企业官网建设流程全解析

OpenRig rig stream详解：实时观察Agent输出的流式通道（完整指南）

【免费下载链接】openrigMulti-agent harness that runs Claude Code and Codex together as one system项目地址: https://gitcode.com/GitHub_Trending/op/openrig

OpenRig 是一个多智能体（Multi-agent）驾驭框架，它把 Claude Code 和 Codex 组合成同一支队伍来管理。当你同时运行多个 AI Agent 时，最头疼的就是"每个 Agent 在各自的终端里刷屏，输出分散且无法追溯"。rig stream就是 OpenRig 提供的实时流式观察通道：它是一条只追加（append-only）的 Agent 输出流，你可以随时向其中写入观察、按时间查询历史，甚至用一条命令像"直播"一样实时看每个 Agent 说了什么。

为什么需要 rig stream 这个流式通道

想象一个由 8 个 Agent 组成的团队在同一个代码仓库里工作：

每个 Agent 的终端输出是独立且易失的——你关掉终端，过程就看不见了。rig stream把关键信息收进一条统一的、持久化、只追加的信息流中：

• 写入即留痕：每条消息由 Agent 会话发出后永久保留在 daemon 的 SQLite 数据库里（stream_items表），写入后不可修改，只能归档；
• 实时可观察：通过 SSE（Server-Sent Events）通道，你连接上就能先回放历史、再实时接收新消息；
• 身份可信：消息来源由传输层身份（bearer 身份）确定，而不是消息体里自报家门，无法冒充其他 Agent。

对新手来说，可以把它理解成"整个 Agent 团队的群聊广播流 + 完整聊天记录"。

前置准备：先跑起来一个 rig

rig stream依赖 daemon 在后台运行，所以先确认你的 rig 已经启动。最简单的路径：

npm install -g @openrig/cli rig up first-project --cwd .

启动后可以用rig tui --shared打开共享仪表盘看团队全景（拓扑图、上下文用量、状态），而rig stream则负责"逐字逐句"地看每个 Agent 的输出细节。

rig stream 五个核心子命令一览

rig stream的所有子命令都通过 daemon 的 HTTP API 工作（源码见 stream.ts）：

实时观察Agent输出：rig stream watch 实战

这是rig stream最核心的用法：

rig stream watch

连接成功后，daemon 会先把已有消息回放一遍，然后持续实时推送新消息，每一行显示：

[2026-09-17T16:45:06Z dev-owner@factory] 已完成候选改动，等待 review

如果你要把它接进脚本或二次开发，加--json即可，每行输出一个完整的StreamItemJSON 对象：

rig stream watch --json

下面是一段 10 秒的真实录制：左侧是拓扑树，右侧面板里 lead、driver、qa 等 Agent 的状态与输出正在实时更新——这正是流式通道在后台默默支撑的"现场感"：

两个实用提醒📌

• watch只建立一条连接，断线后不会自动重连，需要重新执行命令；
• 它要求 daemon 正在运行，daemon 未启动时命令会直接失败退出。

写入流消息：rig stream emit 与提示标签

任何 Agent 座位都可以向流中追加一条观察：

rig stream emit --source dev-owner@factory --body "发现数据库迁移缺失，已提交候选补丁"

除了正文，还可以附带**提示（hint）**元数据，方便后续分拣：

• --hint-destination：期望由哪个座位处理；
• --hint-type：类型，如review、handoff、idea；
• --hint-urgency：紧急度routine/urgent/critical；
• --hint-tags：逗号分隔的标签；
• --interrupt：标记为打断型消息。

这些 hint 就是list命令中--hint-destination、--tag过滤项的依据。另外--id提供幂等性：相同的stream_item_id重复提交只会返回同一行，适合脚本重试。

历史查询与归档：list / show / archive

回放历史是流式通道的另一半价值——输出不会随终端关闭而消失：

# 只看某个 Agent 最近 20 条输出 rig stream list --source dev-owner@factory --limit 20 # 按时间窗口 + 标签精确过滤 rig stream list --since 2026-09-17T00:00:00Z --tag review # 按 ID 看单条 / 软归档 rig stream show <streamItemId> rig stream archive <streamItemId>

注意两点：--tag是精确成员匹配而非子串匹配；归档是"软"操作，审计行永久保留，只是默认不出现在list里（加--include-archived可查）。

stream 与 queue 的分工：什么时候用哪个

OpenRig 的协作层分了两档（详见 coordination-primitive.md）：

• rig stream（L1 层）：轻量、只追加的"观察与接收"通道。适合播报进展、抛出想法、留痕审计——它不承担任务的领取、流转与关闭；
• rig queue（L3 层）：有状态的"工作队列"，支持 claim、handoff、闭单原因等完整生命周期。真正需要把一块工作交给别人跟进时，用 queue。

简单记忆：stream 用来"说"，queue 用来"派活"。流式消息的读取接口还支撑着实验性的流分类 worker（见 stream-classifier-worker.md）。

幕后原理速览：SSE + SQLite

整条链路很短，理解它有助于排障：

1. CLI 只通过 HTTP 调用 daemon API：POST /api/stream/emit、GET /api/stream/list、GET /api/stream/sse（路由实现见 routes/stream.ts）；
2. daemon 将消息写入 SQLite 的stream_items表（只追加，仅archived_at可被更新），领域逻辑在 stream-store.ts；
3. watch消费的是 SSE 端点：先由数据库做初始回放，再由事件总线把新消息实时推给当前连接，每条消息对应一行data:帧（SSE 消费逻辑见 stream.ts 的consumeWatch）。

也就是说，"实时观察"= 数据库里的历史回放 + 事件总线的直播推送，二者在同一条 SSE 连接上无缝衔接。

常见问题清单 🔍

完整的命令行参考可在 cli-reference.md 的 "Coordination Primitive" 一节查到。

小结

rig stream用最小的代价给多 Agent 团队装上了"行车记录仪 + 直播间"：

• 一条命令rig stream watch实时看所有 Agent 的输出；
• 只追加、持久化到 SQLite，历史永远可查、不可篡改；
• 配合 hint 元数据与归档机制，轻松从信息流中分拣出需要处理的信号。

下次你的 Agent 团队开始干活，先开一个rig stream watch——比逐个切终端看输出高效得多。

【免费下载链接】openrigMulti-agent harness that runs Claude Code and Codex together as one system项目地址: https://gitcode.com/GitHub_Trending/op/openrig