ruflo Claude-Flow CLI 速查手册:从系统管理到多智能体编排的完整命令实战指南
本文以仓库内置的 .claude/commands/claude-flow-help.md 帮助文档为骨架,结合 @claude-flow/cli(即 ruflo 的 Claude Code 编排命令行)源码逐条展开,整理成一份可直接查阅、可验证的 CLI 命令参考。读完你可以掌握系统启动/监控、Agent 生杀、任务编排、记忆存取、SPARC 开发工作流、Swarm 协同与 MCP 接入的完整命令面,并理解每条命令背后在仓库中的实现位置与真实参数语义,从而在自己的 Claude Code 环境中落地一套可复用的多智能体开发流程。
这份帮助文档在仓库中的定位
claude-flow-help.md 是随 CLI 一起分发、供 Claude Code 斜杠命令直接调用的内嵌命令帮助页(frontmatter 中 name: claude-flow-help、description: Show Claude-Flow commands and usage)。它在仓库中存在三个同源副本:
- 根目录副本 .claude/commands/claude-flow-help.md(本文默认引用对象);
- CLI 包内副本 v3/@claude-flow/cli/.claude/commands/claude-flow-help.md(随 npm 包发布,
files清单包含.claude); - MCP 包内副本 v3/@claude-flow/mcp/.claude/commands/claude-flow-help.md。
更有意思的是初始化逻辑:在 v3/@claude-flow/cli/src/init/executor.ts 中,claude-flow-help.md、claude-flow-swarm.md、claude-flow-memory.md 三个文件被归入 core 核心命令集,意味着每次执行初始化时这三份帮助文档会被安装进用户工作区,之后可以直接在 Claude Code 中通过 /claude-flow-help 唤出命令速查。
从包描述(v3/@claude-flow/cli/package.json)看,这份 CLI 是 ruflo 面向 Claude Code 的编排工具,声明支持 60+ 专业 Agent、Swarm 协同、MCP Server、自学习 Hooks 与向量记忆。命令的顶层注册集中在 v3/@claude-flow/cli/src/commands/index.ts,其中 start、task、agent、swarm、memory、mcp 六个命令为同步加载的核心命令,其余按需懒加载以控制启动时间——这也是帮助文档把命令分成六大类的原因。
安装与初始化
帮助文档给出的初始化入口为:
npx -y claude-flow@latest init --sparc
--sparc 表示初始化时同时铺设 SPARC 开发方法论相关的工作流与模式命令。init 阶段会执行上文提到的 executor.ts 的"核心命令集"安装逻辑(core: ['claude-flow-help.md', 'claude-flow-swarm.md', 'claude-flow-memory.md']),把速查页写入 .claude/commands/。
初始化完成后,推荐直接用本地启动器:
./claude-flow --help
而不再每次敲 npx claude-flow。这一点与帮助文档"Best Practices"中的建议一致,也和 package.json 里注册的两个 bin(claude-flow、claude-flow-mcp)对应——前者是编排 CLI 入口,后者是 MCP Server 入口。
命令全景速查
帮助文档按职责把命令划分为六个域。下表为总览,每个域后文逐条展开并结合源码补充参数细节。
| 分类 | 命令族 | 一句话用途 |
|---|---|---|
| System Management | start / status / monitor / stop |
编排系统的生命周期与状态 |
| Agent Management | agent spawn/list/info/terminate |
智能体创建、查看与回收 |
| Task Management | task create/list/status/cancel/workflow |
任务级编排 |
| Memory Operations | memory store/query/stats/export/import |
跨会话持久记忆 |
| SPARC Development | sparc / modes / run / tdd / info |
结构化软件开发工作流 |
| Swarm Coordination | swarm + --strategy/--background/--monitor/--ui/--distributed |
多 Agent 蜂群协同 |
| MCP Integration | mcp status/tools/config/logs |
MCP 工具面管理 |
| Claude Integration | claude spawn / batch |
增强引导的 Claude 子进程 |
System Management:系统生命周期管理
帮助文档给出的系统管理命令:
./claude-flow start # 启动编排系统
./claude-flow start --ui # 带交互式进程管理 UI 启动
./claude-flow status # 查看系统状态
./claude-flow monitor # 实时监控
./claude-flow stop # 停止编排
在最新源码中,status 命令的实现(v3/@claude-flow/cli/src/commands/status.ts)远比"查看状态"更丰富,可以作为日常监控的进阶入口:
./claude-flow status—— 查看整体系统状态;./claude-flow status --watch—— 持续刷新的看板模式(--watch -i 5可设 5 秒刷新间隔);./claude-flow status --health-check—— 执行健康检查后退出;./claude-flow status --json—— 输出机器可读的 JSON 状态;./claude-flow status agents/status tasks/status memory—— 分别深入 Agent、任务、记忆的明细。
从源码结构看,帮助文档里的 monitor 可以理解为这类实时状态监控的统一别名:status --watch 提供了进程看板,agent health --watch 提供了 Agent 粒度的 5 秒刷新监控(见下文),Swarm 场景则可用 swarm --monitor。建议把 ./claude-flow status --health-check 纳入 CI 或开机自检脚本,用退出码判断编排系统是否健康。
Agent Management:智能体的创建与回收
帮助文档的命令面:
./claude-flow agent spawn <type> # 创建新 Agent
./claude-flow agent list # 列出活跃 Agent
./claude-flow agent info <id> # 查看 Agent 详情
./claude-flow agent terminate <id> # 停止 Agent
对应实现集中在 v3/@claude-flow/cli/src/commands/agent.ts,需要注意:实际 CLI 采用显式标志(flag)而非纯位置参数。spawn 子命令(agent.ts)支持的参数包括:
| 标志 | 别名 | 说明 | 默认值 |
|---|---|---|---|
--type / -t |
必填 | Agent 类型,来自 AGENT_TYPES 枚举 |
无(缺省报错) |
--name / -n |
可选 | Agent 名称/标识 | 自动生成 |
--provider / -p |
可选 | 模型供应商(anthropic/openrouter/ollama) | anthropic |
--model / -m |
可选 | 指定模型 | 跟随 provider |
--task |
可选 | 交给 Agent 的初始任务 | 无 |
--timeout |
可选 | 超时(秒) | 300 |
--auto-tools |
可选 | 是否自动启用工具调用 | true |
仓库内代码示例提供了两种标准用法(agent.ts):
claude-flow agent spawn --type coder --name bot-1
claude-flow agent spawn -t researcher --task "Research React 19"
AGENT_TYPES 内置类型横跨编码、研究、安全、记忆与架构等角色,例如 coder、researcher、optimizer、security-architect、security-auditor、memory-specialist、swarm-specialist、performance-engineer、core-architect、test-architect 等。这些角色与 plugin/agents 目录下的 Agent 定义(goal、github、hive-mind、flow-nexus 等)一一呼应,用户可先 /claude-flow-help 或 agent spawn 交互提示中的选择列表确认真实可用的 type 名。
其余子命令同样在 agent.ts 中落地:list(支持 --all 包含非活跃 Agent、--type 过滤类型、--status 按 active/busy/idle/terminated 过滤,内部调用 MCP 工具 agent_list);info 展示单个 Agent 状态详情;terminate(源码别名 kill)支持 --force 强制停止与优雅关闭超时。在此基础上源码还延伸出 pool(Agent 池与自动伸缩,如 pool --size 5、pool --min 2 --max 15)和 health(健康与指标,可 --watch 每 5 秒刷新),适合规模化团队做容量管理。
Task Management:任务编排
./claude-flow task create <type> "description" # 创建任务
./claude-flow task list # 列出全部任务
./claude-flow task status <id> # 查看任务状态
./claude-flow task cancel <id> # 取消任务
./claude-flow task workflow <file> # 执行工作流文件
任务管理模块的源码入口是 v3/@claude-flow/cli/src/commands/task.ts,与 Agent 命令互补:Agent 是"角色",Task 是"要被完成的动作"。生产建议是遵循帮助文档 Quick Examples 的组合模式——用 agent spawn 造出带 --task 初始目标的角色后,用 task list/status 追踪其执行;需要跑"预设流程"时,仓库还单独提供了顶层 workflow.ts 命令执行工作流配置文件,仓库中的真实工作流定义可参考 .claude/workflows(如 full-system-test.js、intelligence-system-hardening.js)与 v3/@claude-flow/cli/src/commands/workflow.ts。
Memory Operations:跨会话持久记忆
./claude-flow memory store "key" "value" # 存储数据
./claude-flow memory query "search" # 检索记忆
./claude-flow memory stats # 记忆统计
./claude-flow memory export <file> # 导出记忆
./claude-flow memory import <file> # 导入记忆
记忆系统是 ruflo 强调"跨会话上下文"能力的关键一环。帮助文档 Quick Examples 特别展示了带命名空间的写入方式:
./claude-flow memory store "project_requirements" "e-commerce platform specs" --namespace project
--namespace 在源码中是一等公民:内存入读、查询都围绕 namespace 做隔离与过滤(v3/@claude-flow/cli/src/commands/memory.ts)。例如当查询命中了多个 namespace 时,CLI 会提示你补上 --namespace <name> 缩小范围;而 purge 这类破坏性操作强制要求显式传 --namespace,如 memory purge --namespace stale-cache --dry-run(先预览)与 --force(免确认批量清理),防止误删。也就是说,建议养成"每条记忆都归入 namespace"的习惯,既保证检索准确,又让后续按项目/模块做导出、导入与清理变得安全可控。
更进一步的实现细节可从以下文件印证:内存命令族还包含 memory-backup(commands/memory-backup.ts)与 memory-distill(commands/memory-distill.ts),前者负责导出备份,后者对记忆做蒸馏压缩;底层向量存储与检索则由 commands/memory.ts 联动 ruvector/AgentDB 完成。
SPARC Development:结构化开发工作流
./claude-flow sparc "task" # 运行 SPARC 编排器
./claude-flow sparc modes # 列出全部 SPARC 模式
./claude-flow sparc run <mode> "task" # 以指定模式运行
./claude-flow sparc tdd "feature" # TDD 工作流
./claude-flow sparc info <mode> # 查看模式详情
SPARC 是 ruflo 内置的结构化软件交付方法论,其方法论四支柱(Specification → Pseudocode → Architecture → Refinement,配合 Coding)可在 plugin/agents/sparc 下找到对应 Agent 文档:specification.md、pseudocode.md、architecture.md、refinement.md。实际可用的模式命令则沉淀在 .claude/commands/sparc 目录下,共 32 个模式文档,覆盖一条完整研发链路:
- 拆解/分析:
analyzer、researcher、architect、spec-pseudocode; - 开发实施:
coder、code、designer、integrator、debugger、optimizer; - 质量保障:
reviewer、tester、tdd、security-review、documenter、post-deployment-monitoring-mode; - 团队协作:
orchestrator、swarm-coordinator、workflow-manager、batch-executor; - 专项:
mcp、memory-manager、supabase-admin、tutorial等。
帮助文档中"17+ 模式"的说法随版本演进已扩展——以 .claude/commands/sparc 实际文件数为准(32 个)。想查看当前环境全量模式,直接运行 ./claude-flow sparc modes;而 sparc tdd "user authentication" 则是把"红-绿-重构"塞进单一命令的高频用法,可与 .claude/commands/sparc/tdd.md 中定义的步骤对照执行。
Swarm Coordination:多 Agent 蜂群协同
./claude-flow swarm "task" --strategy <type> # 以指定策略启动蜂群
./claude-flow swarm "task" --background # 长时后台任务
./claude-flow swarm "task" --monitor # 带监控
./claude-flow swarm "task" --ui # 交互 UI
./claude-flow swarm "task" --distributed # 分布式协同
Swarm 命令源码位于 v3/@claude-flow/cli/src/commands/swarm.ts。结合实现来看,帮助文档的简写形式在 CLI 中由 swarm start 承担,其核心标志为:
-o, --objective:蜂群要完成的目标/任务(如-o "Build REST API");-s, --strategy:执行策略,交互模式下会弹出选择器,默认回落到development(另有adaptive等,swarm.ts);--parallel:开启并行执行(如swarm start -o "Analyze codebase" --parallel);--monitor:实时监控执行过程。
对应帮助文档的语义:
| 速查写法 | 实际落地 | 适用场景 |
|---|---|---|
swarm "task" --strategy development |
swarm start -o ... -s development |
默认分工明确的多角色开发 |
swarm "task" --monitor |
加 --monitor 标志 |
需要实时进度跟踪 |
swarm "task" --background |
长耗时任务放后台(配合文档建议 >30 分钟必用) | 后台/无头运行 |
swarm "task" --distributed |
依赖环境中的分布式运行时 | 跨节点/容器协同 |
从仓库结构推断,策略与角色规划(getAgentPlan(strategy))会在启动时按策略展开成具体的 Agent 组合,例如 development 策略会派出专门化角色;adaptive 则依据任务特征动态选型。想深入了解蜂群本身的编排策略,可直接阅读 .claude/commands/swarm(含 development/analysis/testing/optimization 等分域示例与 swarm-background/swarm-monitor/swarm-strategies 专项文档)以及配套的 .claude/commands/claude-flow-swarm.md 帮助页。
MCP Integration:工具面管理
./claude-flow mcp status # MCP Server 状态
./claude-flow mcp tools # 列出可用工具
./claude-flow mcp config # 查看配置
./claude-flow mcp logs # 查看 MCP 日志
MCP 命令注册于 v3/@claude-flow/cli/src/commands/mcp.ts。ruflo 的 MCP Server 与 CLI 共用配置上下文,接入点在 .claude/mcp.json 与 v3/@claude-flow/cli/src/mcp-server.ts。实用建议:
- 环境刚就绪或模型切换后先跑
./claude-flow mcp status,确认 Server 在线; ./claude-flow mcp tools全量盘点当前可用工具面(Agent 编排、记忆、GitHub、浏览器等能力都以 MCP 工具形态暴露,agent.ts 中的agent_list/agent_terminate正是 CLI 回调 MCP 工具的例子);- 排查工具"消失"或权限问题时看
./claude-flow mcp logs与mcp config,核对 Server 是否被正确加载。
Claude Integration:增强引导的 Claude 子进程
./claude-flow claude spawn "task" # 以增强引导生成 Claude 子进程
./claude-flow claude batch <file> # 执行工作流配置文件
claude 命令面服务于"以增强引导运行 Claude Code"的场景:claude spawn 为单个任务拉起一个注入了 guidance/引导上下文的 Claude 进程;claude batch <file> 则按配置批量执行。这与仓库把 @claude-flow/codex 一并纳入依赖的做法互为印证(v3/@claude-flow/cli/package.json),说明编排层对不同模型后端做了抽象;若你的团队同时使用 Codex,可参考 plugin/agents/dual-mode 中的 codex-coordinator.md / codex-worker.md / dual-orchestrator.md,以双模式协调器统一派发任务。
组合实战示例
把上面的命令面串成真实工作流(帮助文档 Quick Examples 的完整展开):
1) 启动编排系统并做健康自检:
./claude-flow start
./claude-flow status --health-check
2) 启动一个"构建 REST API"的开发蜂群(带监控与代码评审):
./claude-flow swarm "Build REST API" --strategy development --monitor --review
3) 用 TDD 模式实现用户认证:
./claude-flow sparc tdd "user authentication"
4) 沉淀项目级上下文,供跨会话复用:
./claude-flow memory store "project_requirements" "e-commerce platform specs" --namespace project
5) 按角色分工生成专业 Agent(带优先级):
./claude-flow agent spawn researcher --name "Senior Researcher" --priority 8
./claude-flow agent spawn developer --name "Lead Developer" --priority 9
6) 执行预设工作流配置并清理闲置 Agent:
./claude-flow task workflow .claude/workflows/intelligence-system-hardening.js
./claude-flow agent list --status idle
./claude-flow agent terminate <id> --force # 或别名 ./claude-flow agent kill <id>
最佳实践与运维建议
帮助文档给出的五条最佳实践,结合源码可进一步落到可执行动作:
- 初始化后用
./claude-flow而非npx claude-flow:本地启动器避免每次拉包、锁版本,也保证 init 安装的.claude/commands/帮助集(含本速查页)持续可用; - 重要上下文写入 memory 实现跨会话持久化:统一加
--namespace,项目级用project类命名空间,配合memory stats关注库体量、memory export定期备份(破坏性purge必须先--dry-run预览); - 复杂任务交给 Swarm:先在
swarm start的交互选择器里挑 strategy,默认development,复杂任务考虑adaptive,必要时swarm init预设拓扑与最大 Agent 数; - 实时进度用监控三件套:进程级
status --watch -i 5、Agent 级agent health --watch、蜂群级swarm --monitor; - 超过 30 分钟的任务放后台:配合
--background运行,再以status/agent list/swarm状态命令轮询结果,避免占用交互终端。
进一步阅读
本文只是命令面速查,更深的"为什么"与"怎么配"可以从以下仓库内部资源继续:
- .claude/commands/claude-flow-swarm.md 与 .claude/commands/claude-flow-memory.md:与本文同批由 init 安装的两份专项帮助文档;
- v3/@claude-flow/cli/README.md 与 v3/@claude-flow/cli/CLAUDE.md:CLI 包自述与开发约束;
- .claude/commands/sparc 与 .claude/commands/swarm:32 个 SPARC 模式与 17 个 Swarm 命令的逐条定义;
- .claude/agents 与 plugin/agents:Agent 类型目录,可对照
agent spawn --type的候选值与各角色实际职责; - v3/@claude-flow/cli/src/commands/index.ts:顶层命令注册表,查看最新命令全集与加载策略。
说明:帮助文档末尾原有的 Documentation / Examples / Issues 外链指向上游项目页面;在当前仓库中,请以本仓库上述内部路径为准进行阅读与验证。文中命令在不同版本间存在简写与全称差异,实际可用参数与类型以
./claude-flow <command> --help输出为准。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0629
Hy4-previewHy4 preview 是由腾讯混元团队研发的新一代混合专家(MoE)旗舰模型。模型总参数量 770B,每个 token 激活 49B,主干共包含78层,第一层采用标准 FFN,其余 77 层均为 MoE 结构,每层包含 256 个路由专家与 1 个共享专家,每个 token 激活 top-8 路由专家及共享专家。主干之外原生内置 1 层 MTP(总参数量 10B,激活 0.7B)以支持投机解码。Python00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
GLM-5.3-FlashGLM-5.3-Flash (320B-A18B),是GLM-5系列的首个原生多模态模型。320B总参数,能力超过GLM-5.2Jinja00
Spark-X2.5-4BSpark-X2.5-4B 旨在让强大的 AI 更实用、更高效、更易获得。在广泛日常任务中表现强劲,涵盖对话、写作、翻译、推理、编码、工具调用以及智能体工作流,并在同等规模的开源模型中取得领先成绩。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00