rpamis/comet

解决的问题

Comet 解决了长时 AI 编程任务中的不稳定性与缺乏结构的问题。它防止代理在中断后“遗忘”进度或猜测状态，并以科学评估框架取代基于直觉的技能改进。它特别解决了协调过于庞大而无法在单一代理会话中完成的复杂需求，将其拆分为可管理且具备依赖关系的子任务。

运作方式

Comet 提供了一个可恢复的运行时环境与一个集成 AI 编程工具的技能平台。它提供两种主要工作流：

• Native: 专为强大模型设计，允许它们自主规划与验证，而 Comet 负责处理状态检查与可恢复存档。
• Classic: 一种受限的五阶段方法论 (OpenSpec + Superpowers)，使用状态机确保严格遵守特定流程。

对于复杂目标，它使用 Supervisor Changes 来建立子变更的定向无环图 (DAG)，通过多个代理在隔离的工作树 (worktrees) 中执行，然后再进行整合。它还包含一个用于个人偏好与项目知识的记忆系统，以及一个使用 Rubrics 与 Pass@k 指标来衡量技能表现的评估平台 (comet eval)。

适用对象

它专为使用 AI 编程代理 (如 Claude Code 或 Cursor) 的开发者而建，这些开发者需要管理复杂、多步骤的软件工程任务，并要求严格的验证、可恢复性以及对代理工作流的科学优化。

特色亮点

• 可恢复工作流: 任务状态存储在项目中，允许工作在中断后从确切位置恢复。
• Supervisor Changes: 协调多个代理在隔离的工作树中并行实现复杂需求。
• 双重工作流模式: 提供灵活的“Native”模式供自主模型使用，以及针对高约束任务的结构化“Classic”模式。
• 技能平台: 用于编写、打包与分发可重复使用编程技能的工具，支持 37 种不同的 AI 编程平台。
• 科学评估: 与 LangSmith 与 LangFuse 集成，使用 Rubric、Pass@k 与 Pass^k 评分来评估技能。