# Big Iron

> 仓库地址：https://github.com/supermodeltools/bigiron
> 作者/组织：Supermodel Tools
> 成熟度：beta (deprecated)
> 分析日期：2026-04-15

## 一句话总结
一个已弃用的实验原型，将 Hermes Agent 与 Supermodel Code Graph API 集成，用持久化代码图（call graph/dependency graph/domain graph/AST）替代传统文件加载，实现 AI-native 的 8 阶段 SDLC 流程。

## 项目定位与架构
Big Iron 的核心理念是：AI agent 不应该"读文件"，而应该"查询代码图"。通过 Supermodel 的 multi-layered code graphs 提供结构化代码理解，使 agent 在每个 SDLC 阶段获得精确的上下文。

三组件架构：Supermodel MCP Server（持久化代码图，含 call graph/dependency graph/domain graph/AST）→ Hermes Agent（执行每阶段 skills）→ Phase Gates（graph-diff 验证质量检查点）。

8 阶段 SDLC：Planning（graph-grounded scoping）→ Architecture Check（循环依赖/分层违规检测）→ Code Generation（graph-aware 生成）→ Quality Gates（新 edge 和 coupling 变化验证）→ Test Ordering（拓扑排序确保依赖顺序）→ Code Review（graph-enriched feedback）→ Refactor（leaf-first sequencing + debt scoring）→ Health Cron（夜间自主健康检查 + drift detection）。

**注意：已弃用，功能迁移至 supermodel CLI 的"supermodel factory"。**

## 关键技术特性
- **Graph-based 上下文**：替代传统文件加载，查询 call/dependency/domain/AST 四层代码图
- **8 阶段自主 SDLC**：从 planning 到 nightly health check 全覆盖
- **Phase Gates**：graph-diff 验证，无需人工 gatekeeping
- **三种运行模式**：`factory run`（完整 8 阶段）、`factory health`（只读评估）、`factory improve`（评估+重构）
- **CI 集成**：`graph_gate.sh` 脚本返回 PASS/FAIL exit codes
- **Self-improvement**：完成任务后系统增强自身

## 设计亮点与创新
"代码图优先"的思路在 AI coding agent 领域颇具前瞻性——相比让 LLM 读取原始文件，结构化的 graph API 提供了更精确的上下文（resolved signatures、imports、caller annotations）。Phase gate 的 graph-diff 验证让质量检查可自动化。Test ordering 的拓扑排序确保测试按依赖顺序执行。

## 局限性与风险
**已弃用**，用户应转向 supermodel CLI。需要 Supermodel API key（14 天免费试用后收费）。作为实验原型，未经生产验证。与 Supermodel 平台强绑定。Node.js ≥ 18 + Python ≥ 3.11 的双运行时要求。

## 与生态系统的关联
展示了 Hermes Agent 通过 MCP 集成外部代码智能服务的模式。与 opencode-hermes-multiagent（17 个专用 agent 的 SDLC）在目标上相似，但 Big Iron 强调代码图结构理解而非 agent 数量。Phase gate 设计可被其他 agent 开发工作流借鉴。