Show HN: BoundFlow – AI代理的開源控制平面

BoundFlow 是一個開源的控制平面，專為長期運行、有狀態的 AI 代理工作流而設計。它強制實施一系列安全護欄，確保代理在無人值守時仍能可靠運行。其核心功能包括每次運行的成本上限、基於成本或循環策略的自動模型切換、敏感操作前的人工審批門、工具調用限制、重試、冷卻以及版本化回滾。開發人員可以使用簡潔的異步 SDK 編寫代理和工作流，而控制平面負責調度、分發和治理。

與許多其他工具不同，BoundFlow 不監視代理，而是進行干預。它同時作用於代理層和工作流層：在代理層限制花費、中途切換模型；在工作流層對風險步驟進行人工確認、冷卻、回滾或暫停。它擁有工作流級別的感知能力，而不僅僅是代理感知——因為它運行整個工作流，而不僅僅是模型調用：調度每次運行、跨步驟傳遞狀態、從故障中恢復，並驅動工作流完成整個生命週期。

BoundFlow 的治理分為三層：運行時策略（如每次運行硬性成本上限）、代理生命週期策略（如超過預算時降級模型）和工作流生命週期策略（如連續失敗後自動回滾到已知良好版本）。這些策略通過服務器端評估和 SDK 端執行，每次調用都會收集成本、令牌數、LLM 調用、工具計數和失敗等指標。

架構方面，BoundFlow 後端作為控制平面，可以自託管或使用 BoundFlow Cloud。你的工作線程通過 gRPC 連接後端，在你的環境中使用你的 Anthropic 密鑰運行實際代理。後端負責調度、分發、治理和審計，但從不接觸你的密鑰或推理流量。後端由單個二進制文件以三種進程模式運行（服務器、調度器、工作線程），共享同一個 Postgres 數據庫。

SDK 使用示例簡單明瞭：只需定義工作流和代理，控制平面自動應用策略。此外，BoundFlow 支持通過 LangChain 集成任何工具調用型聊天模型，也可以與 LangGraph 結合，讓 LangGraph 負責路由，而 BoundFlow 治理每一步。工作流是多步驟且有狀態的：一個操作可以暫停等待人工決策，然後繼續執行後續步驟。

快速入門只需幾步：設置數據庫密碼、啓動後端、配置 API 密鑰、安裝 SDK，然後運行示例代理。可觀測性基於 OpenTelemetry 原生實現，可導出到 Jaeger、Tempo、Langfuse 等後端。同時提供持久的、可查詢的審計日誌，記錄所有審批和策略決策。

BoundFlow 目前處於公開預覽階段（pre-1.0），引擎已通過 Go、模擬 LLM 和真實 LLM 測試套件驗證，但尚未在生產環境中與外部用户一起運行。API（包括 gRPC protobuf）可能在 1.0 之前發生變化。團隊正在尋找早期採用者和設計合作伙伴。