ai-engineering-collaboration
Skill2 starsChanged 8 days agoMITView on GitHub
统筹确需跨多个专项阶段的工程任务;用户明确指定时也使用。单一明确任务直接处理或使用对应专项 Skill。
In this repository10 other files it gives its agents.
- aitasks-maintenanceSkill
- change-impact-analysisSkill
- ci-triageSkill
- code-reviewSkill
- frontend-ui-uxSkill
- plan-executionSkill
- requirements-framingSkill
- systematic-debuggingSkill
- test-driven-changeSkill
- verification-gateSkill
The file
Files
AI 工程协作
本入口只统筹需要跨多个专项阶段的工程任务;单一明确工作流直接处理或使用对应专项 Skill。目标是在满足正确性和风险边界的前提下,用最少的有效循环完成工作。
授权与只读边界
- 用户已明确要求修复或实施时,授权在阶段切换后继续有效,不因加载 Skill 再次确认;只有超出已有授权的实质范围或外部副作用需要用户决定时才询问。
- 用户要求只读或不修改文件时,计划与结论保留在会话中,不写 todo、经验、复用计数、
.gitignore或其他文件。分析阶段结束不自动转为实施。 - “核对”指 Agent 自行检查证据;“询问用户”仅用于不能从现有事实推导的必要决策。只暂停依赖该决策的工作。
工作原则
- 先确定成功条件和最小影响范围,再收集足以决定下一步的证据;不要为未提出的未来需求扩展方案。
- 以契约、可达失败路径或具体风险决定校验、兜底与兼容分支;同一信任边界内复用已验证数据,保留必要保障。沿用现有工具与流程,抽象以复用、清晰概念或实质复杂度收益为依据。
- 合并独立只读检查;只补会改变方向、范围或结论的证据,不重复读取未变化的文件或运行输入未变且已通过的验证。
- 开始修改前或进入新阶段时核对相关工作区状态:Git 项目检查
git status与目标差异;内容已变化、上下文缺失或存在并发修改迹象时才重读相关文件。发现相关更新时重估范围和验证,无关改动保留不碰。 - 修改前建立局部风格基线,修改后核对本次变更范围的结构质量;各阶段复用已有证据,独立审查仅在需要时追加。
规则发现与澄清
- 读取适用路径规则,复用未变内容;隐藏规则同样适用。项目有
.aitasks/时,先从当前可发现的 Skill 中定位可选的aitasks-maintenance,存在才读取其目录内的references/query.md,不加载维护流程或假定相邻安装。未安装或不支持只读查询时,用本 Skill 自带的只读查询脚本:python3 -B "<skill-dir>/scripts/query_aitasks.py" --project-root "<project-root>" context --query "模块 符号 错误码",按返回 ID 用get-record --kind lesson --id …(todo 用--kind todo)取必要正文,由脚本处理状态与围栏边界。Python 不可用时只取少量标题及所属元数据定位线索,无法核实的正文与适用性标为未验证,依据当前代码取证,不临时编写经验解析器。经验只作线索,关键事实仍核对当前环境。不整篇读经验或 todo。任务开始、范围变化或新根因确认时查,同会话复用未变结果,新会话重新查询;证据不足可扩大预算。 - 初次实现且上下文不足时,先看相关工具配置、相邻实现和共享设施;模式冲突或依据不足才补同类样本。依据依次为明确要求和契约、路径规则、项目工具、同类实现、仓库惯例、通用做法;仅关键业务行为、公开契约或偏好未定时询问。
- 能由代码、日志、测试或规则确认的问题先自行调查。剩余关键问题可一次合并少量互不依赖的问题;答案会决定后续问题时才逐项询问。
- 未明确的结构、调用或依赖关系可用已接入的 CodeGraph MCP 定位;已知文件和局部关系直接检索,重要结论以代码与测试核实。普通经验查询不加载维护流程或附带不需要的计数,缺失计数为“未记录”。
入口选择与任务风险
风险独立判断:目标明确、影响局部且验证清晰的任务默认直接处理;涉及跨模块行为变化、重要数据流或权限/安全/事务/并发风险、实质需求歧义、不可逆操作,或无法预先定义验证方式时,按非平凡任务规划和验证。文件数量不决定风险,风险较高也不自动要求加载入口或委派。
规划
非平凡实施任务必须在修改前形成最小计划:目标、影响范围、下一可验证切片、验证方式和主要风险;存在真实依赖时说明先后条件。复用已有等价计划,缺少部分自行补齐;会话计划也有效,不因计划形式再次请求批准。只要任务会编辑项目代码,就使用 aitasks-maintenance 为本次任务创建或复用一条 .aitasks/todo.md 记录;纯文档修改可只保留会话计划。
阶段边界和结论变化时更新计划,不记录工具流水账。用户明确要求立即记经验;其他已验证且可复用的原因按独立任务观察,二次出现后核对证据再沉淀,复用原 ID。计数、更新与归档交给维护工具;只读任务不写观察记录。
非预期测试/构建失败、实际实现与方案不符或新风险使原判断失效时,只暂停受影响实施并重估;预期失败与计划内实验不触发重规划。todo 保持最小记录,恢复任务时按 ID 复用活动项,维护细节由 aitasks-maintenance 承担。
路由决策
通过本入口执行时,由入口统筹专项。先核对当前环境中可用的专项 Skill,再按以下优先级选择一个内部执行阶段;用户不必手动点名。用户明确点名且该 Skill 可用、与任务不冲突时优先采用;点名的 Skill 不可用时如实说明,并按下表选择当前可用的最接近能力,不假定外部 Skill 已安装或可被自动调用。
| 优先级 | 明确触发条件 | 内部执行阶段 |
| 1 | 任务本身是 .aitasks 写入、归档或元数据维护 | aitasks-maintenance |
| 2 | 明确代码审查,或需要核实收到的审查反馈 | code-review |
| 3 | 远程 CI 或构建流水线失败归因 | ci-triage |
| 4 | 本地 Bug、测试/构建失败、性能或集成异常,且根因未明 | systematic-debugging |
| 5 | 目标、范围、验收标准或关键业务决策存在会改变执行结果的歧义 | requirements-framing |
| 6 | 用户已要求实施现有方案、Spec 或任务清单 | plan-execution |
| 7 | 尚未实施,且共享行为、跨模块数据流或契约影响仍未明确 | change-impact-analysis |
| 8 | 界面的视觉、布局或交互需要设计、评估或有目的地改善 | frontend-ui-ux |
| 9 | 新功能或 Bug 需要测试先行的变更闭环 | test-driven-change |
| 10 | 明确要求验证,或高风险交付、发布前仍有证据缺口 | verification-gate |
由入口选择一个当前阶段,只有尚存关键缺口才追加必要阶段;不因规则提到 Skill 名称而递归加载,也不重启已完成阶段。专项返回结论、证据和缺口。首次选择或路由实质变化时一句话说明原因,简单任务不输出路由表。根因未明才调试,共享影响未明才追加影响分析,需要回归保护才补测试策略,交付证据不足才追加验证关卡。
已有方案先由 plan-execution 核对;若尚缺会影响界面实现的视觉、布局或交互设计,在具体界面实现前按缺口选择 frontend-ui-ux,复用原授权与证据。设计已明确时直接实施,不机械串联专项。单一明确的界面设计任务可直接使用前端专项;仅修改前端逻辑或文案、且无需视觉与交互设计时不因文件位置加载。明确的代码审查仍先走 code-review,只读边界适用于界面评估。
专项独立使用时继承授权和只读边界,不反向加载入口。未命中专项的明确局部任务直接处理;专项不可用时说明限制,在现有能力与授权内完成可执行部分。关键决策仍未定才需求定界。
子 Agent
仅在当前会话与上层规则允许、子任务可独立推进且收益超过协调成本时委派,不因任务非平凡而强制启动。启动前明确边界与产出;实现需隔离工作区或明确文件所有权、输入输出及集成顺序,共享写入与高副作用操作由主 Agent 在已有授权内串行处理;主 Agent 整合结果、刷新相关状态并复核冲突证据,委派不扩大授权。
验证与停止条件
- 验证与风险成比例:行为或交付物变化且现有证据不足时运行最小相关检查;跨模块、高风险或发布任务再扩大覆盖,纯文档或注释修改不默认运行无关测试。
- 非预期验证失败时保留相关完整异常链,形成一个可证伪假设并做最小实验;同一假设不以不同命令形式重复尝试。
- 成功条件已有新鲜证据、相关风险已说明且无必要工作剩余时停止。工具调用次数少不是目标,避免无决策价值的循环才是目标。
交付格式
用户指定格式优先;审查先列问题、后给摘要,简短结果直接交付。只有确需完整结构时才读取并使用 assets/final-response.md。
.aitasks 模板由 aitasks-maintenance 唯一维护,新建只读取对应模板,更新状态或计数无需模板。
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
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.

