Name: friday-ai
Author: friday-ai-codes

English

Friday AI 是一个开源的 AI 开发自动化平台。用一句话说：它把飞书里的需求，自动变成可以审查的代码 PR。

需求进来后，Friday 会先读懂它、翻代码、写出技术方案；等团队确认后，再让 AI 在隔离环境里写代码、提 PR，并把每一步进度同步回飞书。人负责把关，Friday 负责跑腿。

它解决什么问题 · 它怎么工作 · 它能做什么 · Skill · Graph RAG · 快速开始 · 文档

它解决什么问题

想象一个研发团队里每天都在发生的场景：

产品经理在飞书项目里建了个需求——“购物车页面加一个优惠券入口”，附上需求文档，把状态拖到“待开发”。接下来呢？有人要去读文档、翻代码、评估改动范围、写技术方案，然后开发、提 PR、找人 review。每一步都在等人，信息散落在文档、群聊和代码仓库三个地方。

接上 Friday 之后，这条链路变成：

Friday 监听到工作项状态变化，自动拉取需求描述、评论和关联文档；
在已建好索引的代码仓库里检索相关文件、函数和调用关系；
生成一份技术方案，写回飞书字段或文档；
Tech Lead 看完方案，在飞书卡片上点“确认”；
Friday 调度 Claude Code 在隔离容器里改代码、跑代码审查、整理分支；
PR 链接、审查摘要和执行记录发回飞书群。

人始终在关键节点把关：方案要人确认，代码要人 review。Friday 接手的是中间那些读文档、翻代码、来回同步进度的体力活。

执行过程也不是黑盒。分支、提交、PR / MR、代码审查、检索证据、模型用量和失败恢复点都记录在同一条轨迹里，团队看到的不是一句“AI 已完成”，而是一段可以追问、可以审查、可以继续推进的工程过程。

Friday 已经深度集成飞书，但不是只为飞书而生：核心能力是工作流编排、代码智能和可审计的 Agent 执行，后续也可以接入更多协作入口。

名词速查

正文里会反复出现这几个词：

名词	含义
PR / MR	Pull Request / Merge Request，提交代码供团队审查、合并的请求。GitHub 叫 PR，GitLab 叫 MR。
Claude Code	Anthropic 出品的 AI 编程工具，Friday 用它来实际写代码。
Graph RAG	Friday 的代码检索方式：先按语义找到相关代码，再沿调用关系把上下游一起找出来。
Runner	Friday 的任务调度器，负责创建隔离的 Docker 容器，AI 编码都在容器内进行。
工作流	“触发 → 取需求 → 生成方案 → 等确认 → 写代码 → 通知”的可视化编排，在网页上拖拽搭建。
Agent Skill / MCP	让 Cursor、Claude Code 这类本地 AI 助手调用 Friday 代码索引与执行能力的接入方式。

它怎么工作

Friday AI 工作流

整个系统分四块：Web 控制台（看板、流程编辑器、对话）、Server（工作流引擎和代码智能）、Runner（调度隔离容器）、Task（容器里跑 Claude Code）。需求从飞书或网页进来，沿着你编排的工作流往前走；每个节点的输入输出、模型用量和失败恢复点都会被记录，随时可以回看。

它能做什么

场景	实际例子	Friday 怎么推进
需求从飞书进入开发	工作项状态变成“待开发”，评论里补了一个需求文档链接。	监听飞书事件，拉取工作项、评论、关系和文档内容，生成技术方案，等确认后再派发编码任务。
方案要先评审	Tech Lead 想先看风险、改动范围、测试建议，而不是让 AI 直接改代码。	用 Graph RAG 找代码证据，生成方案并回填飞书字段或文档，通过卡片 / 字段等待人工确认。
跨仓改造	前端页面要改接口参数，后端 handler、调用方、类型定义和测试可能分散在不同仓库。	通过语义检索、代码图谱和跨仓 API 关系找到上下游，拆出仓库任务矩阵，再分别执行。
群里持续协作	执行中缺字段、缺截图、需要确认分支或要通知结果。	飞书机器人在群聊 / 私聊里发送问题卡片、审批卡片、代码审查卡片和结果通知。
用户自己问代码库	“这个支付回调现在走哪几个入口？”“这个组件还有哪些调用方？”	在 Friday Web Chat 里选择已索引仓库，模型可以调用检索和代码浏览工具回答。
用 Agent Skill 增强自己	你在 Cursor / Claude Code / Codex 里写代码，希望 AI 助手直接调用 Friday 的代码索引、Graph RAG 和执行工具。	`npx @friday-ai-codes/skills` 安装全部 Skill，配合 `@friday-ai-codes/mcp` 做仓库发现、分析、计划、执行和 MR 创建。
AI 代码审查	Claude Code 改完之后还需要一轮自动 review 和可读摘要。	工作流可以接 `ai_code_review`，把审查结果、分支摘要和 PR / MR 信息回写到飞书。

飞书深度集成，但不绑定飞书

Friday 当前对飞书的集成已经很深，不只是发通知。

集成面	已有能力
飞书项目	项目空间绑定、插件凭据、Webhook token、工作项详情、字段、关系、评论、状态流转和触发日志。
飞书文档	识别文档链接，读取云文档，把飞书块转成 Markdown，也能把 Markdown 写回文档，支持表格、代码块和引用。
飞书机器人 / IM	发送文本和卡片、更新卡片、读取群聊历史、下载消息资源、检查或邀请机器人入群，处理群聊和私聊。
飞书卡片回调	审批、方案确认、补充信息、代码审查、编码结果等卡片都有对应回调。
飞书工作流节点	`feishu_event_trigger`、`fetch_work_item`、`wait_feishu_field`、`notify_feishu`、`fetch_group_chat`、`join_group_chat` 等节点可以直接拖进工作流画布。
MCP / Agent 工具	`get_feishu_work_item_context` 聚合工作项、关系、评论和文档；`create_feishu_technical_plan` 结合代码证据生成并写回方案。

飞书是 Friday 现在打磨得最完整的协作入口。Friday 的底层模型仍然是“协作入口 + 工作流 + 代码智能 + Runner”，所以以后接入其他项目管理、文档、IM 或自动化系统时，不需要推翻这套主流程。

Agent Skill 和代码索引增强

如果你平时在 Cursor / Claude Code / Codex 里写代码，Friday 还能当它们的“代码库后台”：仓库先在 Friday 里完成索引，本地 AI 助手就能直接查整个仓库（甚至多个仓库）的代码关系，而不是只靠当前窗口里打开的几个文件猜上下文。

三步接入：

创建访问令牌：登录 Friday Web 控制台 → 个人资料 → 访问令牌 → 创建（明文只显示一次）。
配置连接（交互式中文向导：凭证问答 → 注册 MCP server → 连通性测速 → 能力演示）：
```
npx -y @friday-ai-codes/mcp setup
```
安装 Skill（中文向导，自动嗅探 Claude Code、Cursor、Codex 等宿主，包含从需求路由到 MR 创建的 4 个 skill）：
```
npx @friday-ai-codes/skills
```
交互模式下装完技能会自动检测连接配置，没配好会直接接力拉起第 2 步的向导——先跑哪步都能闭环。

之后 AI 助手就能用同一套索引做仓库发现、Graph RAG 分析、代码计划、计划修订、远程执行、分支总结和 MR 创建。这部分适合两类人：一类是在 Friday Web 里点流程的人，另一类是在本地 IDE 里写代码的人。前者拿到可视化工作流，后者拿到可调用的代码智能工具；底层证据和审计轨迹是同一套。详见 Friday Codebase Agent 指南。

Graph RAG 有什么不一样

先解释一下 RAG：它是“先从资料库里检索相关内容，再交给模型回答”的常见做法，能让 AI 基于你的代码和文档说话，而不是凭记忆瞎猜。但代码和普通文档不一样——一个函数的影响面藏在调用链里，光靠“找相似的文本”经常找不全。

普通 RAG、普通 Graph 和 Friday 的 Graph RAG 解决的问题不一样：

类型	它擅长什么	它容易漏掉什么
普通 RAG	根据语义相似度找到几段文本，适合回答文档类问题。	代码里的调用链、导入关系、跨文件影响、前后端接口关系经常不在相似文本里。
普通 Graph	展示符号、文件、调用、依赖之间的关系，适合导航结构。	只有图很难理解“这个需求在说什么”，也很难把证据压成模型刚好能用的上下文。
Friday Graph RAG	先用语义和关键词召回相关 chunk，再沿代码图谱做一跳 / 二跳扩散，并补上跨仓 API 关系。	它不是单纯的可视化图谱，而是为了让 Agent 改代码时拿到更接近真实影响面的证据。

Friday 的索引会结合符号解析、Qdrant 混合检索、图谱扩散、跨仓 API 关联和 token 预算控制。最终进入模型的不是一堆散落片段，而是“需求 + 相关文件 + 符号 + 邻居关系 + 跨仓线索”的组合上下文。

AI Provider、对话和多模态

Friday 内置 Web Chat，也能在工作流、技术方案生成、代码分析和 Agent 工具里使用模型能力。你需要在界面里配置对应 Provider 的 Key 或服务地址。

当前 Provider 层支持：

Provider	用途
Anthropic Claude	Claude 模型、Claude Code 执行、方案生成、代码分析和审查。
OpenAI Responses API	OpenAI 新版 Responses 能力，适合对话、推理和工具调用。
OpenAI Chat Completions	兼容 Chat Completions 的模型和网关。
Google Gemini	Gemini 模型、推理和视觉能力。
Ollama	本地或私有部署模型，适合内网实验和轻量场景。

Friday 会识别模型输入模态。当前 Web Chat 已支持图片上传链路，支持 PNG、JPEG、GIF、WebP；如果你选择的模型支持视觉输入，Friday 可以把图片作为多模态消息的一部分发给模型。模型是否支持图片、推理、流式输出和工具调用，最终取决于你选择的 Provider 和模型配置。

快速开始

前置要求很简单：安装 Docker、Docker Compose v2 和 Git。

克隆仓库并初始化本地环境：
```
git clone https://github.com/friday-ai-codes/friday-ai.git
cd friday-ai
scripts/setup.sh
```
这一步会准备本地运行所需的配置和数据目录。你不需要自己 build 镜像。
启动 Friday：
```
docker compose up -d
```
Compose 会启动 Web、Server、Runner、PostgreSQL、Redis 和 Qdrant。
打开 Web 界面：

入口地址

Friday Web http://localhost:10240

API 文档 http://localhost:10240/docs
配置 AI Provider：

在界面里添加 Anthropic、OpenAI、Gemini 或 Ollama 的凭据。配置完成后，Friday 的 Web Chat、技术方案生成、工作流 AI 节点和 Agent 工具才能调用模型。
接入并索引仓库：

连接 GitHub / GitLab 仓库，选择默认分支并建立索引。索引完成后，Chat、Skill、Graph RAG、技术方案和代码执行才会拥有代码上下文。
可选：接入飞书：

如果你的团队使用飞书，可以绑定飞书项目、文档目录、机器人、Webhook 和相关字段。这样需求、审批、通知和结果回写都会出现在飞书工作台里。
跑第一条链路：

你可以从 Web Chat 问一个已索引仓库的问题，也可以从飞书工作项或工作流模板触发“生成方案 -> 人工确认 -> Claude Code 执行 -> PR / MR”的完整流程。
可选：在 IDE 里使用 Friday Skill：

先在个人资料页创建访问令牌，然后两条命令接入（中文交互式向导）：
```
npx -y @friday-ai-codes/mcp setup    # 配置连接 + 注册 MCP + 测速
npx @friday-ai-codes/skills          # 安装 4 个 skill 到本机 agent
```
Cursor / Claude Code / Codex 就能直接调用 Friday 的代码智能与执行工具。

文档

完整文档站：https://friday-ai-codes.github.io/friday-ai/（涵盖部署、核心技术实现、集成与 API 参考）。

文档	内容
快速开始	本地部署、创建第一个项目、测试工作流。
工作流指南	工作流节点、触发器、执行记录和调试。
管理指南	用户、权限、OIDC、Runner 和运维配置。
Friday Codebase Agent	Agent Skill 一键安装、MCP server、Graph RAG 分析和 MR 创建。
代码智能层	Graph RAG、跨仓 API 关联、Galaxy 图谱和 MCP 工具。
API 参考	REST API 文档。
Task 执行器	Claude Agent SDK / Claude Code task 容器。
English README	英文版 README。

贡献者

感谢每一位贡献者，欢迎提 Issue 和 PR 加入进来。

Star History

License

Friday AI 使用 MIT License 发布。

入口	地址
Friday Web	http://localhost:10240
API 文档	http://localhost:10240/docs