搜索「Approval」的结果

io.github.meltingpixelsai/harvey-budget

智能体支出管理：预算跟踪、ROI 分析与支出审批。

io.github.mova-compact/mova-flat-runner

为 Claude 与 MCP 客户端提供带人工审批关卡与审计轨迹的受治理 AI 工作流。

global.signals/signals-mcp

63 个 MCP 工具，用于忠诚度计划、奖励与会员运营，支持 HITL 人工审批。

io.github.Acacian/aegis

基于策略的 AI 智能体工具调用治理：YAML 策略、审批门禁与审计日志。

io.github.tponscr-debug/oracle-h

为 AI 智能体设置人工审批闸门，关键操作由人通过 Telegram 批准或驳回。

io.github.andrewszk/clawvault-mcp-server

AI 智能体支付安全——消费限额、白名单与人工审批。

io.github.kar69-96/agentpay

需人工批准的 AI 智能体支付：本地优先、凭据加密并带预算控制。

io.github.affaan-m/ECC/orch-pipeline

orch-* skill 家族共用的编排引擎。定义带门槛的“调研-规划-TDD-评审-提交”流水线、规模分类器、代理映射，以及两个由 orch-* 操作 skill 委派使用的人工关口。通常不直接调用；当某个 orch-* skill 委派其带门槛的调研-规划-TDD-评审-提交流水线时生效。

io.github.affaan-m/ECC/counterparty-channel-discipline

Per-channel strict prompts, mention gating, silent observation, and a communication autonomy policy for agents that sit in shared channels with external counterparties. Use when an agent joins group chats, shared channels, or DMs where outsiders can read every message and you need it to speak only when addressed, never leak internal context, and route risky content to draft-only approval.

io.github.paperclipai/paperclip/prepare-mcp-integration

通过引用式调研、内容 PR、精确版本人工审批，为每个已批准的连接提交一个受管控的 Paperclip connector PR，完成 MCP/厂商集成。适用于新集成的调研与交付；不适用于绕过流程手册的临时 connector 编码。

io.github.CherryHQ/cherry-studio/code-mate-hermes

以一次性模式运行 Hermes Agent 处理有界的本地任务。当用户明确要求把工作委派给 Hermes 并接受其自动工具批准行为时使用。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.XiaomiMiMo/MiMo-Code/codex

在非交互 headless 环境中运行、配置与排查 OpenAI Codex CLI。适用于 Bash 或 PowerShell、原生 Windows 或 WSL2、shell 脚本、CI/CD、Docker、Kubernetes、远程服务器、agent harness 或批处理任务中的 Codex 自动化；用于构造 `codex exec` 命令、选择 sandbox 与审批模式、消费 JSONL 事件或结构化输出、恢复会话、经 stdin 传递提示，以及处理因缺少交互输入导致的失败（如 `request_user_input`）。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.wshobson/agents/review-agent-setup

在 Claude Code 中为 AI agent 的评审动作配置人工审核卡点。当项目中的 agent 可能发布 PR 评审、评论、合并或修改 CI 配置时使用，可生成带 Cedar 强制卡点、密码学可审计的审批记录。

io.github.linq2db/linq2db/api-baselines

刷新 Source/ 下的 API 兼容性基线（CompatibilitySuppressions.xml）。删除现有抑制文件，通过 `dotnet pack -p:ApiCompatGenerateSuppressionFile=true` 重新生成，然后审查 diff，把一切非 `LinqToDB.Internal.*` 的 API 变更标记出来提请用户显式批准。

io.github.nexu-io/open-design/review-animations

依据 Emil Kowalski 设计工程理念形成的高标准审查动画与 motion 代码。默认从严标记问题，通过需靠实力赢得。

io.github.mlflow/mlflow/pr-review

审查一个 GitHub 拉取请求，并输出经过校验的本地评审结果载荷（评论与批准决定）。

io.github.wshobson/agents/deployment-pipeline-design

设计带审批卡点、安全检查与部署编排的多阶段 CI/CD 流水线。适用于设计零停机部署流水线、制定金丝雀发布策略、搭建多环境晋级工作流，或排查 CI/CD 中失败的部署卡点。

io.github.danielmiessler/Personal_AI_Infrastructure/src

接收来自外部来源的既有内容，按 PAI 目标分类体系为每个分块归类，并在批准后携带溯源提交。来源：.md/.markdown/.txt、stdin、PAI TELOS/MEMORY/KNOWLEDGE 目录、CLAUDE.md/.cursorrules/OpenAI Custom Instructions、Obsidian/Notion/Apple Notes 导出、日记转储。MigrateScan.ts 负责分块与分类，生成含各目标计数与置信度百分比的路由表。MigrateApprove.ts 审批循环：--approve-all、--approve-target、--review、--dry-run。UNCLEAR 永不批量批准。Phase 6 输出总结，并对稀疏区域建议 /interview。置信度：≥70% 自动批准；40-70% 确认；<40% 逐条走查。目标位置：TELOS（MISSION/GOALS/PROBLEMS/STRATEGIES/CHALLENGES/BELIEFS/WISDOM/MODELS/FRAMES/NARRATIVES/SPARKS）、IDEAL_STATE（逐维度显式确认）、preferences（BOOKS/AUTHORS/MOVIES/BANDS/RESTAURANTS/FOOD_PREFERENCES/LEARNING/MEETUPS/CIVIC）、Identity（PRINCIPAL_IDENTITY.md——总是提示确认）、Knowledge（MEMORY/KNOWLEDGE/{Ideas,P

io.github.openakita/openakita/python-sdk

inference.sh 的 Python SDK——运行 AI 应用、构建 Agent、接入 150+ 模型。包名：inferencesh（pip install inferencesh）。支持同步/异步、流式输出、文件上传。可用模板或即席模式构建 Agent，配合 tool builder API、技能与人工审批。适用：Python 集成、AI 应用、Agent 开发、RAG 流水线、自动化。触发词：python sdk、inferencesh、pip install、python api、python client、async inference、python agent、tool builder python、programmatic ai、python integration、sdk python

io.github.sickn33/antigravity-awesome-skills/deployment-pipeline-design

多阶段 CI/CD 流水线的架构模式，包含审批门禁与部署策略。