Show HN: BoundFlow – AI代理的開源控制平面

BoundFlow 是一個開源的控制平面，專為長期執行、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執行。其核心功能包括每次執行的成本上限、基於成本或迴圈策略的自動模型切換、敏感操作前的人工審批門、工具呼叫限制、重試、冷卻以及版本化回滾。開發人員可以使用簡潔的非同步 SDK 編寫代理和工作流，而控制平面負責排程、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——因為它執行整個工作流，而不僅僅是模型呼叫：排程每次執行、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：執行時策略（如每次執行硬性成本上限）、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）。這些策略透過伺服器端評估和 SDK 端執行，每次呼叫都會收整合本、令牌數、LLM 呼叫、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。你的工作執行緒透過 gRPC 連線後端，在你的環境中使用你的 Anthropic 金鑰執行實際代理。後端負責排程、分發、治理和審計，但從不接觸你的金鑰或推理流量。後端由單個二進位制檔案以三種程序模式執行（伺服器、排程器、工作執行緒），共享同一個 Postgres 資料庫。

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 支援透過 LangChain 整合任何工具呼叫型聊天模型，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：設定資料庫密碼、啟動後端、配置 API 金鑰、安裝 SDK，然後執行示例代理。可觀測性基於 OpenTelemetry 原生實現，可匯出到 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），引擎已透過 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使用者一起執行。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。