完整的终端 Agent 工具带
从自然语言目标到多模型编排、并发执行、长循环裁判、知识图谱、持久会话、Skills 与 MCP 扩展。
Wolfpack
把一个目标拆成可以同时推进的工作单元。每个 Agent 独立运行，结果在同一条执行线上汇合。
- 并行启动，不预设数量上限
- 7 种 profile 可直接调度
- 状态与结果集中回传
专业模型各自处理最擅长的工作
Agent Orchestration
用 DAG 表达任务依赖，并为每个子代理独立配置模型。让代码模型负责编码、推理模型负责规划与审查、长上下文模型负责知识整理，每个模型做自己最擅长的工作。
- 每个 profile 可独立选择模型
- 任务依赖与上下文自动传递
- 专业模型各自处理最擅长的工作
Goal Loop
每次循环都把关键笔记重新注入内存，让长循环上下文不失真；执行 Agent 与独立裁判解耦，由裁判判断继续迭代还是收敛，直到拿到可验证结果。
- 每轮自动注入工作笔记与关键事实
- 长循环保持目标、约束与上下文一致
- 独立裁判决策继续、终止或验收结果
- 最终交付可验证结果，而不是中途回答
SAG Knowledge
新一代多跳能力增强的知识图谱型知识库：沿实体、关系与历史经验进行多步关联检索，为 Agent 返回可执行上下文，是真正适用于 Agent 的长期知识系统。
- 知识图谱实体与关系建模
- 多跳关联推理与上下文拼接
- 跨会话长期记忆和经验复用
- 面向 Agent 行动而非只返回文档
认证系统为何触发权限异常？READY查询沿知识图谱进行多跳扩展，再组合成 Agent 可直接使用的上下文。
多跳关联知识
TOP 3一个真正面向执行结果的终端 Agent
Scream Code，也可写作 scream-code、screamcode 或 screamAgent，是面向开发者与企业团队的开源 CLI Agent。它不是只生成一次回答的聊天壳，而是将任务拆解、多代理与多模型编排、无限并发、长循环记忆注入、独立裁判、知识图谱和企业级权限控制组合成完整执行运行时。
与 Claude Code、Codex 等 AI 编程工具一样，Scream Code 工作在开发者熟悉的终端；差异在于它更强调多代理协作、每个子代理独立模型配置、持续目标循环、可观察执行和面向 Agent 的多跳知识系统。
关于 Scream Code
FAQ / ZH01Scream Code 是什么？
Scream Code 是开源、跨平台的 CLI 终端 AI Agent，集成 Wolfpack 并发、多代理多模型编排、Goal Loop 独立裁判、SAG 多跳知识图谱、MCP、Skills 和企业级权限模式。
02子代理可以使用不同模型吗？
可以。coder、explore、plan、verify、reviewer、oracle、writer 等 profile 可以分别绑定不同模型或模型别名，让代码、推理、检索和长上下文模型各自负责擅长的工作。
03Goal Loop 为什么适合长任务？
它在每轮循环重新注入工作笔记和关键事实，降低长循环上下文失真；独立裁判根据结果决定继续或收敛，直到产出可验证结果。
04SAG 与普通向量知识库有什么不同？
SAG 将向量检索与知识图谱关系结合，支持实体与关系的多跳关联，返回 Agent 能直接用于决策和行动的组合上下文。
05Scream Code 是否适合企业安全场景？
Scream Code 支持本地运行、分级权限模式、工具审批与可观察任务状态，便于企业按自己的模型、服务和安全策略进行配置。
把下一项复杂工作交给终端。
三步启动 Scream Code，保留你熟悉的 shell 工作流。
npm install -g scream-code 3 步启动 ↓
- 01安装 CLI
安装到当前机器
npm install -g scream-code - 02启动 TUI
进入交互式终端
scream - 03输入目标
开始执行与协作
> /goal your goal