多智能体自动完成需求到PR
AutoDev Studio 是一个端到端的 AI 驱动 SDLC 系统，用户用自然语言描述需求后，多智能体团队自动完成需求分析、编码、测试、代码审查并提交 PR，且基于仓库知识库而非盲目检索。它把 token 消耗和成本追踪透明化到看板，对需要控制 AI 编程成本的团队有实际价值。
Autonomous multi-agent SDLC harness: describe a feature in plain English and AI agents scope, code, test, review, and open a PR — grounded in a one-time knowledge base of your repo.
当前 AI 编程工具的主流痛点是每次任务都冷启动检索代码库，导致 token 浪费和上下文碎片化。AutoDev Studio 的解法是先构建仓库知识库再分派任务，这跟 Devin、Cognition 的思路接近，但开源且把成本核算做进了工作流看板。
跟同样开源的 OpenHands（原 OpenDevin）相比，它的差异化在于强制引入了人工审批节点（Approved 状态）和 QA 环节，更适合企业内部的合规流程，而非个人快速原型。107 stars 说明早期关注度不错，但 19 forks 意味着还没形成社区贡献。
如果你团队已经在用 Cursor 或 GitHub Copilot 但苦于无法自动化端到端交付，或者想降低 AI 编程的不可控成本，这个项目的架构值得参考。建议先跑通它的 cost accounting 模块，对比一下自己现有方案的 token 开销。
面向中小团队的轻量化AI-SDLC工具，强调成本透明与知识库驱动
独特价值：一次性知识库 grounding + 实时成本看板，解决AI编程黑盒与预算失控痛点