Builder Methods Presents

Agent OS 2.0

一个工具无关、技术栈无关的开源 AI 协作操作系统

By Brian Castle

01
Core Concept

核心冲突与解决方案

🌪️

问题：Drift (漂移)

AI 编码代理（如 Cursor, Claude）能力很强，但缺乏持久性。

  • 重复劳动： 你必须反复解释编码规范。
  • 不一致： 完成一个功能后，AI 会忘记之前的约定。
  • 死循环： 不断修正同样的错误，重写本不该那样写的代码。
"Suddenly you're stuck in this loop... re-explaining your coding standards."
🧭

方案：Alignment (对齐)

Agent OS 是一个基于文件的操作系统，用于强制实施规范驱动开发 (Spec-Driven Development)。

  • 强制对齐： 让 AI 锁定你的风格和模式。
  • 系统化： 将混乱的对话转化为结构化的工程流程。
  • 工具无关： 兼容 Cloud Code, Cursor, CodeEx, Gemini 等所有工具。
02
The Workflow

全链路文件流 (Pipeline)

Agent OS 的核心是将开发过程拆解为 5 个明确阶段，每个阶段都产出具体的文件工件。

0
🏁
Product
Context

Plan Product (产品规划)

频率： 项目启动时运行一次。

作用： 在代码库中创建三个文件，定义产品的使命 (Mission)、路线图 (Roadmap) 和技术栈 (Tech Stack)。这是 AI 的“长期记忆”和“宪法”。

1
📝
requirements.md

Shape Spec (塑形规范)

频率： 每个新功能开始时。

交互： 战略规划阶段。Agent 会问几轮针对性问题，你只需确认或修正。支持上传 Mockups 和截图来调整 UI 细节。

2
📋
spec.md

Write Spec (编写规范)

频率： 需求确认后。

作用： 正式化。Agent 将零散的需求转化为清晰、连贯的技术规范文档。包含：概述、用例、In/Out Scope、技术实现说明。

3
✅
tasks.md

Create Tasks (创建任务)

频率： 编码之前。

作用： 将 Spec 拆解为清晰、可追踪、分组的实施任务列表。这是 AI 的“施工图纸”。

4
🚀
Production
Code

Execution & Verification (执行与验证)

动作： 根据任务列表编写代码。

收尾： 开发完成后，Agent OS 运行验证流程（测试）。最后阶段通常只需微调（Polish）和小修复。

03
Implementation Strategy

两种执行模式对比

在有了 tasks.md 之后，你可以根据项目规模选择不同的执行指令。

🔨 Implement Tasks 基础模式

适用： 中小型功能，单个 Agent。

  • 让单个 Agent 一次性处理所有任务组，或者一步步来。
  • 更加节省 Token。
  • 适合 Cursor 或单次上下文窗口能容纳的任务。
🎻 Orchestrate Tasks 高级模式

适用： 大型复杂功能，Cloud Code (支持 Sub-agents)。

  • Sub-agents (子代理)： 将不同的任务组委派给专门的子代理。
  • 精准注入： 系统会为每个任务组生成针对性的 Prompts，只注入该任务所需的标准和上下文。
  • 利用 Cloud Code 的多 Agent 架构优势。
04
Knowledge Check

核心概念解析

🧱

Modular Design

Agent OS 是完全模块化的。

是否必须使用全套流程？

按需取用

你可以使用全部组件，也可以只使用一部分。

你可以根据项目需求配置 Agent OS，甚至为不同类型的项目设置不同的 Coding Standards 配置文件。

🤖

Tool Agnostic

工具无关性。

它是否只支持特定的 AI？

公正的操作系统

Agent OS 不受任何 AI 厂商支持，它是中立的。

无论你使用 Cloud Code, Cursor, CodeEx 还是 Gemini，它都能在其之上运行，提供一致的工作流。

👥

Team Adoption

团队协作。

仅仅是为了个人开发者吗？

组织级基础

许多团队将 Agent OS 作为内部 AI 采用的基础。

它为新员工提供了清晰的指引，让每个人（不仅是 AI 专家）都能交付高质量、一致的代码。

原文

源链接