、诞生背景：从“聊天框生成代码”到“流水线造软件”

过去开发者使用 AI 辅助编程，主要依赖 Copilot 补全或在对话框中“输入 Prompt $\rightarrow$ 复制代码”。这种方式面对复杂工程时常面临三大瓶颈：

  • 无状态与幻觉（Stateless & Hallucination）：无法通盘阅读工程架构，生成的补丁缺乏上下文约束。
  • 环境污染与写冲突（Workspace Pollution）：AI 在主开发分支上直接修改，一旦改挂代码库难以回滚，多任务无法并行。
  • 缺少质量把关门控（Lack of Quality Gates）：缺少编译、静态检查、单元测试及严密的 Code Review 审查闭环。

Runfusion/Fusion（开源多节点智能体编排器）提出了 “Software Factory（软件工厂）” 的工作流哲学：把每一次功能开发、Bug 修复当成流水线工单，通过多角色 Agent 协同、Git 工作树物理隔离和质量门控，实现从自然语言需求到工业级生产代码的全自动交付。

二、Fusion AI 工作流核心运转流程

Fusion 多智能体软件工厂核心工作流架构

Fusion 将软件开发抽象为一个确定性的看板推进流：

阶段一：意图解析与规格规划（AI Planning）

  • 输入：用户输入自然语言需求，或直接从 GitHub Issue 自动拉取工单。
  • 项目探测：规划智能体（Planning Agent）深入读取代码库上下文、配置文件及目录结构。
  • 固化契约：生成标准化的 PROMPT.md 任务计划书，明确划分：
    • 具体执行步骤（Steps）
    • 允许修改的文件范围边界（Scope）
    • 最终验收标准（Acceptance Criteria）与测试要求

阶段二：Git 工作树物理环境隔离（Worktree Isolation）

  • 为了避免多任务并行时冲突，系统会为每个任务从当前分支派生出独立的 Git 工作树（如 fusion/FN-123）。
  • 多个 AI Agent 可以在各自隔离的物理目录中独立拉取依赖、编码、运行测试，互不抢占、零工作区写冲突。

阶段三：逐步执行与双重审核闭环（Stepwise Loop）

Fusion 最具特色的机制是“每步一审”的微循环（Stepwise coding）：

  1. 子步骤规划（Plan）：针对当前步骤明确具体实现动作。
  2. 计划审核（Review 1）：审核智能体审查该步骤的实现逻辑，若发现偏差即打回修订。
  3. 执行编码（Execute）：执行器智能体落地代码修改。
  4. 代码审查（Review 2）：检查代码 Diff、变更质量与破坏性改动。通过后才推进至下一步骤。

阶段四：合并前与合并后门控（Workflow Quality Gates）

  • 合并前门控（Pre-merge Gates）：执行测试套件、构建编译和安全静态扫描。若任一指标未达标，严禁合入主分支。
  • 内容绑定证明（Content-binding Review Proof）：系统通过对源码及审查内容做数字指纹（Fingerprint）锁定，防止未经验证的代码合入。

阶段五：智能交付（Merge & Ship）

  • 依据配置策略，通过门控的代码可由系统自动执行干净的 Squash-Merge，或一键自动生成规范的 GitHub Pull Request，移交团队 Review。

三、Fusion 预置工作流目录

Fusion 提供了多种开箱即用的工作流图谱（Workflow DAG），适配不同的工程场景：

工作流名称 对应标识符 适用场景与运行特点
Coding (默认) builtin:coding 完整的 Stepwise 渐进开发流程：逐步规划、执行并跑完最终审查。
Quick Fix builtin:quick-fix 针对简单 Bug 修复、文案调整或轻量调研，精简冗余审批环节。
Review-Heavy builtin:review-heavy 针对支付、鉴权或核心基础设施代码，加入强制安全专项审查。
Compound Engineering builtin:compound-engineering 涵盖计划制定、文档审查、工程实现与经验捕获（Learnings）沉淀闭环。
Marketing / Design builtin:marketing / design 跨界内容与设计流水线，将交付物固化为 Task Document 供人工验收。

四、关键技术特性与生态协同

  • 多节点网格调度（Multi-Node Mesh）：支持在本地工作站、云端 Linux 服务器或随身移动端无缝同步看板状态与 Agent 运行日志。
  • 可插拔运行时（Runtimes）与模型无关：支持对接 Claude、OpenAI、本地 Ollama，并可通过专用插件对接外部 Agent 引擎，实现多角色能力互补。
  • 智能体间协作网络（Agent Mail & Chat Rooms）：智能体之间通过内置“邮箱”和“群聊房间”传递工单、澄清歧义并协调架构归属，无需人工频繁穿梭协调。

五、延伸对比：影视后期中的 DaVinci Fusion 工作流

如果你在视觉合成、影视后期或三维动画中听到“Fusion”，它指的是 Blackmagic Design 旗下的 DaVinci Resolve Fusion 影视级节点式合成工作流：

  • 图层堆叠 vs 数据流节点：传统剪辑/修图软件使用自下而上的“图层堆叠”（类似 Photoshop / After Effects），图层越深越难维护；DaVinci Fusion 采用从左至右的有向无环图（DAG）节点树，每个节点只做一项原子运算（如抠像、跟踪、模糊、遮罩），数据沿着连线流动。
  • 非破坏性编辑：任何一个环节都可以随意插入、断开或替换节点，修改中间某个参数不会破坏整体画面渲染链路。
  • 三维空间与脚本自动化：内置真实三维空间摄像机、粒子系统，并支持通过 Lua/Python 脚本和数学表达式控制属性。

六、总结与内链思考

无论是 Runfusion 软件工程工作流 还是 DaVinci 影视合成工作流，其底层贯穿的核心设计思想高度一致：

  1. 解耦与原子化（Decoupling & Modularity）：将复杂庞大的目标拆分为互不干扰的原子步骤（Agent 子任务 vs 独立节点）。
  2. 流程可见与非破坏性（Traceability & Non-destructive）：每个改动均有轨迹可查，中间状态随时可审查与回滚。
  3. 流水线编排（Pipeline Orchestration）：摆脱粗放的手工单点操作，利用结构化图谱把意图稳定、高效地转化为最终生产成果。

延伸阅读与相关链接