agentleFS
AmaniDawnAmaniDawn/DGame/AGENTS.md

DGame

AGENTS.md178 starsChanged 32 days agoMITView on GitHub

请使用中文写提案和回答。 本文件是 DGame 仓库级规则。处理 GameUnity/** 下的文件时,还必须读取并遵守 GameUnity/AGENTS.md;子目录规则用于补充工程细节,和本文件冲突时以距离目标文件更近的规则为准。 同一会话中已经核对过的主题可以复用摘要;只有涉及新主题或发现文档与源码冲突时才重新查询。 工作流、环境版本和验证矩阵见 .agents/README.md,Unity 命令以当前 MCP 工具描述、CLI 帮助和注册命令为准,Workflow 命令以 .agents/scripts/workflow.py --help 为准。L4、跨模块、配置导表、Unity 写入、构建和发布类任务必须使用 .agents/templates/task.md 记录目标、授权、决策、验证证据和剩余风险;L1/L2 小改可不创建任务文件。 AGENTS.md 是 Claude Code 与 Codex 都会读取的仓库级入口。匹配任务后,两个工具都应按这里的路由读取 .agents/skills/<skill>/SKILL.md;技能目录遵循 Agent Skills 的 SKILL.md、references/、scripts/ 和可选 agents/openai.yaml 结构。 不确定时上调一级。用户明确要求优先于本文件;安全、权限和不可逆操作仍需按项目规则取得相应确认。

The file

Files
AGENTS.md

AGENTS.md

请使用中文写提案和回答。

本文件是 DGame 仓库级规则。处理 GameUnity/** 下的文件时,还必须读取并遵守 GameUnity/AGENTS.md;子目录规则用于补充工程细节,和本文件冲突时以距离目标文件更近的规则为准。

适用范围与规范源

  • 仓库级配置和工具位于 GameConfig/、GameRelease/ 和 Tools/。
  • Unity 工程位于 GameUnity/,其工程级规则见 GameUnity/AGENTS.md。
  • Claude Code 与 Codex 共用 .agents/skills/ 下的 Agent Skills;技能和 Workflow 不再维护第二套入口。
  • 不回滚用户已有改动,不删除与当前任务无关的文件。

工作方式

  1. 先阅读相关实现和 git status,确认已有改动边界。
  2. 按任务影响范围选择验证方式;跨模块、高风险或多阶段任务先明确目标和验收条件。
  3. 读取对应 skill 的 SKILL.md 及必要的 reference。配置表、Excel、导表脚本和 GameConfig/ 数据优先使用 .agents/skills/luban-dev/。
  4. 源码用代码编辑工具修改;Unity 操作使用 Unity CLI 原生 MCP 工具或 unity command,入口选择和工程核对见 unity-cli 技能。Workflow 按需用于组合验证、CI 和配置导表。完成后执行与变更匹配的检查,并报告实际结果、限制和剩余风险。
  5. 当 reference 与源码冲突时,使用 rg 核对实际签名和调用点,优先信任当前源码,并记录冲突位置。

授权边界

  • 普通源码、文档和只读检查可按用户任务直接执行。
  • 删除文件、覆盖已有配置或资源、修改包依赖、修改 ProjectSettings、切换平台、真实构建、导表写入生产目录、发布、提交或推送前,必须明确目标和范围;已有计划或预览不等于已授权执行。
  • Unity 写入先明确本工程内的目标、输入和影响范围;支持 dry_run 时使用原生命令预览。普通对象、组件及资源操作按用户任务和已有授权直接通过 MCP 或 CLI 执行;删除、覆盖、设置、依赖、平台和真实构建遵守上一条授权要求。使用 Workflow 时才执行其 preview、approve、apply 流程;命令超时后先查询真实状态,不自动重放。
  • Luban 生产导表使用 python .agents/scripts/workflow.py luban preview、approve、apply;validate 和隔离回归不会写入生产目录。
  • 无法连接当前 DGame Editor、缺少工具或测试没有可运行用例时,记录 blocked 和原因,不使用其他工程或旧结果替代。
  • Workflow 不自动安装或升级工具,不修改用户级技能、Codex 配置或其他用户级设置。
  • 不自动提交、推送、上传、签名或发布;CLI 的 confirm 参数和本地审批记录不能替代用户授权。
  • 不使用已停用的旧工作流、旧 Unity MCP 或其他项目的验证结果替代当前 DGame 证据。

同一会话中已经核对过的主题可以复用摘要;只有涉及新主题或发现文档与源码冲突时才重新查询。

工作流、环境版本和验证矩阵见 .agents/README.md,Unity 命令以当前 MCP 工具描述、CLI 帮助和注册命令为准,Workflow 命令以 .agents/scripts/workflow.py --help 为准。L4、跨模块、配置导表、Unity 写入、构建和发布类任务必须使用 .agents/templates/task.md 记录目标、授权、决策、验证证据和剩余风险;L1/L2 小改可不创建任务文件。

AGENTS.md 是 Claude Code 与 Codex 都会读取的仓库级入口。匹配任务后,两个工具都应按这里的路由读取 .agents/skills/<skill>/SKILL.md;技能目录遵循 Agent Skills 的 SKILL.md、references/、scripts/ 和可选 agents/openai.yaml 结构。

设计与实现原则

  1. 精简界面(适用于界面和交互任务):删除多余的标语、说明文字和次要标签。删除后若界面难以理解,应先重新设计布局或信息结构,不用文字堆叠弥补结构问题。
  2. 兼顾三类体验:每次修改都要检查以下三项,并在提案、任务记录或评审说明中用 1/2/3 编号呈现;按任务规模决定说明深度。除非任务明确要求,不得破坏当前需求和已有功能:
    1. 用户体验:信息清楚、操作顺畅、反馈及时。
    2. 开发体验:结构清晰、改动易维护、验证路径明确。
    3. AI Agent 使用体验:规则和接口易发现、描述无歧义、执行步骤可验证。
  3. 精简技能文档:技能描述使用简洁、易懂的文字,删除重复和次要内容。删减后若无法理解,应重写信息结构和说明,而不是继续堆叠文字。
  4. 保持代码简洁:优先用清晰、简单、可维护的实现完成需求。先确认底层是否已有容错处理,再决定是否补充;避免无意义的 try/catch、if/return 和其他冗余代码。
  5. 确认开发阶段:修改或重构前,依据项目文档、任务要求或负责人确认判断项目是否处于开发阶段。开发阶段可按新方案移除仅服务于旧版本的代码、历史数据和兼容分支,并使用新数据验证;当前需求功能仍需通过验收。非开发阶段则先评估兼容性,再决定迁移或保留策略。

任务等级

等级判断标准默认动作
L1 简单typo、注释、日志文案、单行变量改名,且不涉及框架 API、资源路径、事件、配置或工具链可跳过 skill,直接处理
L2 调用调用已知 API、单模块局部修改读取对应 skill 主题
L3 功能新功能、跨文件修改、新增资源、事件或模块逻辑读取完整相关 skill;涉及配置先读 luban-dev
L4 架构模块设计、系统重构、多模块协作或架构决策读取完整相关 skill 和 reference,并明确验收条件

不确定时上调一级。用户明确要求优先于本文件;安全、权限和不可逆操作仍需按项目规则取得相应确认。

Review 重点

  • 优先检查可复现的源码 API、路径、签名和文档冲突。
  • 重点检查资源与事件生命周期、Luban 模板与生成产物漂移、序列化兼容性以及程序集边界。
  • 构建、导表和测试必须报告实际命令、结果、阻塞原因和剩余风险;命令返回成功不等于业务验证通过。

通用编码准则

先理解再编码

  • 明确假设、边界和成功标准;存在多种解释时说明取舍。
  • 先搜索当前调用点和实现,不把文档或记忆当成 API 保证。

保持简单

  • 只实现请求范围内的最小改动,不为单次使用增加抽象或配置项。
  • 不为不可能发生的情况添加复杂错误处理。

手术式修改

  • 只修改与任务直接相关的文件和行,保持现有代码风格。
  • 由本次修改产生的未使用导入、变量或函数应一并清理;不删除预先存在的无关代码。

以目标验证

  • 修复问题时先确定可复现条件,再用针对性检查确认修复。
  • 多阶段任务为每一步指定验证方式;无法验证时明确说明限制。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.