Agent OS：把 codebase 標準萃取出來、自動注入 AI agent

每次叫 AI 寫 code 都要重講一遍「我們用什麼命名、什麼框架、什麼風格」？讓它先掃一遍你的專案、把慣例萃取成標準文件，之後自動套用。一次定義、處處對齊。

[ Log in to see the full prompt ]

## 這是什麼／解決什麼痛點 Agent OS 是 Brian Casel（Builder Methods）開源的一套「定義與管理 AI 開發標準」的輕量系統。它針對的痛點是：**每次 prompt AI 編碼 agent，你都在重新教它本來就該知道的脈絡**——我們用什麼框架、什麼命名慣例、什麼程式風格、這產品在解決什麼問題。團隊同時用 Claude Code、Cursor、其他 AI 工具時，這個「重複教學」成本更被放大，而且各工具給的答案還可能彼此不一致。 Agent OS 的解法是把這些標準**集中、文件化、並在需要時自動注入**，讓所有 AI 工具對齊同一套規則。 ## 為什麼這來源值得用 它的四步驟很清楚：① **Discover standards**（掃 codebase 萃取既有慣例）② **Inject standards**（按當前工作脈絡注入相關標準）③ **Product planning**（產出對齊的規劃文件）④ **Shape spec**（建立符合標準的規格）。對應的三層架構也好懂：**Standards**（跨專案的技術標準，如 tech-stack.md / code-style.md / best-practices.md）、**Product**（產品層，如 mission.md / roadmap.md）、**Specs**（單一功能規格）。 它的官方定位是「Works alongside Claude Code, Cursor, Antigravity, and other AI tools. Any language, any framework.」——也就是不綁特定工具或語言，這讓它的概念很容易被任何專案借用。 ## 怎麼用（步驟／要點） 本篇 full_prompt 把這套三層架構改寫成一份可直接貼上的任務指令： 1. **先掃描、別猜**：要求 agent 實際讀檔，並把「觀察到的事實」與「推測的慣例」分開標記。 2. **產第 1 層 Standards**：tech-stack / code-style / best-practices 三份檔案，只寫專案實際用到的。 3. **產第 2 層 Product**：mission / roadmap，框住方向。 4. **每個新功能產第 3 層 Spec**：spec.md（範圍/驗收）+ tasks.md（可驗證任務）。 5. **套用規則**：之後每次寫 code 先讀 standards 對齊；發現 code 與標準不符時要回報、不要默默照舊。 把 {{COMPONENTS_DIR}}、{{FEATURE_SLUG}}、{{TECH_STACK_HINT}} 換成你的值即可。產出的這些 .md 文件，本身就是很好的 AGENTS.md / CLAUDE.md 素材來源。 ## 何時用 最適合「已經有一定規模、隱性慣例很多」的既有 codebase——讓 AI 先把規則挖出來文件化，後續協作就不會風格四分五裂。也適合多人 / 多 AI 工具的團隊統一基準。剛起步的空專案可以先只做 Standards 層，等功能長出來再補 Product / Specs。 ## 出處＋授權 📎 來源：buildermethods/agent-os（作者 Brian Casel / CasJam Media LLC，MIT 授權）— 本篇為繁中改寫整理，原始內容見上方連結。完整安裝方式、profiles 機制與官方文件見 buildermethods.com/agent-os；本條目僅蒸餾其三層架構與標準萃取/注入的工作流為可直接套用的提示，未逐字搬運其指令檔。