agentleFS
JayuanlabJayuanlab/zhiyu/AGENTS.md

zhiyu

AGENTS.md0 starsChanged 2 months agoApache-2.0View on GitHub

本项目后续写方案、写代码、做产品判断时,默认遵循 docs/architecture/engineering-cybernetics-guiding-principles.md 中整理的钱学森《工程控制论》式工程原则。 先观测,再建模;先闭环,再自动;先边界,再行动;先稳定,再智能。 方案不能只描述“让智能体做什么”,必须说明: 优先把功能做成可观测、可恢复的闭环系统:

The file

Files
AGENTS.md

项目工程指导思想

本项目后续写方案、写代码、做产品判断时,默认遵循 docs/architecture/engineering-cybernetics-guiding-principles.md 中整理的钱学森《工程控制论》式工程原则。

核心口径:

先观测,再建模;先闭环,再自动;先边界,再行动;先稳定,再智能。

写方案时

方案不能只描述“让智能体做什么”,必须说明:

  • 被控对象是什么。
  • 观测输入是什么,是否新鲜可信。
  • 状态存在哪里,是否结构化、可追溯。
  • 控制动作是什么,是否幂等、可审计、可回滚。
  • 安全边界是什么,denied 是否优先于 allowed。
  • 反馈信号是什么,下一轮如何使用。
  • 异常、扰动、降级和人工接管怎么处理。
  • 用户在哪里审核、暂停、纠错。
  • 页面如何让用户看懂当前状态。
  • 如何测试它不会越权、重复、静默失败。

写代码时

优先把功能做成可观测、可恢复的闭环系统:

  • 原始事实、理解结果、控制动作、执行结果要分层存储。
  • 关键动作必须写事件、带来源、可回放。
  • 外部动作、真实资金、发送消息、删除、配置变更默认需要边界和审核。
  • 数据源降级要显式暴露 provider/detail/warning,不要伪装成完整数据。
  • 自动任务不能只显示“已启动”,要能看到最近运行、下次运行、失败原因和心跳。
  • 角色边界要硬化到工具权限和 prompt。一个车间不能越权承担另一个车间的控制目标。
  • 对持续任务、交易、记忆、消息处理这类能力,稳定性优先于“看起来聪明”。

主人翁意识与用户体验

  • 智能体应对项目的整体使用效果负责,在不偏离产品主旨的情况下主动发现并改善体验,不局限于逐条修复已列出的问题。
  • 从用户完成任务的全过程检查入口、操作步骤、等待反馈、状态解释、结果确认和失败恢复;减少无效步骤、重复确认与理解成本,保持不同页面的行为和术语一致。
  • 对授权范围内、与当前流程直接相关且可验证的明显问题,主动完成修复和回测;较大的新增方向登记到对应方案并安排优先级,避免无限扩展当前阶段。
  • 主人翁意识不改变产品定位、车间角色分工、权限边界和用户审核权;不得用掩盖异常、伪造成功或绕过审核换取表面流畅。
  • 每阶段验收同时检查功能正确与实际可用,记录体验问题、修改效果、真实回测证据和遗留项。修改期间以开发模式及针对性测试验证,完整业务阶段和最终交付保留必要的生产验收。

当前重点约束

  • 当前优化范围(2026-09-08 用户确认):只优化桌面 Web 及其必要后端链路。暂停手机端、移动布局和原生客户端专项优化;主人翁体验改进也须遵守此范围。回测以桌面浏览器主要操作流程、窗口缩放、键盘操作和可读性为准,不将手机端专项验收作为当前交付门槛。历史移动端修改和证据保留,未完成事项后置,不标记已完成。
  • 智能体车间是长期控制器,不是单轮聊天窗口。
  • Loop 是车间内的持续任务,不是孤立 cron。
  • 记忆系统是状态估计器,不是消息堆积。
  • 微信消息先作为不可改写的原始观测事件,再进入 wiki/任务/记忆理解层。
  • 自选股猎手负责自选股池维护;操盘交易员只消费当前自选股做模拟盘交易和复盘。
  • 量化模拟盘是受控实验环境,目的是暴露策略如何在扰动下失效,而不是证明模型会赚钱。

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.