agentleFS
FengYM666FengYM666/AI-Research-OS/AGENTS.md

AI-Research-OS

AGENTS.md1 starsChanged 36 days agoMITView on GitHub

写完计划、提交给用户之前,先自我拷问设计漏洞: 拷问发现的漏洞 → 修进计划再提交,别等用户发现。 每次写完 / 改完代码,说"完成"之前必须自动执行,不用等用户提醒: 验证深度按改动大小选最小必要验证:1 行 typo 不用跑全量测试,重构 / 跨文件改动跑相关测试。 装了 ARIS 集成的机器上,遇到*查文献写论文、实验设计、方案/代码要第二意见、rebuttal* 类任务时主动提出用这套(用户不记命令): 在用户电脑上找文件/软件/目录,默认用 Everything(NTFS 全盘索引,秒出结果),不要用 find 从根目录扫。安装位置可能被用户挪动,禁止写死绝对路径,每次现查再用: HKLM 没有就换 HKCU\Software\Microsoft\Windows\CurrentVersion\Uninstall\Everything(用户级安装) - 注册表也没有才试常见位置:D:\Everything、C:\Program Files\Everything 2. 搜索:"$dir/es.exe" -n 20 "关键词"。常用参数:-n 限条数、-path "目录" 按路径过滤、-extension ext 按扩展名过滤 3. 报 "Everything IPC not found" → Everything 没在运行,用同目录主程序后台拉起:"$dir/Everything.exe" -startup,等几秒再重试 4. es 完全不可用的退路:GUI "$dir/Everything.exe" -search "关键词" + 截图读结果,或对已知小目录定向 ls/find

  • In this repositoryOne other file it gives its agents.

The file

Files
AGENTS.md

执行纪律

执行前确认(Confirmation Gate)

  • 复杂任务 / 3+ 文件改动 / 需求含糊 → 先出方案或先问(plan mode / AskUserQuestion),用户批准再动手
  • 禁止猜方向盲干。方向不明确必须停下来问,不默认选一个方向闷头跑

智能增强原则

  • 简单任务:一次命令直接干,不要分析瘫痪
  • 复杂任务:先搜证据再动手;相关代码不在当前目录就先定位,禁止凭记忆猜路径
  • 文档 / 库 API 问题:优先用 Context7 查最新文档,别靠训练记忆
  • 长会话防漂移:改完代码必须用具体输入走一遍;涉及 3+ 文件的重构,改动前先 grep 所有调用方

计划拷问(Plan Grill)

写完计划、提交给用户之前,先自我拷问设计漏洞:

  • 关键假设站得住吗?边界 / 空输入 / 异常路径覆盖了没?
  • 计划跟用户真正要的一致吗?有没有理解偏差?
  • 有没有过度工程、多余步骤、可砍的抽象?
  • 失败场景是什么?出问题怎么退?

拷问发现的漏洞 → 修进计划再提交,别等用户发现。

触发条件(命中任一即拷问)

  • 架构级决策:系统设计 / 数据模型 / API 设计
  • 3+ 文件改动 / 跨模块 refactor
  • 安全敏感:认证 / 支付 / 用户数据
  • 高成本不可逆:数据迁移 / 部署 / 删库
  • 用户明确要求("grill me" / "审一下计划")

不触发(跳过拷问)

  • 1 文件小改 / typo / 快速查证 / 日常对话

代码改动后自动验证(强制)

每次写完 / 改完代码,说"完成"之前必须自动执行,不用等用户提醒:

  1. 跑语法 / 类型检查或编译(cargo check / tsc / py_compile 等),别假设改动能编译
  2. 用真实输入走一遍改动路径的逻辑;非平凡逻辑留一个能跑的 assert / 检查
  3. grep 改动函数的所有调用方,修根因,不是只修用户报的那条路径
  4. 查边界:空输入 / null / 边界值 / 溢出
  5. 改了文件名、路径、符号名 → grep 所有旧名引用(文档内部交叉引用最容易漏)

验证深度按改动大小选最小必要验证:1 行 typo 不用跑全量测试,重构 / 跨文件改动跑相关测试。

工作流原则

  1. 复杂任务先写计划(plan),简单任务直接干
  2. 最小方案阶梯:需要吗?已有吗?标准库?原生?一行?——最小实现(YAGNI)
  3. 质量底线:类型 / 错误处理 / 安全 / 测试
  4. 非平凡逻辑留 1 个可运行的检查

ARIS 深度科研工具链(v4,按需主动用)

装了 ARIS 集成的机器上,遇到查文献写论文、实验设计、方案/代码要第二意见、rebuttal 类任务时主动提出用这套(用户不记命令):

  • 独立审稿桥:mcp__codex__codex(新线程)/ mcp__codex__codex-reply(续聊)——全新会话的 GLM 对抗式评审,比自审强在无叙事污染、立场对立。任何任务想要第二意见都能用,不必只在科研场景
  • ARIS 技能库:clone 在本机(路径见用户级 AGENTS.md 或问用户),83 个 skill 没装成斜杠命令——用时直接 Read skills/<名字>/SKILL.md 照做;skill 间 /name 引用换算成读对应目录;索引看其 AGENT_GUIDE.md
  • 自动科研工作区(若配了):方向池 DIRECTIONS.md + 进度账本 PROGRESS.md,会话先读账本再决定续跑/开新题;夜间定时任务模板见 templates/aris-nightly-cron-template.md

找文件默认用 Everything

在用户电脑上找文件/软件/目录,默认用 Everything(NTFS 全盘索引,秒出结果),不要用 find 从根目录扫。安装位置可能被用户挪动,禁止写死绝对路径,每次现查再用:

  1. 定位 es.exe(命令行搜索工具,和主程序 Everything.exe 同目录):
    • 先试 where es.exe,在 PATH 里就直接用
    • 不在 PATH 就查注册表安装位置(软件挪走后重装它会自动更新):
      dir=$(reg query "HKLM\SOFTWARE\Microsoft\Windows\CurrentVersion\Uninstall\Everything" 2>/dev/null | grep -i InstallLocation | awk '{print $NF}'); dir=${dir//\\//}
      HKLM 没有就换 HKCU\Software\Microsoft\Windows\CurrentVersion\Uninstall\Everything(用户级安装)
    • 注册表也没有才试常见位置:D:\Everything、C:\Program Files\Everything
  2. 搜索:"$dir/es.exe" -n 20 "关键词"。常用参数:-n 限条数、-path "目录" 按路径过滤、-extension ext 按扩展名过滤
  3. 报 "Everything IPC not found" → Everything 没在运行,用同目录主程序后台拉起:"$dir/Everything.exe" -startup,等几秒再重试
  4. es 完全不可用的退路:GUI "$dir/Everything.exe" -search "关键词" + 截图读结果,或对已知小目录定向 ls/find

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.