boshu2/agentops

它解决了什么问题

AgentOps 为 AI 编码代理提供了一种类似 DevOps 的规范，使软件交付变得可重复且可靠。它通过提供“铺设路径”（paved paths）——即结构化工作流程（技能）和记忆系统——来解决代理编码会话不一致的问题，引导代理从最初的意图到验证结果，确保工作被记录并在会话间保留上下文。

运作方式

AgentOps 使用一套“技能”（基于 Markdown 的指令），代理加载这些技能以遵循特定的操作循环。这些技能结合可选的 ao CLI 和现有的工程工具，实现了塑造、构建和判断的循环：

• 操作循环： 使用 plan 定义预期行为（通过 BDD 场景），使用 implement 构建变更，并使用 validate 在单独的会话中提供独立判断，以避免作者偏见。
• 目标管理： 对于较大的任务，它使用 interview 技能来确定结果，并使用 craft-goal 来定义工作。它与 Beads（一种工作图工具）整合，在聊天记录之外保留决策、结果和项目记忆。
• 记忆系统： memory 技能将发现整理到经过审查的 .context/ 页面中，让未来的代理能够回忆起经验教训和来源，而无需重新开始。
• 可扩展性： 每个技能都是一个独立的 Markdown 文件，允许用户自定义、删除或添加自己的指令，以创建个性化的操作模型。

适用对象

使用 Claude Code, Codex, Cursor, OpenCode, Gemini CLI, Pi, OpenClaw, 和 Grok Bot 等 AI 编码代理，且希望超越简单的基于聊天的编码，转向结构化、可重复工程流程的开发者。

亮点

• 行为驱动开发 (BDD)： 整合 BDD 场景，在实施前厘清意图。
• 独立验证： 专用的 validate 技能确保新会话中的新代理根据原始意图判断工作。
• 长效记忆： 使用 Beads 维护可搜索的工作图，并在不同的代理会话中保持持久的项目事实。
• 代理无关性： 通过插件或 npx 安装，适用于各种编码代理。
• 可自定义技能套件： 提供 29 种入门技能库，涵盖从研究和重构到用于辩论和审计的多模型“委员会”等所有内容。