OpenAgentsControl：一個具備情境感知的 AI 程式碼框架，透過人工導向的批准關卡強制執行團隊程式碼模式

它解決了什麼問題

OpenAgents Control（OAC）針對 AI 代理產生與專案特定程式碼標準、架構或安全需求不符的通用程式碼問題。這通常會導致大量手動重構與浪費 token。OAC 確保 AI 產生的程式碼從一開始即符合生產環境需求，並與團隊已建立的模式相匹配。

它如何運作

OAC 使用情境感知系統，事先教導代理您的特定程式碼模式。它採用「最小可行資訊」（Minimal Viable Information，MVI）原則，只載入必要的情境檔案（通常少於 200 行），以維持 token 效率與速度。

工作流程遵循結構化程序：

1. 模式發掘：名為 ContextScout 的專門代理從本地或全域情境檔案中找出相關模式。
2. 規劃：代理根據這些模式提出詳細的實作計畫。
3. 批准：必須由人工審查者批准計畫，方可執行任何操作。
4. 執行：代理逐步實作程式碼，並委派給專門的子代理（如 CoderAgent、TestEngineer、CodeReviewer）進行驗證與測試。
5. 即時文件：ExternalScout 取得外部函式庫的最新文件，避免依賴過時的訓練資料。

目標對象

此框架為具備既定程式碼標準且希望避免大量重工的生產開發者與團隊而設計。特別適合需要人工導向 AI 開發、嚴格批准關卡與 token 效率情境管理的情境。

重點特色

• 模式控制：一次定義程式碼標準，並透過將情境檔案提交至儲存庫，確保 AI 代理在整個團隊中遵循這些標準。
• 批准關卡：在寫入檔案或執行指令前，必須取得人工批准，以防止自主 AI 錯誤。
• Token 效率：相較於載入整個程式碼庫，可減少高達 80% 的 token 使用量。
• 可編輯代理：代理行為以 markdown 檔案定義，使用者可自訂工作流程與限制，避免供應商鎖定。
• 模型無關：相容於多種模型，包括 Claude、GPT、Gemini 以及本地模型。